【摘要】：目前,計算機視覺測量已經(jīng)深入到人們實際的生產(chǎn)和生活中,比如:無人駕駛、缺陷檢測、虛擬現(xiàn)實(VR)等,尤其在異形物體測量上具有優(yōu)勢。計算機視覺測量是指將計算機視覺技術(shù)應(yīng)用在空間幾何尺寸的測量,具有結(jié)構(gòu)簡單、非接觸和處理相對方便等優(yōu)點,因而得到廣泛的應(yīng)用。但是,該技術(shù)仍存在許多問題,比如:手動采集圖像引起的采集效率低和圖像清晰度低、低紋理表面物體測量的精度較差、三維重構(gòu)的點云難以描述物體表面的特征且易受噪聲影響等問題。圍繞上述問題,本文主要工作如下:首先,針對手動采集圖像引起的采集效率低和圖像清晰度低等問題,提出了背景差分搜索的改進(jìn)算法和完整性檢測算法。該算法使得圖像采集過程全自動化,保證了目標(biāo)的邊界清晰。同時,提出了前景區(qū)域作為評價窗口的聚焦算法,確保了評價函數(shù)的單峰性,保證了圖像的清晰度。最后,建立了自動視覺測量系統(tǒng)。其次,針對低紋理表面物體測量的精度較差問題,提出了優(yōu)化窗口匹配算法。在上一步解決了圖像獲取問題后,進(jìn)行圖像處理。首先,基于Tao的圖像分割的立體匹配框架,采用均值漂移(Meanshift)圖像分割方法對圖像進(jìn)行分割,其次,采用自適應(yīng)權(quán)值的窗口匹配算法,獲取初始匹配視差圖,并結(jié)合優(yōu)化窗口算法,獲取更多的匹配點,最后,建立視差模型,計算并優(yōu)化模型參數(shù),根據(jù)建立好的模型獲取稠密視差圖。將本文算法與OpenCV庫中主流的三種匹配方法進(jìn)行了對比分析,給出了本文算法對低紋理區(qū)域匹配的效果。最后,針對三維重構(gòu)的點云難以描述物體表面的特征且易受噪聲影響問題,提出了由線及面的重構(gòu)方法。該方法將物體表面分割成若干曲線,三維重構(gòu)每一個曲線,進(jìn)而重構(gòu)整個曲面。該方法徹底解決了低紋理區(qū)域匹配問題,本文重點研究了三維空間曲線的立體匹配和重構(gòu)。利用激光發(fā)射器在物體表面投影一段空間曲線,采用B樣條插值擬合方法擬合曲線,并對該方法擬合效果進(jìn)行了誤差分析。分析表明該方法減少了誤匹配點,提高了測量精度,并有效的描述了物體表面形狀,重構(gòu)精度的平均誤差小于1mm。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 三維測量研究現(xiàn)狀
        1.2.2 立體匹配研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的結(jié)構(gòu)安排
第二章 背景差分搜索的改進(jìn)算法
    2.1 搜索的改進(jìn)算法與完整性檢測算法
        2.1.1 背景差分搜索的改進(jìn)算法
        2.1.2 完整性檢測算法
    2.2 基于前景區(qū)域的評價窗口聚焦算法
        2.2.1 圖像清晰度評價方法
        2.2.2 聚焦評價窗口選擇方法與極值搜索算法
    2.3 系統(tǒng)設(shè)計
        2.3.1 硬件平臺的搭建
        2.3.2 軟件系統(tǒng)設(shè)計
        2.3.3 主要問題及解決方法
    2.4 實驗驗證和結(jié)果分析
        2.4.1 背景差分的改進(jìn)算法實驗驗證
        2.4.2 聚焦算法實驗分析
        2.4.3 搜索及聚焦過程實驗分析
    2.5 本章小結(jié)
第三章 基于優(yōu)化窗口的立體匹配算法
    3.1 優(yōu)化窗口的匹配算法
        3.1.1 自適應(yīng)權(quán)值的度量函數(shù)選取方法
        3.1.2 匹配的約束條件
        3.1.3 優(yōu)化窗口算法
    3.2 MEANSHIFT圖像分割算法
        3.2.1 均值漂移圖像分割的簡介
        3.2.2 均值漂移算法實現(xiàn)步驟
    3.3 模板參數(shù)的計算和優(yōu)化
        3.3.1 初始模板參數(shù)的計算
        3.3.2 模板的優(yōu)化
    3.4 實驗結(jié)果與分析
        3.4.1 優(yōu)化窗口算法前后的對比和分析
        3.4.2 Meanshift圖像分割算法結(jié)果分析
        3.4.3 本文算法與BM、SGBM和GC算法對比分析
    3.5 本章小結(jié)
第四章 三維自由曲線的視覺測量與重構(gòu)
    4.1 基礎(chǔ)理論簡介
        4.1.1 相機標(biāo)定
        4.1.2 三維重構(gòu)
        4.1.3 三維自由曲線擬合
    4.2 實驗結(jié)果及誤差分析
        4.2.1 相機標(biāo)定結(jié)果分析
        4.2.2 三維重構(gòu)結(jié)果分析
        4.2.3 三次樣條曲線與B樣條曲線誤差分析
    4.3 本章小結(jié)
第五章 總結(jié)和展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間取得的成果

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 凡芳;王振偉;劉雙印;胥任杰;;面向視覺測量的相機標(biāo)定誤差分析[J];實驗科學(xué)與技術(shù);2016年06期

2 尹傳歷;向長波;宋建中;喬雙;;一種基于自適應(yīng)窗口和圖切割的快速立體匹配算法[J];光學(xué)精密工程;2008年06期

3 王軍,鮑海明,魏仲慧,何昕,郝志航;光學(xué)三維輪廓測量技術(shù)綜述[J];光機電信息;2005年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 朱松;基于圖像分割的快速立體匹配算法研究[D];華中科技大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 龔聲民;運動目標(biāo)識別與跟蹤系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

2 殷虎;基于圖像分割的立體匹配算法研究[D];南京航空航天大學(xué);2010年

3 黃娟;被動式自動對焦算法的研究[D];太原理工大學(xué);2008年

4 李宏偉;結(jié)構(gòu)光三維視覺檢測關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2006年

本文編號：2856552