本文關(guān)鍵詞：雙相機數(shù)字工業(yè)攝影測量標志點匹配算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代工業(yè)發(fā)展日益迅速,數(shù)字工業(yè)攝影測量以其高精度、非接觸、工作效率高以及便攜性等特點成為現(xiàn)代測量的首選。雙相機數(shù)字工業(yè)攝影測量系統(tǒng)是數(shù)字工業(yè)攝影測量系統(tǒng)的重要模式之一,其可以瞬間獲取待測工件三維坐標的特點決定了它必將在以動態(tài)測量和在線測量為代表的現(xiàn)代工業(yè)測量中扮演重要的角色。而雙相機數(shù)字工業(yè)攝影測量中的圖像匹配又是其諸多關(guān)鍵技術(shù)中最為重要和最為困難的步驟之一,圖像匹配的精度直接影響雙相機數(shù)字工業(yè)測量的應(yīng)用。在實際情況中,由于成像過程中存在的遮擋、變形、扭曲、噪聲等因素,雙相機圖像匹配一直是比較難以徹底解決的病態(tài)問題,目前并沒有找到一種普遍適用的圖像匹配方法。因此,針對雙相機圖像匹配的研究具有重大的實用價值和理論意義。本文針對雙相機圖像匹配的相關(guān)理論以及方法進行了研究,給出了階段性的算法描述和實驗結(jié)論。本文的主要成果如下:1.系統(tǒng)闡述了雙相機數(shù)字工業(yè)攝影測量系統(tǒng)的發(fā)展現(xiàn)狀和系統(tǒng)構(gòu)成,分析了雙相機數(shù)字工業(yè)攝影測量與雙目立體視覺的區(qū)別和聯(lián)系。簡要介紹了雙相機數(shù)字工業(yè)攝影測量的關(guān)鍵技術(shù),對于圖像匹配中的基本問題進行了分析和總結(jié),并對現(xiàn)有的基于灰度、特征和圓形回光反射標志的圖像匹配算法進行了研究,總結(jié)了各種算法的研究現(xiàn)狀2.闡述了雙相機圖像匹配中的若干問題,針對現(xiàn)有方法精度不高、計算繁瑣效率偏低、依賴第三張像片、實時性不強等諸多不足,提出了基于相對關(guān)系不變性的標志點匹配算法。根據(jù)平緩過渡曲面上相鄰點間相對關(guān)系在兩張像片上一致的原理,解決了雙相機數(shù)字工業(yè)攝影測量系統(tǒng)的標志點自動匹配問題,并編程實現(xiàn)了該方法,通過實驗驗證了該方法具有良好的匹配效率和準確率。3.闡述了在圖像匹配中利用隨機抽樣一致性(RANSAC)算法估計基本矩陣,剔除誤匹配點的基本流程和主要問題,針對傳統(tǒng)隨機抽樣一致性算法效率較低且魯棒性有待提高等問題,分析了提高匹配效率和魯棒性的關(guān)鍵點,并以此提出了改進的隨機抽樣一致性算法。采用預(yù)檢驗技術(shù),在每次抽樣過程中利用前幾次抽樣結(jié)果更加合理地選取內(nèi)點,使用自適應(yīng)調(diào)節(jié)外點比例的方法減少了抽樣次數(shù),并利用單應(yīng)矩陣降低了算法的迭代次數(shù)和抽樣時間;摒棄了以往單純的使用匹配點到對應(yīng)極線幾何距離的平方與閾值作比較來確定內(nèi)點的方法,利用新的加權(quán)函數(shù)合理地定義內(nèi)點,提高了算法的魯棒性。實驗結(jié)果證明了該算法計算效率高于傳統(tǒng)隨機抽樣一致性算法,且魯棒性有所提高。
【關(guān)鍵詞】：雙相機數(shù)字工業(yè)攝影測量 圖像匹配 人工標志點 相對關(guān)系不變性 隨機抽樣一致性算法 預(yù)檢驗
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-17
• 1.1 引言10-11
• 1.2 雙相機數(shù)字工業(yè)攝影測量與雙目立體視覺的辨識11
• 1.3 雙相機數(shù)字工業(yè)攝影測量系統(tǒng)發(fā)展歷程11-14
• 1.3.1 國外發(fā)展歷程11-13
• 1.3.2 國內(nèi)發(fā)展歷程13-14
• 1.4 研究背景與現(xiàn)狀14-15
• 1.5 論文的主要研究內(nèi)容15-16
• 1.6 本章小結(jié)16-17
• 第2章 雙相機數(shù)字工業(yè)攝影測量系統(tǒng)關(guān)鍵技術(shù)介紹17-24
• 2.1 雙相機數(shù)字工業(yè)攝影測量系統(tǒng)關(guān)鍵技術(shù)17-19
• 2.1.1 圖像數(shù)據(jù)獲取17
• 2.1.2 相機標定17-18
• 2.1.3 特征提取和識別18
• 2.1.4 圖像匹配18-19
• 2.1.5 三維重建和后續(xù)處理19
• 2.2 圖像匹配基本問題19-20
• 2.2.1 匹配基元19
• 2.2.2 約束條件19-20
• 2.2.3 匹配策略20
• 2.3 基于灰度和特征的匹配算法研究現(xiàn)狀20-21
• 2.4 基于人工標志點的圖像匹配算法21-23
• 2.5 雙相機數(shù)字工業(yè)攝影測量系統(tǒng)工作流程23
• 2.6 本章小結(jié)23-24
• 第3章 基于相對關(guān)系不變性的雙相機標志點匹配算法24-34
• 3.1 引言24
• 3.2 回光反射標志和編碼標志24-25
• 3.3 相對關(guān)系不變性25-26
• 3.4 包容三角形26-27
• 3.5 匹配流程27-31
• 3.5.1 單點匹配27-28
• 3.5.2 多點匹配28-31
• 3.6 實驗及結(jié)論31-33
• 3.7 本章小結(jié)33-34
• 第4章 改進的RANSAC算法在剔除誤匹配點中的應(yīng)用34-48
• 4.1 引言34-35
• 4.2 RANSAC算法原理35-36
• 4.3 對RANSAC算法魯棒性的改進36-38
• 4.3.1 提高RANSAC算法魯棒性的新誤差加權(quán)函數(shù)36-37
• 4.3.2 隨機塊匹配點選取法37-38
• 4.4 對RANSAC算法計算效率的改進38-45
• 4.4.1 RANSAC算法計算量分析38-39
• 4.4.2 自適應(yīng)調(diào)節(jié)抽樣次數(shù)的RANSAC算法39-40
• 4.4.3 基于單應(yīng)矩陣的RANSAC算法40-44
• 4.4.4 基于預(yù)檢驗的改進RANSAC算法44-45
• 4.5 實驗及結(jié)論45-46
• 4.6 本章小結(jié)46-48
• 第5章 總結(jié)與展望48-50
• 5.1 論文的主要工作和總結(jié)48
• 5.2 論文創(chuàng)新點總結(jié)48-49
• 5.3 下一步工作展望49-50
• 致謝50-51
• 參考文獻51-54
• 作者簡歷54

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 甄艷;劉學(xué)軍;王美珍;;一種改進RANSAC的基礎(chǔ)矩陣估計方法[J];測繪通報;2014年04期

2 張培耘;華�？�;夏樂春;符永宏;;基于RANSAC算法的極線約束立體視覺匹配方法研究[J];組合機床與自動化加工技術(shù);2013年11期

3 鄒崇堯;何培培;趙雙明;;基于RPC近似核線約束的CE-1影像匹配方法[J];地理空間信息;2013年03期

4 孫雪琪;董明利;王君;孫鵬;;雙目動態(tài)視覺測量的匹配[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2013年02期

5 馮其強;李宗春;陳新;李廣云;;基于核面約束的近景攝影測量影像人工標志點匹配方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2010年08期

6 李春艷;王立;盧欣;陳繼華;范生宏;;一種雙目立體視覺相機標定方法[J];空間控制技術(shù)與應(yīng)用;2010年03期

7 吉大純;李學(xué)軍;侯金寶;;影像匹配中的若干基本問題研究[J];計算機技術(shù)與發(fā)展;2010年05期

8 祝琨;楊唐文;阮秋琦;王紅波;韓建達;;基于雙目視覺的運動物體實時跟蹤與測距[J];機器人;2009年04期

9 劉坤;葛俊鋒;羅予頻;楊士元;;概率引導(dǎo)的隨機采樣一致性算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2009年05期

10 董明利;王振華;祝連慶;孫雨南;呂乃光;;基于RANSAC算法的立體視覺圖像匹配方法[J];北京工業(yè)大學(xué)學(xué)報;2009年04期

  本文關(guān)鍵詞：雙相機數(shù)字工業(yè)攝影測量標志點匹配算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：425080