發(fā)布時(shí)間：2018-04-17 09:07

  本文選題：原木材積檢測(cè) + 雙目視覺(jué)　； 參考：《東北林業(yè)大學(xué)》2016年博士論文

【摘要】：雙目立體視覺(jué)是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的重要分支之一,它通過(guò)直接模擬人類(lèi)視覺(jué)系統(tǒng)的方式感知客觀世界,廣泛應(yīng)用于三維非接觸測(cè)量、機(jī)器人導(dǎo)航和虛擬現(xiàn)實(shí)等領(lǐng)域。原木材積檢測(cè),特別是整車(chē)、成捆、成堆原木的材積檢測(cè)目前常用稱重測(cè)量法、視覺(jué)平面測(cè)量法等,不能精確測(cè)量每根原木尺徑。因此,利用雙目立體視覺(jué)的技術(shù)研究成堆原木野外尺徑測(cè)量具有一定的理論價(jià)值和十分重要的現(xiàn)實(shí)意義。論文圍繞雙目標(biāo)定技術(shù)、匹配策略與匹配算法、陰影消除等重點(diǎn)與難點(diǎn)問(wèn)題展開(kāi)研究。論文的主要工作包括以下幾個(gè)方面。(1)針對(duì)正交消隱點(diǎn)標(biāo)定在實(shí)際應(yīng)用中誤差大、容易退化等問(wèn)題,提出了最優(yōu)正交消隱點(diǎn)標(biāo)定方法。該方法最少只需兩幅圖像,根據(jù)提出的消隱點(diǎn)優(yōu)化方法,每幅圖像提取最優(yōu)的兩對(duì)正交消隱點(diǎn)實(shí)現(xiàn)內(nèi)外參數(shù)標(biāo)定。首先,對(duì)單個(gè)攝像機(jī)先進(jìn)行線性求解求得主點(diǎn)和焦距初始值；考慮到鏡頭徑向畸變,采用非量測(cè)方法,利用直線約束進(jìn)行畸變校正；再提出優(yōu)化的差分進(jìn)化算法,以線形求解的內(nèi)參數(shù)為初值,直線的共線特征為約束優(yōu)化內(nèi)參數(shù)；最后,根據(jù)轉(zhuǎn)換后的4對(duì)消隱點(diǎn)坐標(biāo),利用無(wú)窮單應(yīng)旋轉(zhuǎn)矩陣的正交約束條件,得到旋轉(zhuǎn)矩陣和平移矩陣。該標(biāo)定方法只需要攝像機(jī)拍攝模板平面在不同方向的圖像,模板可以自由的運(yùn)動(dòng),無(wú)需其運(yùn)動(dòng)參數(shù)。雙目標(biāo)定的平均重構(gòu)誤差為0.598pixel,跟傳統(tǒng)方法標(biāo)定誤差相當(dāng)。該標(biāo)定算法重構(gòu)誤差與傳統(tǒng)算法在一個(gè)級(jí)別,能滿足標(biāo)定中穩(wěn)定可靠、精度高、抗干擾能力強(qiáng)等要求。(2)為了解決Meanshift分割參數(shù)選擇不合適引起的過(guò)分割和過(guò)合并問(wèn)題,提出了自適應(yīng)閾值的合并。為了保證不過(guò)合并,首先判斷區(qū)域面積大小,區(qū)域面積大于某個(gè)閾值,可判斷為單根原木端面,不做合并處理；由于每幅圖像中區(qū)域之間的距離大小不同,根據(jù)合并前的預(yù)分割區(qū)域,計(jì)算相鄰區(qū)域間的距離,再取整幅圖中相鄰區(qū)域距離平均值為閾值,實(shí)現(xiàn)自適應(yīng)合并。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)陰影、背景和端面三類(lèi)不同區(qū)域分割較為準(zhǔn)確,采用自適應(yīng)閾值較好地改善了固定參數(shù)Meanshift分割在本類(lèi)圖像分割中存在的過(guò)分割和過(guò)合并缺點(diǎn)。(3)由于自然環(huán)境下,原木在堆放時(shí)其端面不在一個(gè)平面,凹進(jìn)去的原木很容易陷入陰影中,陰影和原木間的空隙很難區(qū)分。為了能準(zhǔn)確分割陽(yáng)光下自然堆放的原木端面圖像,解決陰影消除的問(wèn)題,提出了模式識(shí)別的方法。對(duì)分割后的區(qū)域提取共30維的顏色直方圖和LBP紋理直方圖特征量用于分類(lèi)器的訓(xùn)練和預(yù)測(cè)。本文通過(guò)對(duì)多根原木堆積的端面圖像分割,證明了該算法的有效性,實(shí)驗(yàn)結(jié)果證明該方法特別適用于有陰影存在的圖像分割問(wèn)題。(4)針對(duì)立體匹配的速度與精度以及圖像分割等問(wèn)題,提出了FSAD和Meanshift圖像分割相結(jié)合的立體匹配算法。該算法首先利用相機(jī)內(nèi)外參數(shù)對(duì)左右圖像做極線校正,并在左右圖像中提取同名點(diǎn)作為約束完成校正,保證校正后的圖像同名點(diǎn)有相同的縱坐標(biāo)；再利用FSAD算法,計(jì)算原始視差圖；為了更好的提取圖像邊緣,對(duì)原始圖像進(jìn)行Meanshift圖像分割,優(yōu)化原始視差圖得到最終視差。實(shí)驗(yàn)結(jié)果表明,該匹配算法可得到致密的視差圖,并在邊緣等視差不連續(xù)區(qū)域可獲得較好的匹配精度。利用最小外接矩陣計(jì)算端面的長(zhǎng)徑和短徑,尺徑測(cè)量精度驗(yàn)證了算法的有效性和可行性,并且能較好解決原木端面區(qū)域分割,提高了匹配精度。實(shí)驗(yàn)結(jié)果表明本文的方法符合原木檢尺在速度和精度上的要求,處理一幅圖片在15s以內(nèi),根數(shù)檢出率平均為96.17%,徑級(jí)測(cè)量結(jié)果跟人工檢尺一致。結(jié)果符合原木材積檢測(cè)要求,特別是在室外光線不穩(wěn)定、枝丫遮擋、端面污染等也能有較高的測(cè)量精度,給原木檢尺的視覺(jué)測(cè)量提供了有益的參考。
[Abstract]:......
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 洪洋;孫秀霞;蔡鳴;劉樹(shù)光;付強(qiáng);;基于正交消隱點(diǎn)無(wú)窮單應(yīng)的攝像機(jī)內(nèi)參數(shù)自標(biāo)定方法[J];中國(guó)激光;2015年12期

2 盧津;孫惠斌;常智勇;;新型正交消隱點(diǎn)的攝像機(jī)標(biāo)定方法[J];中國(guó)激光;2014年02期

3 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2009年04期

4 李顥;楊明;;基于非線性逆透視變換的攝像機(jī)畸變參數(shù)標(biāo)定[J];上海交通大學(xué)學(xué)報(bào);2008年10期

5 高麗;楊樹(shù)元;李海強(qiáng);;一種基于標(biāo)記的分水嶺圖像分割新算法[J];中國(guó)圖象圖形學(xué)報(bào);2007年06期

6 景林;黃習(xí)培;丁盛彬;;成捆原木計(jì)算機(jī)圖像檢尺系統(tǒng)研究及應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2006年S2期

7 周富強(qiáng);胡坤;張廣軍;;基于共線特征點(diǎn)的攝像機(jī)鏡頭畸變校正[J];機(jī)械工程學(xué)報(bào);2006年09期

8 張吳明,鐘約先;基于改進(jìn)差分進(jìn)化算法的相機(jī)標(biāo)定研究[J];光學(xué)技術(shù);2004年06期

，

本文編號(hào)：1762954