基于线结构光的视觉检测相关技术研究

论文摘要

结构光视觉检测技术是为了解决立体视觉中图像匹配的难题而提出来的。该检测技术以其高精度、光条图像信息易于提取、实时性强等特点,近年来在工业环境中倍受瞩目,在三维自动检测和物体识别等领域内具有不可替代的作用。本文结合现代船舶建造大尺度三维数字化测量系统的开发实践,对直接影响整个测量系统的测量精度的图像处理技术、激光条纹边缘提取、测量系统的模型建立和模型的精度影响因素等相关问题进行了深入研究。结构光图像的处理和计算是整个检测任务的关键环节之一。计算机视觉系统中,视觉信息的处理技术主要依赖于图像处理方法,经过图像的处理以后,输出图像的质量得到相当程度的改善。既可改善图像的视觉效果,又便于计算机对图像进行分析、处理和识别。在分析了系统中需要处理的图像特点以及系统本身的特点之后,采用中值滤波对图像进行预处理,因为这种预处理的方式对干扰脉冲和点状噪声有良好抑制作用,并能较好的保持图像边缘且运行稳定、处理速度快。光条的边缘检测对后续的中心提取至关重要,边缘的检测精度直接影响中心的提取精度。本文全面论述了线结构光视觉传感器的原理、结构光视觉系统的结构及模型,对线结构光视觉检测技术的精度问题进行了深入的研究。对影响激光三角法测量的主要因素:激光散斑、离散误差、光带边缘进行了详细的分析,并且讨论了相应的解决方案。利用小波变换良好的局部化特性和多分辨率特性,提出了基于小波变换的光条图像去噪方法和边缘检测方法。噪声和信号在小波变换域中有不同的表现特性。本文提出的基于中值滤波和小波变换的混合去噪方法,对去除高斯和椒盐混合噪声有很好的效果。研究了基于小波域相邻尺度积的边缘检测算法,该算法对于像激光光条这样的在一个邻域内有两个或两个以上边缘的图像的边缘提取有很好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 结构光的视觉检测
• 1.2.1 结构光的模式
• 1.2.2 结构光视觉检测技术的应用
• 1.2.3 线结构视觉检测技术的研究
• 1.3 本文主要工作
• 第2章 结构光图像预处理
• 2.1 数字图像基础
• 2.2 图像增强
• 2.2.1 直方图修正
• 2.2.2 图像平滑
• 2.3 图像分割
• 2.3.1 最佳阈值分割
• 2.3.2 边缘检测
• 2.4 本章小结
• 第3章 线结构光视觉检测的原理及精度问题研究
• 3.1 引言
• 3.2 线结构光视觉检测基本原理
• 3.3 线结构光视觉检测模型
• 3.3.1 常用坐标系
• 3.3.2 摄像机模型
• 3.3.3 基于三角测量原理的模型
• 3.3.4 基于透视投影变换的模型
• 3.4 线结构光视觉检测的精度问题研究
• 3.4.1 激光器的影响
• 3.4.2 CCD摄像机的的影响
• 3.4.3 被测物体表面特征对精度的影响
• 3.4.4 结构光三维测量模型精度分析
• 3.5 本章小结
• 第4章 基于小波变换的光条图像去噪和边缘提取
• 4.1 引言
• 4.2 小波变换理论
• 4.2.1 小波定义
• 4.2.2 多分辨率分析与正交小波变换
• 4.2.3 离散图像的小波变换
• 4.3 基于小波变换的激光光条图像去噪
• 4.3.1 基于小波变换和中值滤波的激光光条图像去噪算法
• 4.3.2 实验与分析
• 4.4 基于小波变换的激光光条图像边缘的检测
• 4.4.1 基于小波变换的边缘检测方法
• 4.4.2 基于小波域相邻尺度积的边缘检测算法及实验
• 4.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢