基于OpenCV的物体三维检测系统研究

论文摘要

由多个视角获取的多幅图像来得到物体的三维信息是机器视觉领域当前研究的重要内容。使用多个摄像机从不同位置拍摄同一物体,可检测出该物体的三维轮廓。随着科学技术的发展,基于机器视觉的物体三维检测在现代工业生产中起着越来越重要的作用,在工业产品流水线上的自动在线检测、质量控制等方面有着极其广泛的应用前景。本文分析和总结了当前国内外机器视觉在工业检测中的应用现状及难点,采用visual C++和OpenCV（open source computer vision library）为开发工具,针对其中的摄像机标定、图像预处理、图像特征点匹配和三维重建等关键技术部分开展研究,其主要工作如下:1、提出一种基于OpenCV和多视角定位相结合多摄像机标定方法。该方法利用自制的张氏标定板和3台工业级CCD从不同角度拍摄几组图像,通过OpenCV函数库快速标定各个摄像机内部参数,并在此基础上建立各个摄像机视图的对应关系,通过迭代计算视图定位所需的坐标变换,从而快速方便的得到各个摄像机的相对位置参数（外部参数）。实验结果表明,该方法操作过程简单,易于实现,能够有效的解决复杂的多摄像机的标定任务。2、改进了传统的滤波算法,有效的去除了实验平台在采集图像的过程中产生的噪声,平衡了图像间的亮度差异,增强了图像的边缘和细节,为后续的工作打下了基础。3、提出了基于极线约束的图像匹配算法,把所有匹配点对约束在同一条极线上,有效的减少了错误匹配。首先利用Harris算子进行角点检测确定角点大概的位置,然后利用基于窗口的稀疏点匹配得到大量粗匹配点,再采用极线约束原则去除错误的匹配点,得到比较精确的匹配点位置,通过OpenGL实现空间离散点的重建。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 机器视觉在工业检测中的发展现状
• 1.3 机器视觉在工业检测中的应用
• 1.4 OpenCV 简介
• 1.4.1 OpenCV 的特征
• 1.4.2 OpenCV 的功能
• 1.4.3 OpenCV 模块
• 1.4.4 OpenCV 中的常用数据结构体系
• 1.5 本文的研究目的和主要工作
• 1.6 本章小结
• 第二章 摄像机标定技术
• 2.1 线性模型摄像机
• 2.2 线性摄像机标定
• 2.2.1 透视投影矩阵的获得
• 2.2.2 摄像机参数的获取
• 2.2.3 畸变的校正
• 2.3 本文使用的标定方法
• 2.3.1 使用OpenCV 进行摄像机标定
• 2.3.2 多视定位算法
• 2.3.3 算法的全局优化
• 2.3.4 实验平台搭建及实验结果对比
• 2.4 本章小结
• 第三章 图像预处理算法及实现
• 3.1 图像增强
• 3.1.1 灰度直方图
• 3.1.2 灰度线性变换
• 3.2 图像平滑
• 3.2.1 邻域平均滤波法
• 3.2.2 中值滤波法
• 3.3 本文图像预处理算法改进
• 3.4 实验结果
• 3.5 本章小结
• 第四章 基于极线几何的图像匹配技术
• 4.1 极线几何与基础矩阵的求解
• 4.1.1 极线几何
• 4.1.2 基础矩阵的求解
• 4.1.3 图像校正
• 4.2 特征点匹配
• 4.2.1 特征点的提取
• 4.2.2 粗匹配的建立及误匹配的消除
• 4.3 实验结果
• 4.4 本章小结
• 第五章 物体三维重建及实验结果
• 5.1 空间三维点重建原理
• 5.2 基于OpenCV 的物体三维点重建实现
• 5.2.1 对OpenCV 数据结构的封装
• 5.2.2 物体三维重建的OpenGL 显示
• 5.3 实验结果
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间作者发表的论文
• 致谢