料堆测量系统三维重建算法研究

论文摘要

在生产过程的物流信息化管理过程中,对料堆的有效计量成为大型企业整个物流信息化管理中一个很重要的环节。为了提高企业原材料自动化管理水平,如何准确的测量物料堆体积成为迫在眉睫的问题。本课题在分析现有各种三维测量方法后,根据料堆的特点采用了一套基于计算机视觉技术的物料堆体积测量方案：利用人工光源透过黑白网格照射到料堆表面,人为制造特征点,然后采用左右相机摄取图片,然后将图片读入计算机。通过对这些特征点进行寻找和匹配,从而获得料堆点的三维坐标,进而对料堆进行三维重构。在此基础上,设计了一套体积测量装置,并利用这套装置完成对三维散点数据的采集。采集后的数据不可以直接进行体积计算,需要对其进行预处理。由于在实验过程中不能保证载物台平面与料堆平面完全平行,致使获得的散点数据存在偏斜。所以本课题对获取的边界点利用最小二乘法计算倾斜角,进而完成对整个料堆的校正。同时对料堆中存在的噪声选用小波算法进行滤波处理,为下一步的工作做好准备。在对料堆进行体积计算和三维重构时,本文提出了基于插值法的体积计算方法。在计算过程中,插值算法的选择是很重要的。插值算法的准确性直接影响体积计算的准确性。为此,本文选用算法简单的反距离法和基于统计学的克里金法,以及RBF网络进行插值。为保证算法的可行性和准确性,本文使用人为设计的数据对算法进行验证和分析。在保证算法理论可行的基础上,将算法运用于实际料堆。经计算,算法的精度满足实际要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本课题的意义
• 1.2 研究现状
• 1.2.1 主动视觉
• 1.2.2 被动视觉
• 1.3 论文主要研究的内容
• 1.4 本论文的结构
• 第2章 体积测量系统总体结构设计
• 2.1 双目立体视觉工作原理
• 2.1.1 平行式立体视觉模型
• 2.1.2 汇聚式立体视觉模型
• 2.2 双目立体视觉实验系统硬件设计
• 2.2.1 视觉系统整体介绍
• 2.2.2 硬件元件介绍
• 2.3 双目视觉系统软件实现
• 2.3.1 系统软件流程图
• 2.3.2 系统软件的结构
• 2.4 本章小结
• 第3章 散点数据的获取
• 3.1 摄像机标定
• 3.1.1 摄像机标定方法
• 3.1.2 直接线性变换标定法
• 3.2 图像预处理
• 3.2.1 料堆图像预处理
• 3.2.2 料堆图像的特征匹配
• 3.3 深度信息获取
• 3.4 本章小结
• 第4章 散点数据预处理
• 4.1 三维数据点的旋转
• 4.1.1 边界的处理
• 4.1.2 倾斜角的计算
• 4.1.3 旋转效果比较
• 4.2 三维数据去噪
• 4.2.1 原始数据预处理
• 4.2.2 小波去噪的原理及步骤
• 4.2.3 滤波结果显示
• 4.2.4 去噪效果综合评价
• 4.3 本章小结
• 第5章 三维重建与体积计算
• 5.1 体积计算基本原理
• 5.2 反距离加权法插值
• 5.2.1 反距离加权法插值原理
• 5.3 克里金插值法
• 5.3.1 克里金插值原理
• 5.3.2 变异函数及其理论模型
• 5.4 基于RBF神经网络的曲面重构
• 5.4.1 数据归一化处理
• 5.4.2 RBF神经网络结构
• 5.4.3 RBF神经网络的参数设计
• 5.5 算法比较及结果分析
• 5.5.1. 基于已知曲面的插值算法比较
• 5.5.2 实际料堆插值算法比较
• 5.6 本章小结
• 第6章 总结
• 6.1 已完成的工作
• 6.2 存在的不足和展望
• 参考文献
• 致谢
• 攻读硕士期间发表论文情况