结构光三维视觉检测关键技术研究

论文摘要

外形及尺度测量是人类认识和改造世界的基本手段之一，是现代化生产质量控制的主要技术。结构光三维视觉检测以其高精度、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。 本文结合船体分段测量系统的开发实践，对项目所涉及到的结构光三维视觉检测系统中的系统建模、参数标定、激光条纹提取和深度图像边缘检测等关键问题进行了深入研究。 基于线结构光测量基本原理，出现了许多不同的系统模型及建模方法。本文除了根据三角原理建立系统的模型外，还提出了一种直接映射模型。建立了系统的模型及结构，就需要对系统进行标定。结构光三维视觉测量系统的标定包括两个部分，即摄像机标定和系统结构参数标定。在总结现有视觉系统标定方法的基础上，提出了一种基于直接映射模型的插值标定方法。该标定方法不必对摄像机的内外参数和系统结构参数进行标定，降低了系统模型的复杂度，减小了对各种参数的敏感度，易于实现在应用现场经常性的标定，使用过程简捷且可靠性高。 激光条纹提取是线结构光检测系统获取物体信息的主要过程。本文总结了一般的条纹中心提取算法过程，对现有的方法进行了综述，提出了自适应窗曲线拟合法计算激光条纹中心坐标。该法对条纹的宽度有很强的自适应特征，因此具有很强的鲁棒性。同时为了增强激光条纹的完整性，提出了抛物线拟合曲率延伸法对激光条纹进行断线修补。 由于经过三维数据采集后得到的数据量很大，物体表面的性质也是隐含的，而通过对物体边缘的提取、分析与处理，可以得到物体的显著特征。本文通过对深度图像边缘提取算法的总结分析，实现了一种鲁棒性很强的边缘提取算法，并通过实验验证了算法的适用性。

论文目录

• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 三维测量方法的选取
• 1.2.1 三坐标测量机（CMM）
• 1.2.2 飞行时间测量法（Time of Flight）
• 1.2.3 基于测角仪器测量法
• 1.3 计算机视觉
• 1.3.1 计算机视觉的发展历史
• 1.3.2 计算机视觉的研究现状
• 1.4 视觉测量方法研究现状及应用
• 1.4.1 被动视觉测量方法
• 1.4.2 主动视觉测量方法
• 1.4.3 视觉测量的应用
• 1.5 论文的研究目的和主要工作
• 第2章 视觉测量中的图像预处理技术
• 2.1 数字图像基础
• 2.2 图像增强
• 2.2.1 灰度修正
• 2.2.2 图像平滑
• 2.2.3 图像锐化
• 2.3 图像分割
• 2.3.1 最佳阈值分割
• 2.3.2 基于边界的图像分割（边缘检测）
• 2.4 本章小结
• 第3章 结构光视觉检测方法、建模及系统标定
• 3.1 结构光三维测量方法综述
• 3.1.1 点结构光
• 3.1.2 线结构光
• 3.1.3 多线结构光
• 3.1.4 彩色编码结构光
• 3.1.5 网格结构光
• 3.2 线结构光视觉检测基本原理
• 3.3 线结构光三维视觉测量模型
• 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
• 3.3.5 基于人工神经网络的模型
• 3.3.6 基于遗传算法的模型
• 3.3.7 直接映射模型
• 3.4 结构光三维视觉测量系统标定
• 3.4.1 摄像机标定综述
• 3.4.2 结构光测量系统标定综述
• 3.4.3 基于直接映射模型的插值标定方法
• 3.5 实验结果及误差分析
• 3.6 本章小结
• 第4章 激光条纹中心提取及断线修补
• 4.1 光条图像滤波与分割
• 4.1.1 光条图像滤波
• 4.1.2 光条图像分割
• 4.2 激光光条中心坐标的计算
• 4.2.1 光条中心坐标计算方法综述
• 4.2.2 条纹中心提取方法实验比较
• 4.3 自适应窗曲线拟合法
• 4.4 激光条纹的断线修补
• 4.5 扫描重建实验结果
• 4.6 本章小结
• 第5章 深度图像的边缘检测
• 5.1 深度图像边缘的分类及定义
• 5.2 深度图像边缘检测方法综述
• 5.2.1 基于数学微分及统计性质的方法
• 5.2.2 算子模板类边缘检测方法
• 5.2.3 曲线拟合法检测边缘
• 5.2.4 利用特殊模型的边缘检测方法
• 5.3 分段抛物线拟合边缘检测算法
• 5.3.1 算法的理论基础及分割过程
• 5.3.2 边缘的检测及分类
• 5.3.3 实验结果
• 5.4 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