基于三维视觉技术的物体深度测量系统的研究

论文摘要

物体深度测量系统在机械、电子以及土木等领域都具有很高的应用价值,而三维视觉技术则是其实现的重要手段之一。本文以物体深度测量这一实际问题作为研究工作的切入点,结合三维视觉解决方案,重点研究了函数逼近思想在传统摄像机标定问题中的重要作用,并通过理论分析和实验仿真对比分析的方法论证了方案的可行性,最后完成了系统的设计并实现了系统的功能。在设计方案中,本文采用双目三维视觉模型。在特征点采集过程中,采用对样本特征点过程进行插值和亚像素处理。在特征点的匹配过程中,采用激光投射加上基于排序的特征点匹配方法简化问题,并通过约束验证方法,确保特征点的客观与真实性。传统的标定方法采用基于摄影几何模型的参数求解,须求解各摄像机的内外部参数。实验证明这种方法受到包括摄像机畸变在内的诸多因素影响,因此稳定性和精度并不理想。针对应用环境和设备条件,本文将三维坐标函数直接进行函数逼近,隐藏摄像机参数的标定,设计采用智能计算模型作为逼近函数,并进行了理论分析和实验仿真对比分析。这种方法向下屏蔽了参数的直接求解,隐藏了不利环境和摄像机畸变等影响因素,向上提供了二维坐标对到三维坐标的直接映射,从而可以实现稳定有效的提取特征点进行三维视觉测量,本文最后的实验结果和数据表明,测量结果在可控精度要求之内。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 深度测量技术发展现状
• 1.2.1 测量技术简介
• 1.2.2 国外深度测量系统发展现状
• 1.2.3 国内深度测量系统发展现状
• 1.3 课题的研究目标与主要研究工作
• 1.3.1 研究目标
• 1.3.2 研究工作及创新点
• 1.4 本章小结
• 第二章 三维视觉测量及相关领域的研究
• 2.1 视觉图像特征信息的提取
• 2.1.1 图像预处理与图像分割
• 2.1.2 轮廓形状的表示与描述
• 2.1.3 形态学操作
• 2.2 摄像机标定技术
• 2.2.1 摄像机透视投影模型
• 2.2.2 摄像机标定技术的发展
• 2.2.3 传统的摄像机标定方法
• 2.3 主流三维视觉测量技术
• 2.3.1 双目三维视觉测量技术
• 2.3.2 结构光三维视觉测量技术
• 2.3.3 多传感器三维视觉测量技术
• 2.3.4 流动式三维视觉测量技术
• 2.4 本章小结
• 第三章 深度测量系统的三维视觉技术方案
• 3.1 技术方案概述
• 3.2 双目三维视觉技术深入分析
• 3.2.1 平视双目三维视觉
• 3.2.2 双目三维视觉的一般情况
• 3.2.3 双目三维视觉的基本问题
• 3.3 深度测量系统的标定方法概述
• 3.4 视觉图像的预处理
• 3.4.1 激光模式及其选取
• 3.4.2 稀疏特征点轮廓线的提取与拟合
• 3.5 稀疏特征点匹配方法及其验证
• 3.5.1 基于排序的特征点匹配方法
• 3.5.2 约束验证方法
• 3.6 深度测量系统的数学模型
• 3.7 本章小结
• 第四章 三维坐标函数的函数逼近方法
• 4.1 函数逼近概述
• 4.2 传统的函数逼近方法
• 4.3 智能计算与函数逼近
• 4.3.1 智能计算概述
• 4.3.2 多层前馈神经网络用于函数逼近
• 4.3.3 反馈型神经网络作函数逼近
• 4.3.4 基于模糊理论的神经网络逼近方法
• 4.4 仿真数据分析
• 4.4.1 实验目标与样本
• 4.4.2 仿真过程与结果对比分析
• 4.5 用BPNN 逼近三维坐标函数
• 4.5.1 标准BP 算法的缺点及改进算法
• 4.5.2 样本点阵的选取
• 4.5.3 采用BPNN 逼近三维坐标函数
• 4.6 本章小结
• 第五章 深度测量系统的设计实现及数据分析
• 5.1 概述
• 5.2 系统架构
• 5.3 图像特征提取与匹配过程
• 5.3.1 底面稀疏点阵提取与匹配
• 5.3.2 顶部点提取
• 5.4 三维坐标函数逼近过程
• 5.4.1 神经网络参数设定
• 5.4.2 样本点阵的提取
• 5.4.3 训练结果与预测能力
• 5.4.4 数据分析
• 5.5 深度测量过程及运行环境说明
• 5.6 本章小结
• 总结与展望
• 参考文献
• 致谢