基于计算机视觉的组培苗生长监测的研究

论文摘要

用计算机视觉替代人类视觉,使人们从单调、重复和高强度的监测工作中解放出来,克服了人类视觉的易疲劳、误差大等生物局限性,提高了监测的准确性和连续性,并使真正的无损监测成为可能。本文探索了使用数码摄像头获取图像,利用计算机视觉技术将组培苗图像恢复成三维信息,进而获取组培苗高度、开展度等生长参数信息。文中重点对视频图像获取、数码摄像头自标定、立体匹配、三维重建等技术进行了研究。采用微软公司推出的数字视频的软件开发工具包VFW代替传统的模拟摄像机实现视频捕捉。采用了一种新的基于Eruppa方程和模拟退火的数码摄像头自标定方法,获得了较好的鲁棒性。在立体匹配过程,本文构造了一种新的以Walsh系数为匹配基元的二步匹配法,首先将图像的灰度特征转换成Walsh系数特征,可以有效防止噪声干扰,减小匹配误差,但是又不可避免的存在误匹配。为此,本文采用最小中值法和八点算法相结合的方法对初始匹配进行优化,去除错误匹配,提高了匹配的正确率。本文应用获得的数码摄像头内外参数进行图像的三维重建,并计算组培苗的生长参数。本文对上述算法进行了深入研究,并给予了程序实现,验证了算法的可行性和准确性,为下一步的深入研究奠定了基础。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.1.1 研究的目的
• 1.1.2 研究的意义
• 1.2 国内外研究的现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 主要研究内容及创新点
• 1.3.1 主要研究内容
• 1.3.2 研究的创新点
• 第二章 视频图像的采集
• 2.1 VFW简介
• 2.1.1 AVICAP功能简介
• 2.1.2 AVICAP结构
• 2.1.3 AVICAP窗口类实现视频采集的方法
• 2.2 基于Delphi的VFW函数和变量的声明
• 2.3 小结
• 第三章 数码摄像头标定
• 3.1 图像坐标系、数码摄像头坐标系和世界坐标系
• 3.2 针孔成像模型
• 3.3 数码摄像头标定方法
• 3.3.1 传统的数码摄像头标定方法
• 3.3.2 数码摄像头自标定
• 3.5 一种新的基于kruppa方程的数码摄像头自标定算法
• 3.5.1 求比例因子s的初始值
• 3.5.2 模拟退火算法
• 3.5.3 标定步骤
• 3.6 标定试验结果
• 3.7 小结
• 第四章 立体匹配
• 4.1 立体匹配的四个关键问题
• 4.2 常用立体匹配种类
• 4.3 基于Walsh系数的立体匹配算法
• 4.3.1 一维离散Walsh变换
• 4.3.2 二维离散Walsh变换
• 4.3.3 以Walsh系数为匹配基元的算法
• 4.3.4 本文采用的匹配算法
• 4.6 小结
• 第五章 计算机视觉的三维重建
• 5.1 计算本质矩阵E
• 5.2 计算旋转矩阵R和平移向量t
• 5.3 计算三维空间坐标
• 5.4 OpenGL简介
• 5.4.1 OpenGL工作流程
• 5.4.2 OpenGL绘制三维图像的步骤
• 5.5 小结
• 第六章 仿真与试验
• 6.1 匹配算法仿真验证
• 6.1.1 传统特征点匹配法
• 6.1.2 SIFT匹配法
• 6.1.3 基于walsh变换的二步匹配法
• 6.2 试验
• 6.2.1 试验准备
• 6.2.2 小结
• 6.3 工作总结及下一步工作建议
• 参考文献
• 致谢