基于线结构光的旋转物体动态三维测量方法

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:vitchen02
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
结构光视觉测量法是一种基于光学的三维测量技术,现有的研究主要是针对静态对象的三维测量,这对于文物保护、医疗手术、工业元件制造等方面具有极大意义。但对于高铁轮毂、空气预热器转子这类测量精度要求高、停机损失大的动态旋转对象,三维测量技术并没有取得很大的进展。本文的研究重点就是实现对旋转物体的动态三维测量。本文基于线结构光法和双目立体视觉原理,提出了一种不干扰被测物体运行状态、操作简单、无需标定转轴的三维测量方法。测量设备主要由线激光传感器和多个双目相机组成,本文测量方法的主要研究内容有:(1)立体视觉三维测量方法:其中精确的立体视觉标定结果是测量精度的基础保障,本文通过张氏标定法对相机内外参进行标定;然后基于单应变换的图像拼接方法为后续环状拼接提供了必要参数,并且本文基于回环检测思想对单应变换进行了优化,有效减小了长时间拼接的累计误差;由于缺失深度信息的图像拼接会导致空间点位置发生偏离,本文对被测物体转轴所在的旋转平面进行了拟合,并将其作为参照系,用于后端空间点校正。(2)单个测量单元动态三维测量方法:首先使用自适应阈值法从采集到的图像中提取线激光中心,并使用高斯滤波和最近邻内插对激光条的波动和间断进行平滑处理,得到亚像素精度的激光条;然后基于双目立体视觉和激光特征进行空间点计算,并使用优化后的单应变换对这些空间点进行环状拼接,从而将测量结果转换到正确的空间位置,得到环状点云测量结果;由于相机的主光轴与被测物体的转轴不能严格平行,以及环状拼接缺少深度信息,三维测量结果会发生伞状偏离,对此本文将旋转平面作为参照系,对环状拼接后的空间点进行对齐校正,有效消除了空间点的偏离。(3)多个测量单元动态三维测量配准方法:由于相机的视野限制,对于大尺寸被测物体的高精度三维测量,通常要使用多个测量单元进行同步测量。本文两个相邻测量单元的视野交集区域固定,且该交集区域内得到的点云为环状,本文基于该特征对ICP算法进行了改进,极大地减少了计算量,并提高了配准精度,最终将所有点云结果转换到世界坐标系下,完成整个被测物体的动态三维测量。本文的动态三维测量方法分别与深度相机Kinect V2、三维测量开源方案Ciclop在实时性和精度方面进行了对比实验,并对具有凹凸纹理的旋转物体进行了实物测量,实验结果均显示本文动态三维测量方法在实时性、精度和恢复被测物体纹理细节方面都具有更出色的表现。除此之外,还验证了本文改进的ICP配准方法,证明本文的动态三维测量方法可以对大尺寸旋转物体进行高精度的三维测量。
其他文献
[db:内容简介]
随着无人机技术的发展,无人机拍摄在航空摄影,地形测绘,军事侦察等方面具有广泛的应用前景。本文主要研究无人机俯拍视频中的目标识别问题,分析现有的运动目标识别方法,提出融合目标跟踪与图像识别的运动目标识别方法。以无人机俯拍视频中的运动目标作为研究对象,进行跟踪标定及分类识别。针对识别方法的实时性问题,提出基于数据去冗余的改进方法,通过仿真实验验证基于视频流的无人机目标识别方法。本文主要研究内容如下:(
图像质量评价在数字图像处理技术中占据着重要地位,分为主观图像质量评价和客观图像质量评价两种。主观图像质量评价需要消耗大量的人力,且无法嵌入到实时应用的系统中去,因此需要研究能够适用于多种场合的客观图像质量评价方法。客观图像质量评价方法分为全参考、部分参考和无参考三种。在多数情况下,参考图像难以获得,因此无参考图像质量评价方法具有更广泛的应用场景。无参考图像质量评价算法BRISQUE(Blind/R
数字图像是大数据时代人类感知与传播信息的重要载体,在数字图像产生与保存的过程中会引入不同程度的噪声,图像质量差会对信息的获取产生很大的影响,使得后续对于图像的处理存在极大的不确定性,阻碍图像处理技术的发展。图像技术在多领域的普遍应用,使得数字图像质量增强技术的研究已经成为图像处理方面十分具有现实意义的内容,图像去噪作为进行图像研究的预处理问题,具有十分深远的意义。图像去噪判别模型由于其良好的去噪性
受到传感器成像机理与材料工艺的限制,由传感器采集到的单一类型图像数据难以全面、准确、清晰地描述场景中的信息。多源成像传感器可提供同一场景下类型不同的图像数据。多源图像融合技术的目的是尽最大可能提取来自多源信道图像数据的互补信息,生成包含更多场景信息的融合图像。现阶段,多源图像融合技术在数码摄像、视频监控、医疗诊断和遥感目标检测等领域得到了广泛应用。本文针对多聚焦图像融合和红外与可见光图像融合中信息
随着深度学习的发展,人工智能对人类社会生活带来了很大的便利。视频文本描述作为视频内容分析的重要分支,推动着视频检索与视频个性化推荐的进一步发展。视频文本描述算法需要对视频中包含的视觉内容使用自然语言进行文本描述,且要求该描述语句具有准确性、可读性与流畅性。目前在基于编解码模型的视频文本描述算法的研究中,将视频高级语义信息作为视频语义特征,能够有效地辅助解码模型更准确的将视频视觉特征转化为文本描述。
面部表情识别在情感计算中占有重要地位,已被广泛应用于人机交互、驾驶者异常监测、疼痛估计、远程教育等领域。人类表达情感的方式并不相同,即使传递同一种情感,面部表情也因人肤色、性别等身份属性的不同存在差异。目前常用的深度学习方法能够有效地提取图像语义特征完成表情识别,但由于现有的表情数据集样本偏少,仍难以学习到与个人身份无关的表情特征。本文研究了基于情感特征解耦学习的表情识别方法以解决表情特征与身份特
大数据时代,数据以维数高、知识体系混杂、数据量大等特点呈现,给基于数据的研究带来巨大的挑战。维数约减是从高维数据中抽取知识、形成组织、发现内在规律,进而减小冗余、增强特征价值密度、提高后续计算效率的有效方法。非负矩阵分解(Non-negative matrix factorization,NMF)作为非线性且带有非负约束的矩阵分解降维方法,具有可解释性、计算简便、大规模处理数据等优点,因此广泛应用
目标跟踪是计算机视觉领域中的一个重要研究方向,已广泛应用在城市视频监控、城市智能交通、移动机器人目标跟踪、无人机飞行、虚拟现实和医学检测等多个研究领域。在实际应用中,常常出现目标遮挡、运动模糊、背景与目标相似、背景杂乱等情况,这些情况对跟踪算法的性能提出了很大的挑战。基于判别式分类器的目标跟踪算法因其效率高、效果佳的优势逐渐成为目标跟踪领域的主流研究方向,基于此,本文对基于判别式分类器的目标跟踪算
无人驾驶技术是一个庞大且复杂的系统性工程,但其核心始终离不开传感器、定位与导航技术。全球定位系统(CPS)作为目前主流的定位技术无法满足厘米级的定位和避障,且在室内和城市中无法做到全覆盖。而基于计算机视觉的定位技术很好的补充了 GPS这一短板。同步定位与建图(SLAM)旨在实现三维场景重建以及成像传感器的相机位姿估计。目前主流的SLAM算法对计算性能的要求较高,往往需要高性能图形处理单元(GPU)