基于三维测量的奶牛体型性状指标的数据采集

采用立体视觉的三维测量方法重建奶牛的三维模型,实现了对奶牛的体型性状指标测量,首先通过立体标靶进行摄像头的标定,然后利用SIFT(scale invariant feature transform)尺度不变特征点匹配算法对图像进行特征点提取与匹配,最后通过投影矩阵计算匹配特征点的三维坐标;针对双目视觉中摄像头视角范围受限问题,提出通过在相邻视点的公共区域设置标记点,根据标记点计算不同坐标系的转换关系,将各局部特征点转换到统一坐标系下,从而实现不同视点下各局部区域的三维拼接.实验表明,采用该方法重建的奶牛模型较理想,测量精度和测量效率满足评定要求,能够取代手工测量.     

基于极线校正的相移结构光三维测量

被动式方法对表面无明显特征的物体难以获取稠密的三维重建点,无法进行精确而快速的测量.针对这一问题,采用双目立体视觉测量系统,结合主动式方法的相位移动结构光法对每个图像像素点进行处理,获取三维物体表面稠密的数据,实现真正的全场测量.双目系统经过极线校正,对应点的极线处在同一水平线上,匹配时不用逐点计算每个像素点的极线,大大减少匹配时间.实验结果表明此方法能快速获得复杂表面物体的稠密测量.     

新型液晶编码光栅立体视觉传感器

物体形面视觉测量中，为了获取更多且准确的图像对应信息，特别是立体像对的匹配信息，需要通过视觉传感器对测量图像进行调制．该文介绍了研究设计的新型液晶编码光栅形面测量视觉传感器，采用东福EDMl288液晶模块和光学投影照明系统，并且通过计算机通讯控制液晶编码，无机械运动，测量速度快，可得到大量三维测量点信息．实验验证，这种传感器可靠性高，可操作性强，且具有较高测量精度，三维测量点拟合平面的平均误差为0．103mm，可以实现物体的形面测量．     

基于投影器-数码相机的物体三维重建

针对三维重建在计算机视觉和近景摄影测量目标物体纹理缺乏的特点,在传统用数码相机摄取影像数据的基础上,引入了投影器设备,构成投影器-数码相机系统。该系统可使投影器能够人为地给物体表面添加纹理特征,这些纹理特征清晰稳定、相对容易提取和匹配;利用投影器虚拟影像和数码相机拍摄的带有投影纹理特征的物体影像构成立体像对,可通过空间前方交会的方法解算纹理特征的空间坐标;连接相邻的空间纹理特征点,可形成物体三维立体模型。实验及其结果证明了基于投影器-数码相机系统的物体三维重建的有效性和实用性。     

坐标网格立体视觉测量中的图像匹配技术

利用立体视觉技术，实现对板料成形分析中应用的大批量坐标网格的变形进行无接触自动测量与分析，以减少工作量并提高测量的速度和精度．主要针对圆形坐标网格变形的立体视觉测量中的图像匹配技术进行了研究．在对网格图像进行特征提取与编码的基础上，实现网格单元的子域匹配，并通过对摄像位置进行预约束，建立起左右对应像素点纵向图像坐标间的约束关系，从而实现左右图像特征点的快速准确匹配方法．该方法程序实现简单，匹配结果可靠，无二义性，可推广应用于其他具有相似结构特征的三维图像的立体匹配中．     

基于两视图的曲面物体自动建模方法

提出一种基于两视图的曲面物体自动重建方法. 采用基于Haudorff距离的特征匹配技术对图像的正面和侧面中的曲面物体进行匹配,自动获得图像中物体的大致形状及位置信息. 采用基于形状先验的图像分割算法自动地将曲面物体从图像的正面和侧面中分割出来. 利用这两幅图像中获得的侧影轮廓线,实现曲面自动重建和纹理自动提取. 通过真实曲面物体进行重建实验,验证了该方法的可行性.     

双目立体视觉系统设计

双目立体视觉是一种对目标点进行准确快速定位行之有效的方法,通过对双目立体视觉系统标定、立体匹配等关键技术的研究,设计开发了一种可以广泛应用的双目立体视觉系统。该系统采用了两种匹配算法,分别采用传统上基于极线约束的特征点灰度相关匹配算法和基于SIFT(Scale Invariant FeatureTransform)特征描述子的改进匹配算法实现。在实现双目立体视觉系统的目标点定位基础上,进行了两种匹配算法的性能比较和分析。实验表明该双目视觉系统设计具有良好的实用价值。     

基于双目视觉的水泥混凝土路面错台检测方法

针对水泥混凝土路面错台测量手段的不足,提出了一种基于双目视觉的错台测量方法.该方法根据双目摄像机的成像特点和水泥混凝土路面的图像特征,对接缝位置进行定位和错台计算.定位分为2个主要步骤,一是基于灰度投影的粗定位,二是在粗定位的基础上提取接缝附近图像,利用灰度投影和边缘投影精定位.由双目视觉测量系统计算相邻2块水泥板在错台附近点的三维坐标,利用这些坐标计算错台量,其中关键环节是在双目图像匹配时提出了一种基于匹配点位置估计的匹配算法.试验表明,与直尺测量结果吻合.     

基于计算机视觉的三维激光扫描测量系统

介绍了基于计算机视觉三维激光扫描测量系统．该系统主要由双目视觉测量探头、图像采集卡、扫描机构及其控制部分组成．通过两个摄像机同时摄取一个扫描激光光条的图像，经图像匹配，利用视差，可计算得到光条上所有点的位置以及深度，即被扫描物体表面的三维信息．就系统中的摄像机标定、图像采集、特征提取、图像匹配及三维信息恢复等主要工作过程进行了论述．     

四目立体测量图像同步采集存储系统的设计

运用四目立体测量技术实现具有复杂曲面形状物体的逆向设计,在航空、航天、汽车和造船等工业领域具有广泛需求。设计了用于四目立体测量的图像同步采集存储系统,采用FPGA作为控制器,利用Camera Link接口连接摄像机和FPGA,触发采集、传输图像数据;采用外部动态随机存储器SDRAM和FPGA内部FIFO相结合缓存图像数据;采用USB2．0接口芯片实现FPGA与计算机数据通信。利用软件ModelSim完成系统各功能模块时序逻辑仿真,实验结果表明系统能够完成四目立体测量图像同步采集存储任务。     

事故车辆图像特征点的自动匹配

实现交通事故现场勘查中物体的立体视觉量测,需要对勘查获取的立体图像进行匹配。但由于一般自动匹配记录信息和事故研究所需信息的差异,使得自动匹配成果难以直接应用到交通事故勘查的立体匹配中。针对该问题,研究提出了一种事故车辆图像特征点的自动匹配方法,应用SIFT理论和BP神经网络理论,构造了事故车辆图像特征点的自动匹配模型,并进行了实验验证。研究结果表明,该匹配方法可以实现立体像对中任一选定目标的自动匹配,匹配的结果能够做为精匹配的提示。该项研究大幅度提高立体匹配选点的效率,加快交通事故立体视觉系统量测的速度,还可以作为一种技术手段给车牌被遮挡的违章车辆的确认提供借鉴。     

基于谱图理论的特征匹配原理研究

图像匹配是计算机视觉的重要研究领域,它们广泛应用于工业、农业、物体识别、遥感、生物医学以及军事等方面.基于谱图理论的图像匹配算法引起了人们越来越多的兴趣,该算法直接对图像中的特征进行处理,将高度复杂的经典算法转化为组合（离散）谱问题的简单求解,有效地降低了算法复杂度。文章对基于谱图理论的特征匹配算法进行了较为系统的探索,借助数学理论工具,对不同匹配算法中所用谱分解的原理和本质进行了研究。     

基于双棱镜单摄像机立体视觉的P-GMAW熔池表面重建

利用传统的双目立体视觉技术进行焊接熔池表面形貌的三维传感,系统成本昂贵,且拍摄时必须保证同步,摄像机参数的不一致也容易造成重建误差。分析了双棱镜立体视觉系统原理,搭建了一套基于双棱镜的单摄像机立体视觉系统,在一个CCD像面上拍摄到同一物体存在视差的两幅图像,预处理后通过SSD算法求取像素级视差图,然后由二次曲线拟合进一步获得亚像素级视差图,由标定结果求得每个图像点对应的三维坐标。通过搭建的传感系统获得了P-GMAW平板堆焊基值期间的熔池图像,依照上述流程重建了熔池的三维表面形貌,同时针对重建结果做了误差分析,证实了其可靠性。     

基于立体视觉的自由曲面三维重构

利用BP神经网络对立体视觉系统进行隐式标定,采用投射大小光斑的方法增加自由曲面的图像特征;提出了一种基于射影变换原理的分块匹配算法,分别在左右两幅图像上,对大点构成的区域进行标准形状变换,然后实现区域内小点的自动匹配.对石膏像面部进行三维重构的实验表明,投射光斑的方法增加了自由曲面的图像特征,分块匹配算法能有效地实现图像间的特征匹配.     

基于形状特征的物体匹配方法研究

针对基于形状特征的物体匹配,对精尺度图像提出一种分层罔匹配算法.采用两条马尔可夫链同时对图形进行分割与匹配采样.该方法无需额外的学习训练过程,实现了将物体对象与复杂背景分离,并同时完成了匹配参数及能量计算.对粗尺度图像提出基于方向梯度直方图算子的图像匹配算法,利用物体的整体形状信息进行全局匹配,能忽略局部纹理的干扰,并具有运算速度快的优点,且与分层图匹配算法在计算尺度图像及速度上形成互补.结果表明,分层图匹配算法在100次迭代内便能实现精确匹配.     

基于OpenCV的双目立体视觉监控跟踪系统

现阶段的监控设备无法自主获取目标区域的距离信息,而且在一定范围之外,由于图像模糊程度加深而无法对特定个体进行识别确认。针对以上存在的问题,设计并开发了基于计算机视觉库OpenCV(IntelOpen Source Computer Vision Library)的双目立体视觉监控跟踪系统。利用OpenCV强大的计算机视觉和图像处理能力,结合自行研究的双目立体视觉测距改进法和轮廓搜索法,能实现对监控区域内的物体进行距离测量和轮廓识别。通过实验结果表明,基于OpenCV的双目立体视觉监控跟踪系统运行可靠稳定,在一定范围内达到了实验要求。     

基于图像的3D场景重建

给出了用DSP实现基于图像的3D场景重建的方法和步骤.3D场景重建主要由摄像机标定、图像采集和基于图像的重建3个部分组成.在摄像机标定中,使用摄像机作为测量装置来确定它的内部和外部参数,比对摄像机直接进行测量更为方便;利用摄像机、SEED-VPM642实时图像处理应用平台和PC机构成的系统进行图像采集,DSP芯片与PC机的图像传输采用PCI通信实现;采用体素着色(Voxel Coloring)方法实现3D场景重建,使现实物体在计算机虚拟世界中得以重现.     

无人车基于双目视觉的同时定位与地图构建

研究了无人驾驶车面向校园环境的同时定位与地图构建问题.采用双目视觉系统进行立体视觉图像匹配,并以此为基础完成优化前的位姿拓扑地图构建;采用了一种基于ORB图像特征和BoW模型的闭环检测算法,并利用时间连续性约束和几何一致性约束来提升闭环匹配正确率.位姿拓扑地图的后端优化采用了高斯-牛顿优化方法,并且在迭代过程中充分考虑了系统信息矩阵的稀疏性.利用实验室自主研发的SmartCruiser无人驾驶车平台在校园环境进行了实验,结果验证了本文所提方法的有效性和实用性.     

基于直线段上下文的红外与可见光图像匹配

成像设备、所用光谱和拍摄时间等因素的差异给红外与可见光图像匹配带来了较大的困难。考虑到边缘直线段在异源图像中的稳定性,提出一种基于线段上下文的红外与可见光图像匹配方法。首先,采用LSD(line segment detector)算法检测出图像中的直线段,接着按照几何约束规则挑选出关键直线段,并计算它们的交点,将交点与Harris角点一起组成图像特征点;通过计算特征点四象限邻域内线段的得分,得到每条线段对特征点的贡献,在此基础上采用圆形阵列的方式,构建基于线段上下文的特征描述子;最后运用双向匹配策略和RANSAC算法实现红外与可见光图像的匹配。实验结果表明,所提方法能够对灰度差异较大的红外与可见光图像实现精确匹配,并且在鲁棒性和时间效率方面都要优于主流异源图像匹配算法。     

一种基于改进SURF和K-Means聚类的布料图像匹配算法

计算机图像智能处理技术为服装设计师开展设计、启发灵感提供了方便和可能。通过提取布料图像的SURF特征可以实现布料图像形状分析,但由于SURF特征维数高、特征提取是基于灰度图进行,因此存在匹配速度慢、匹配结果不够符合人眼视觉特点的问题。本文提出了基于小波变换的自适应SURF特征提取算法和基于K-Means聚类的布料图像颜色分析方法。通过融合图像形状特征、颜色特征,加快了布料图像匹配速度,使布料图像的匹配结果更加符合人眼视觉感受。在8种不同类型布料图像上的实验验证了该算法的有效性。