基于双目立体视觉的三维建模算法

根据双目立体视觉成像原理来完成特征点深度信息的恢复,提出了一种基于图像的三维建模方法。利用该方法标定出相机的全部内外参数;利用双目立体视觉成像原理,根据不同位置拍摄的2幅或多幅照片中的对应点的图像坐标,计算它们在空间中对应点的三维坐标,实现了由多幅图像来恢复物体的深度信息;最后,利用这些坐标在Rhino中实现了由离散的稀疏点云数据建立三维实体模型。     

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.     

基于双目立体视觉技术的驼峰自动摘钩设备研究

在驼峰解体作业中,国内外均采用人工摘钩的作业方式,本文主要针对驼峰自动摘钩设备,提出了用计算机视觉技术解决目标车钩捕捉的问题。根据双目视觉原理,选取两个摄像机从不同角度拍摄的图像,通过对图像的预处理得到能表现图像特征的角点,然后对两幅图像中的特征点进行特征匹配,根据视差原理,得出目标物体的深度信息,完成物体三维立体坐标的计算,设备能以此信息为依据完成自动摘钩作业。     

基于双目立体视觉的海浪波面三维重建技术

为了提高海面特征点检测的准确度和三维重建的精度,在基于传统的Harris算法的基础上,提出1种基于高斯金字塔图像的改进Harris特征点检测算法.利用搭建的双目相机平台,对海浪图像进行采集并完成相机的标定过程,然后根据改进的角点提取算法对图像的角点进行检测,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对海浪图像特征点进行立体匹配得出视差图,最后根据三角测量原理获取图像的深度信息,实现海浪波面的三维信息重建.实验结果证明,在针对海浪图像时,该方法具有更高的精度和准确度.     

基于匹配效率和计算精度提升的双目三维树干重建算法改进

针对基于双目立体视觉的自然树木枝干的三维重建过程中二维骨架点的匹配效率低,三维坐标点计算精度不高等问题,在骨架点对应方面,将点匹配代之以更大的枝干匹配,大大缩小了对应点的匹配范围,减少了点匹配次数,提高了匹配效率.三维坐标点计算方面,考虑方程组的几何意义,采用异面直线公垂线中点逼近三维空间点的方法,提高了点坐标的计算精度.     

多视几何无人机影像堆体体积量算

针对形态不规则、大规模或不便于近距离实测的堆体体积的计算问题,借助低空无人机(Unmanned Aerial Vehicle,UAV)搭载非量测的普通数码相机对堆体进行倾斜摄影,获取堆体多视角的倾斜影像。利用运动恢复结构和基于面片的多视角立体视觉(Sf M-PMVS)技术处理由无人机获取的倾斜影像。在引入地面像控点后,首先对影像进行特征点提取和基于最近邻距离比率(Nearest Neighbor Distance Ratio,NNDR)算法的SIFT粗匹配,采用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点对进而精确求得影像的基本矩阵F完成影像匹配。引入经相机检校得到的相机内参数精确求解本质矩阵E,恢复相机运动姿态后由投影矩阵P计算稀疏点云在物方坐标系下的坐标,采用PMVS算法进行点云密集匹配,经光束法平差后得到堆体在物方坐标系下精确的三维密集点云。对三维密集点云做点云分割,剔除非堆体表面点后构建Delaunay三角网,利用数字地面模型(Digital Terrain Model,DTM)法计算堆体的体积。与用GNSS-RTK均匀测得堆体表面三维坐标点采用DTM法计算堆体体积的结果对比证明,所给方法计算堆体的体积在准确性上能满足实际生产中的要求。     

灰度共生矩阵在三维模型检索中的应用

现有的提取三维模型特征描述符的各类方法需要较大的计算量并且匹配效果不理想,故此,提出了一种基于模型深度图像利用灰度共生矩阵进行三维模型特征提取的方法。首先从模型的6个方向提取深度信息作为灰度值以获取不同方向的投影视图,并利用灰度共生矩阵的纹理特征提取模型特征,同时,基于视图的空间相关性利用左手法则以降低视图间的相似性匹配次数,从而在降低计算量的同时方便对模型相似性匹配计算。最后通过普林斯顿三维模型库对算法进行统计分析,实验结果表明,本文提出的方法有效地提高了三维模型的检索性能,使三维模型检索的查全率和查准率均得到了提高。     

基于立体视觉的一般物体识别方法

为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及物体识别.通过双目相机获取环境的三维点云信息,并利用mean-shift算法进行聚类,剔除干扰点,从而实现物体在二维图像上的定位与分割.利用含有空间关系的BoW模型对分割后独立区域内的物体进行识别,得出判别结果.此外,在利用sift算法进行特征点提取以及利用mean-shift算法进行聚类的环节中,采用CUDA环境下的GPU进行加速处理,提高了处理速度.实验结果表明,所提方法具有较好的识别效果和鲁棒性.     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

基于BP神经网络自学习的双目视觉系统的研发

在摄像机标定的过程中,深度信息的丢失,摄像机镜头的畸变以及图像处理时误差等因素都影响标定的精度．本论文采用BP神经网络的自学习的性能,开发出一套双目视觉系统．以匹配点在左、右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为该对应点在世界坐标系的坐标和网络输出的差值的平方和,根据梯度下降法来调整各神经元之间的连接权值,求得网络达到给定的误差时的各节点问权值．这样,双目视觉系统两个摄像机的投影矩阵可以用神经网络的权值与激发函数来代替,完成系统的标定．最后对系统进行精度分析．     

双目立体机器视觉检测系统及其应用

为了快速准确地获得被测物体的三维立体尺寸,双目立体视觉检测系统是有效解决方案之一。经过精密标定的双且视觉系统,可根据两摄像机的视差,准确计算空间物体的三维形貌尺寸。双目视觉系统的标定技术及立体匹配技术是决定测量数据质量的关键环节。设计了高精度视觉标定系统,有效解决了立体匹配的难题,所开发的便携式立体测量仪,可以快速准确地获得大型物体的稠密三维坐标点云。在不喷涂显影荆的情况下,解决了黑色物体和反光物体的三维测量难题,可广泛应用于摩托车、汽车、模具、服装鞋帽以及逆向工程设计中。以逆向工程的3D轮廓测量为例,介绍了双目立体视觉技术及其应用。。     

基于RBF神经网络的双目立体视觉系统的研发

在摄像机标定的过程中,由于深度信息的丢失,摄像机镜头的畸变以及图像处理时的误差等因素影响,最终影响系统标定的准确度.本论文采用RBF神经网络的训练方法,开发出一套双目视觉系统,以匹配点在左右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为网络的三路输出和该对应点在世界坐标系坐标差值的均方值;并根据梯度下降法来调整隐含神经元与输出神经元之间的连接权值,节点基宽参数与中心矢量,直到性能指标达到预定值,使其和激发函数共同组成具有投影矩阵功能的系统,完成双目视觉系统的标定.最后对系统进行精度分析.     

基于液晶标靶的坐标测量方法

提出一种基于液晶标靶的坐标测量方法.通过最小二乘优化的方法确定摄像机主点与坐标测量头的坐标转换关系,结合摄像机外参数确定测量头的三维坐标,将摄像机用于光学三维坐标的测量,提出了相机移动时的坐标变换公式和移动距离的计算方法.实验结果表明,平面标靶标定点数量显著增多,可精确提取标定点,摄像机的标定结果更加准确.该方法简单、可靠,可以准确的得到光学坐标测量结果.     

面向裸眼3D的半全局立体匹配视差优化方法

针对基于双目相机的裸眼3D显示的实时性和真实性问题,研究高精度、高效的双目立体匹配算法来获取高质量的深度信息。采用半全局立体匹配算法获取初步的视差估计量,在此基础上,建立基于一致性检验、中值滤波、多层次均值滤波和视差绘制方法的组合优化方法。实验结果表明,视差优化方法能够使视差的均方根误差下降40%左右、像素错误匹配比率下降20%以上,从而获取高精度的深度信息,为裸眼3D的虚拟视点实时精确绘制奠定技术基础。     

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．     

基于计算机视觉的远距离动态前景测距方法

针对当前测距算法标定步骤复杂、图像匹配困难和不准确的问题,提出了一种远距离动态前景测距的方法,系统中由两个摄像头负责采集实时环境图像,利用前景检测算法检测出实时图像中的目标物,根据透视投影模型通过测量两个摄像头之间的距离、标定板与摄像头之间的距离、标定板自身的宽度和高度等数据,计算出目标物在标定板上映射点的三维坐标;再根据两个摄像头坐标,得到空间中两条直线的方程,则两直线的交点就是目标物的物理坐标;最后利用欧氏距离公式,计算出目标物距离摄像头的距离。通过实验可知,在目标距离小于3000m时,两种方法测量误差均小于3%;当目标距离大于3000m时,计算机视觉动态前景测距和传统测距方法的测得的数据平均误差分别为2.90%和25.50%,计算机视觉动态前景测距方法表现出更高的精度。