基于曲面拟合的结构光测量点提取方法研究

在采用结构光投影的三维测量中,快速准确地提取结构光测量点是结构光测量系统的关键问题之一.基于此,提出了基于最小二乘法的曲面拟合算法,首先对图像进行二值化,细化得到结构光图像的骨架,再对交叉点周围区域拟合光点灰度分布,最后求出拟合曲面的极值点作为测量点的定位点.实验结果表明,该算法可以快速有效地获取结构光测量点,并将定位精度提高1～2个数量级,并且选取不同的拟合窗口时计算结果的影响不同.     

一种新的自动路面车辙检测方法

提出一种新的路面车辙自动检测技术,它基于结构光测量和数字图像处理方法,首先将直线型结构光投射到待测路面,由CCD摄像机采集结构光图像,然后通过图像处理和分析方法提取车辙深度曲线;最后提出了一种快速有效的基于模板的标定方法来计算车辙深度。测试结果与人工测量有很高的一致性,且比现有其他仪器有高的多的精度和效率。     

基于点云配准的人脸三维尺寸测量

接触式人脸三维尺寸测量易损坏表面特征,依赖于特征点标定,常含冗余信息.针对该问题,提出一种基于结构光与多视图图像点云配准的非接触式人脸三维尺寸测量方法.首先利用改进的迭代最近点算法建立转换函数,求出尺度因子、旋转矩阵和平移向量;然后基于模糊C均值算法对人脸面部进行聚类分割以获得候选区域;针对人脸表面离散点云不平整问题,...     

一种新的基于结构光的人体动作识别算法

基于深度图像可以方便的区分前景和背景,有效提高自然人机交互的性能。要实现面向大众的自然人机交互,需要深度摄像头在实时性、价格、适应环境等方面达到实用性。基于面结构光技术的深度摄像头实用性强,得到了迅速发展,其深度信息获取基于图像块匹配算法,在计算每个像素点的深度时,需要在测量范围内进行逐点搜索、图像块匹配、寻优,带来大量运算,这些运算要通过高性能计算机或专用并行运算芯片才能达到实时性,导致了深度传感器成本的增加。本文提出了一种全新的人体动作识别方法,即利用结构光图像直接进行动作识别,从而避免了复杂的深度图计算环节,降低了计算量,并能够充分利用图像的3D信息。该方法通过分析结构光图案的偏移所产生断裂点信息,成功实现了人手定位及人手动作识别,并将其应用于UI界面模拟鼠标操作。实验结果表明了算法的有效性和可行性。     

结合同场景立体图对的高质量深度图像重建

目的 越来越多的应用依赖于对场景深度图像准确且快速的观测和分析,如机器人导航以及在电影和游戏中对虚拟场景的设计建模等.飞行时间深度相机等直接的深度测量设备可以实时的获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率比较低,无法满足实际应用的需要.通过立体匹配算法对左右立体图对之间进行匹配获得视差从而得到深度图像是计算机视觉的一种经典方法,但是由于左右图像之间遮挡以及无纹理区域的影响,立体匹配算法在这些区域无法匹配得到正确的视差,导致立体匹配算法在实际应用中存在一定的局限性.方法 结合飞行时间深度相机等直接的深度测量设备和立体匹配算法的优势,提出一种新的深度图像重建方法.首先结合直接的深度测量设备采集的深度图像来构造自适应局部匹配权值,对左右图像之间的局部窗立体匹配过程进行约束,得到基于立体匹配算法的深度图像;然后基于左右检测原理将采集到的深度图像和匹配得到的深度图像进行有效融合;接着提出一种局部权值滤波算法,来进一步提高深度图像的重建质量.结果 实验结果表明,无论在客观指标还是视觉效果上,本文提出的深度图像重建算法较其他立体匹配算法可以得到更好的结果.其中错误率比较实验表明,本文算法较传统的立体匹配算法在深度重建错误率上可以提升10％左右.峰值信噪比实验结果表明,本文算法在峰值信噪比上可以得到10 dB左右的提升.结论 提出的深度图像重建方法通过结合高分辨率左右立体图对和初始的低分辨率深度图像,可以有效地重建高质量高分辨率的深度图像.     

生成当前视点目标图像的快速逆映射算法

利用极线的属性及深度图像隐含的边界信息,提出了一种可以处理非深度连续图像的快速逆映射算法,以从多幅参考图像精确合成当前视点目标图像.该算法分为3步:首先由参考图像的深度信息得到图像中的边界;然后从参考图像中选出一幅作为主参考图像,利用极线的整体匹配特性和对应点在极线上分布的单调性,逐个处理目标极线,以生成目标图像;最后根据其他参考图像填补目标图像中的空洞.由于在第2步中只需处理参考图像的边界点对即可得到对应目标极线上所有点的深度信息及其在参考极线上的对应点,因此,新算法很好地提高了速度.在填补空洞时,利用参考图像的边界信息及所隐含的遮挡关系,还提出了一些加速的方法.     

血管内光声图像的时间反演重建方法

目的 将光声成像与医学内窥技术相结合的血管内光声(IVPA)成像技术可为心血管内易损斑块的检测以及指导介入治疗提供可靠的参考。针对采用单阵元探测器进行圆周扫描的IVPA成像系统,提出基于时间反演(TR)算法的重建IVPA横截面灰阶图像的方法。方法 通过建立超声传播模型,对光声信号的反向传播过程进行模拟,反演得到血管横截面的2维初始光声压分布图像。针对测量位置稀疏和有限角度测量都会造成光声数据不完备,进而导致重建图像质量下降的问题,通过对探测器采集到的光声信号进行样条插值达到提高成像质量以及消除伪影的目的。结果 仿真实验结果表明,与相同测量位置下利用滤波反投影(FBP)算法重建出的图像相比,采用本文算法重建出的图像的结构相似性指标(SSIM)值可提高约65%。结论 该方法能有效地提高IVPA重建图像的质量,为后续图像重建算法的优化提供有益参考。     

基于机器视觉的轮胎花纹深度测量方法研究

轮胎花纹深度对行驶车辆的制动性能有重要影响。为快速、准确地测量出轮胎花纹的深度,提出了一种基于机器视觉的轮胎花纹深度自动测量方法。该方法首先由摄像机获取行驶车辆的轮胎花纹结构光图像;然后对获取的图像进行图像处理,得到轮胎外廓形状的坐标;最后通过花纹识别算法,自动判断轮胎外廓曲线上沟槽的位置和花纹个数,依次测量每个沟槽的深度,以实现轮胎花纹的自动识别与深度测量。将该方法在轮胎花纹深度测量系统上进行了试验。试验结果表明:提出的测量方法能够自动识别花纹的个数,并能够准确测量出轮胎花纹的深度,测量的绝对误差小于0.2 mm,可以满足轮胎花纹测试的要求。     

基于FPGA的结构光深度检测系统设计

为实现结构光深度检测系统的实时检测,简化结构光系统构架,降低系统成本,设计了基于现场可编程门阵列(FPGA)的结构光深度测量系统.将结构光图像处理算法进行了适应硬件的改动,利用硬件系统的流水线技术与并行运算技术,提高了系统的处理性能,提出了采用乒乓缓存结构、Box滤波与并行像素处理计算提高处理速度,保证了算法的实时性.实验表明:该系统能够实现深度探测功能,且运行速率远远优于软件处理,满足实时性要求.     

线结构光光条中心提取算法

目的 线结构光视觉测量是一种利用可控光源和数字图像的主动视觉测量方法,光条中心提取是线结构光视觉测量的关键技术,直接影响到线结构光视觉测量的精度。传统灰度重心法只在图像的横向或纵向上计算光条的灰度重心,没有考虑光条的法线方向,精度较低。本文提出一种改进的光条中心提取算法,以期实现光条中心的精确提取。方法 在分析线结构光的光条灰度特性基础上,基于传统的灰度重心法,提出一种改进的两步提取算法。基于图像差分法从原始图像中分离出有效的线结构光光条,采用传统灰度重心法对光条中心进行粗提取;在粗提取的光条中心点处通过自定义的方向模板确定光条的法线方向,以粗提取的光条中心点为中心,沿法线方向采用灰度重心法进行二次提取,获取线结构光光条的中心。结果 本文采用CCD相机、镜头、线激光器及辅助机构搭建线结构光视觉系统,采用提出的算法对线激光器投影产生的直线型光条、非连续光条和弯曲光条的中心进行提取。通过光条中心提取实验获取的光条中心线的走向与光条的走向大致相同,符合预期的光条中心线。本文将Steger法作为评价标准,分别计算本文算法、传统灰度重心法与Steger法提取的光条中心的偏差,通过对比实验可知,本文算法提取的光条中心的偏差更小,并且程序运行时间比Steger法减少了3 s以上。结论 本文研究线结构光的光条中心提取算法,对传统灰度重心法进行改进,能够实现直线型光条、非连续光条和弯曲光条等不同形状光条的亚像素级中心提取,并且在保证较少的程序运行时间的同时,能够提高传统灰度重心法的光条中心提取精度。     

快速线结构光中心提取算法

在线结构光三维测量系统中,结构光中心提取的速度和精度直接影响到系统的整体性能。基于几何中心法、方向模板法和灰度重心法,提出了一种快速提取结构光中心的算法。首先,先对图像进行预处理,通过几何中心法快速提取结构光中心作为骨架;然后,提出了一种基于位置的法线判断法求取骨架法线方向,与常用的方向模板法比较,在速度上有了大幅度提升;最后,对骨架法线方向上像素进行灰度加权,从而精确提取结构光中心。实验结果表明,该算法不仅在速度上有很大提升,而且精度也达到了亚像素级别。     

基于双目内窥镜的散斑三维重建系统研究

传统的内窥镜只能提供清晰的图像,无法进行三维测量和三维重建.该文提出一种基于立体视觉原理的双目内窥镜系统,用于实现三维测量和三维重建,并开发了一套基于双目内窥镜的散斑三维重建系统.为了提高系统的标定精度和三维重建质量,该文提出一种高精度双目内窥镜标定参数优化方法及基于光轴双次旋转的立体校正算法.其中,测量系统由一个结构...     

Defocus deblurring for catadioptric omnidirectional imaging based on coded aperture and omni-total variation

The problem of catadioptric omnidirectional imaging defocus blur, which is caused by lens aperture and mirror curvature, becomes more severe when high-resolution sensors and large apertures are applied. In order to overcome this problem, a novel method based on coded aperture technique is proposed in this article. Firstly, the defocus blur of catadioptric omnidirectional imaging is analyzed to calculate the point spread function for different scene points. Then, a method of obtaining optimal focused plane is proposed. Lastly, based on the strategies of neighboring annuluses division and stitching of omnidirectional images, a deconvolution algorithm using omni-total variation prior is applied to obtain all-focused/sharp omnidirectional images. Experimental results demonstrate that the proposed method is effective for omnidirectional image defocus deblurring and can be applied to most existing catadioptric omnidirectional imaging systems.     

结构光测量系统的投影仪标定方法研究

传统单目视觉结构光测量系统通过解相位间接计算被测物的高度信息,系统约束性过强、不易操作、且标定精度较低.将双目立体视觉原理引入单目结构光视觉测量系统,根据投影仪图像坐标和摄像机图像坐标的对应关系,将投影仪当作一个逆向的相机,建立了投影仪模型,使用成熟的相机标定算法对投影仪进行标定.再配合四步相移法和基于多频外差原理的时域相位展开法,实现条纹图像的快速精确解相位.相对于传统的单目视觉结构光测量系统,本方法具有单目视觉系统操作简单、鲁棒性强的特点,同时也可以达到双目视觉测量的精度.实验结果表明,这种方法的投影仪标定精度达到了实际应用的要求.     

Three-Dimensional Measurement Using Structured Light Based on Deep Learning

Three-dimensional (3D) reconstruction using structured light projection has the characteristics of non-contact, high precision, easy operation, and strong real-time performance. However, for actual measurement, projection modulated images are disturbed by electronic noise or other interference, which reduces the precision of the measurement system. To solve this problem, a 3D measurement algorithm of structured light based on deep learning is proposed. The end-to-end multi-convolution neural network model is designed to separately extract the coarse- and fine-layer features of a 3D image. The point-cloud model is obtained by nonlinear regression. The weighting coefficient loss function is introduced to the multi-convolution neural network, and the point-cloud data are continuously optimized to obtain the 3D reconstruction model. To verify the effectiveness of the method, image datasets of different 3D gypsum models were collected, trained, and tested using the above method. Experimental results show that the algorithm effectively eliminates external light environmental interference, avoids the influence of object shape, and achieves higher stability and precision. The proposed method is proved to be effective for regular objects.     

基于三通道融合的结构光中心条纹提取算法

实现坝体连接处永久缝的非接触式三维形变测量方法,对保障大坝安全运行具有重要的意义。结构光用来快速获取待测坝体拼接缝部位的表面形貌数据,并利用所获得数据对待测物体表面相貌的三维重构获得缝隙部位形变状态。由于结构光的光条中心提取精度易受噪声干扰,提出了一种三通道特征融合算法来提取条纹中心点。首先,利用方向梯度直方图、局部二值模式和Gabor函数得到三幅光条特征图像。然后,利用图像融合算法确定最终的特征图像。最后,用细化骨架的方法得到中心线。实验结果证明,相较于Steger算法,该方法的最大和平均列坐标差下降至2像素和0.069像素,且测量误差减小至0.114 mm。     

区域生长的轮对图像分割

轮对作为列车的重要组成部分,其踏面磨耗参数的在线检测对保障轨道交通安全具有重要意义。在基于光截图像测量技术的轮对外形尺寸动态检测中,能否获取完整的轮对轮廓图像至关重要。针对轮对图像特点,提出一种基于区域生长的轮对图像分割新算法。该算法根据不同情况下轮对图像特点,通过基点位置选取恰当的种子点,并确定合适的生长准则。经过区域生长,有效地提取轮对轮廓图像。通过大量图像验证,该算法分割结果图的交迭面积比大于80%,误分面积比小于0.02%。可以在多种情况下有效地提取轮对轮廓曲线,具有良好的抗噪能力。     

基于空域均值法的双频三维轮廓测量

针对传统双频三维轮廓测量方法存在分辨率低、数据处理时间长等问题,提出基于空域均值的双频三维轮廓测量方法。该方法通过空域均值图像对采集到的包含物体深度信息的双频结构光图像进行处理,得到物体表面的真实深度信息,提高测量效率和测量精度。通过对物体模型的测量,证明由该方法构成的系统输入、输出满足线性关系,并且可以实现高效、高分辨率的三维物体轮廓测量。