可变环境光照条件下的结构光条纹检测

线结构光条纹在复杂光照条件下的快速检测是线结构光测量可以实际用于工业现场环境的一个关键技术.针对工业现场环境中光照变化范围大的特点,研究了结构光条纹中心的快速检测方法.首先基于结构光条纹的几何特性自动获取包含结构光条纹的感兴趣区域;然后采用嵌入置信度的边缘检测方法在感兴趣区域内检测结构光条纹边缘;在此基础上,利用结构光条纹边缘反向平行的特性,自动提取结构光条纹中心点;通过对条纹中心点进行直线跟踪得到表示结构光条纹直线段;最终基于直线段确定结构光条纹与被测件的交点以实现自动测量.工业现场采集的结构光条纹图像检测结果表明,该方法可以快速检测不同光照环境下的线结构光条纹中心以及条纹与被测钢板的交点.系统经标定后,实验结果表明在钢板长度变化范围为8～14 m的情况下,基于该条纹中心检测方法的自动测量结果与人工测量结果的标准偏差为3.6mm.该方法实现了工业现场环境下的实时测量,测量精度满足实用要求.     

CCD像感器产生计量莫尔条纹的研究

ＣＣＤ像感器产生计量莫尔条纹的研究＊仲思东余模智郑琳（武汉测绘科技大学光电工程学院武汉４３００７０）０引言ＣＣＤ作为图像传感器应用领域日益广阔［１］。由于其像元几何排列规则，一个空间频率接近或超过奈奎斯特极限频率的像投射在像感器上时，图像上造成所谓纹...     

小视场环境下三维立体测量技术

介绍了传统的基于摄像机内外参数获得空间三维信息的方法;并通过建立空间三维点阵与像面空间映射关系,提出一种新的获得三维信息的方法,该方法不用求解摄像机的任何内外参数。在小视场范围内验证了两种方法的精度,分析了两种方法的优缺点。试验表明后一种方法的精度比较高,说明了它的可行性和适用范围。     

数字水准仪测量编解码技术研究

针对传统的数字水准仪测量精度受到测量距离和视场的制约,固定的码元难以兼容远近测量的精度等问题,为进一步提高数字水准仪的测量精度,该文提出一种编解码方案,利用圆的各向同性性质,以圆形码代替传统条形码进行编制,并且采用面阵CCD获取二维编码图像,同时在远近不同距离采用不同进制编码,在解码粗测时应用最大相似匹配算法,精测时应用比例求解。对比实验证明,该编解码方法分辨率较高,测量更加准确,实现高精度、快速水准测量。测量范围为2~100 m,单点测量绝对误差小于±0.2 mm。     

三维模型的空间匹配与拼接

为获得敦煌莫高窟第172窟的全景三维模型,实现文化遗产数字化保护,提出一种三维模型的空间匹配与拼接方法。首先通过基于四目立体视觉系统的复杂场景三维重建方法,获取单一场景的三维模型;然后以场景真实三维点云数据的对应图像坐标为约束条件,进行高精度特征点匹配;最后以两对同名点在相邻两场景中的空间距离应该一致为条件,保留匹配精度高的点,用于计算旋转矩阵和平移矩阵,进行三维模型间的空间拼接。实验结果表明:与传统拼接方法相比,本文的模型拼接处无明显错位现象,视觉效果更好,传统方法与本方法的匹配误差分别为0.008 2和0.001 6,拼接精度得到显著改善。     

顾及局部特性的CNN在遥感影像分类的应用

深度学习的方法在图像识别和自然语言处理等方面展示了优异的性能。将卷积神经网络（Convolution Neural Network,CNN）用于高分辨率遥感影像分类。针对CNN用于遥感影像分类使用固定大小窗口遍历时,影像采样窗口数量过多,导致的分类效率低下问题,提出一种基于影像区域特性的采样窗口确定方法,提高分类效率。影像分类包括两个阶段：首先,利用卷积神经网络得到的特征对影像进行分类;然后,采用支撑向量机对第一步分类由于特征区分性不足造成的错分地物类别进行再分类。采用具有不同特性的遥感影像对所提方法进行了验证,实验结果表明,同现有的特征表示和分类方法相比,该方法的性能有明显改善。     

序列图像编码的自动识别

目标的识别与匹配一直是完成图像测量和跟踪技术的关键。用图像编码的方法,可实现多幅图像中的测量点的识别与匹配,并进一步实现整个测量过程的自动化。其核心思想是对测量点进行编码加载信息,然后在多幅图像中对编码信息进行提取与识别,在确定这些点的位置信息和属性信息后即可实现识别与匹配。实验表明：该编码能在复杂的背景中被有效地识别,其识别与匹配正确率高、速度快,并且该编码方法也可以应用在测量系统的自动标定、移动目标的快速跟踪等多种场合。     

基于全周多视角的三维重建技术

提出一种基于圆分度台的三维模型拼接技术，其核心是把双目立体测量系统安装在步进电机控制的旋转平台上，旋转拍摄多视角下的场景影像，由所记录的相应角度值，通过坐标变换将不同视角场景模型进行三维拼接．论述了旋转装置的参数标定以及同一视点下不同视角的坐标转换关系．该方法只需一次标定，自动完成测量数据的采集与拼合，非常适合于近景场景下的三维数据采集与重建．实验结果表明,系统具有较高的拼合精度．     

基于空间位置特征的运动阴影检测方法

针对现有依据光学属性检测阴影的方法对不同场景通用性不强、对光照变化敏感等问题,提出一种基于空间位置特征的运动阴影检测方法.用经过标定的双目立体摄像机同时采集背景图像像对.离线获取背景图像对中各匹配点的位置对应关系.投射阴影附着在背景表面,与背景图像像对的位置对应关系相同,故可以通过比较前景图像像对各点在背景对应位置上像素值的相似程度来剔除阴影.该方法不需对环境特征及光照条件等先验知识的学习,各种复杂光照条件均不影响其检测精度.实验表明,该方法能够有效地检测出运动阴影.     

Moving object detection method based on complementary multi resolution background models

A novel moving object detection method was proposed in order to adapt the difficulties caused by intermittent object motion, thermal and dynamic background sequences. Two groups of complementary Gaussian mixture models were used. The ghost and real static object could be classified by comparing the similarity of the edge images further. In each group, the multi resolution Gaussian mixture models were used and dual thresholds were applied in every resolution in order to get a complete object mask without much noise. The computational color model was also used to depress illustration variations and light shadows. The proposed method was verified by the public test sequences provided by the IEEE Change Detection Workshop and compared with three state-of-the-art methods. Experimental results demonstrate that the proposed method is better than others for all of the evaluation parameters in intermittent object motion sequences. Four and two in the seven evaluation parameters are better than the others in thermal and dynamic background sequences, respectively. The proposed method shows a relatively good performance, especially for the intermittent object motion sequences.