多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于动态减背景图像处理算法的可变形线性物体识别

围绕可变形线性物体（deformable linear objects,DLO）的检测、目标特征提取和动态操作时的故障诊断3个方面进行研究．首先,应用静态背景下常用的动态减背景方法实现了可变形线性物体的动态目标检测;进而对检测出来的目标物体进行插补,并加以标记,从而提取得到目标特征．最后,通过对提取出的特征点进行监控,获得目标物体在不同状态下的信息,并提供故障诊断的依据．结合以上图像处理算法,在带视觉系统的三菱PAIO机械臂平台上操作可变形线性物体,进行了实验研究．结果证明,该方法可以较好地监控可变形线性物体在运动过程中状态,并及时诊断故障的发生．     

基于彩色结构光的三维重构方法

通过对摄像机和投影机进行畸变校正和标定,确定了相应单应性变换矩阵。为了在复杂投影条件下对彩色结构光编码图像进行快速高精度解码,提出了基于拓扑结构和局部结构化的单幅彩色结构光编码方法以及基于波形分析的编码特征点提取方法和基于聚类分析的颜色分类方法,并利用编码图像本身特性提高解码精度和正确率。根据单应性变换矩阵和编码图像中每个特征点编码值调制前后的匹配关系,计算特征点的三维信息。实验结果表明,特征点的解码正确率超过99.5%。由于对投影机和摄像机的位置没有严格的限定,该方法适合快速搭建三维物体重构系统以及快速高精度地获得物体的点云。     

基于改进解释树的三维物体分类

为了实现对未知三维物体的分类,提出了一种基于改进解释树的三维物体分类方法,将未知物体分到一组预先定义的物体类中.在该方法中,提出了一组新的、完善的三维物体形状特征及对应的约束,定义了有效的解释树约束搜索规则,能快速得到待分类物体和三维模型之间的匹配关系;设计了形状相似性度量计算算法,得到待分类物体与三维模型之间的形状相似度.该分类方法能实现多种类型的匹配计算,得到具有模型形状相似度排序的分类结果和未知物体所属的类别.大量的实验结果充分表明了该三维物体分类方法的良好性能.     

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.     

基于二维、三维信息融合的人脸识别

为解决光照、姿态等因素发生变化时二维人脸识别算法识别率骤然下降的问题,提出了基于二维、三维信息融合的人脸识别方法.与其他算法不同,该算法输入为一幅二维灰度图像,通过重建相应的三维模型提供三维信息.对于二维图像,选择局部二值模式(LBP)特征进行人脸表示.对于三维模型,定义了54个特征点,将鼻尖点与特征点之间的测地线距离作为三维特征.对2种特征识别结果采用加权融合的方式,权值的确定依据Fisher判别准则.通过CAS-PEAL-R1人脸库对提出的算法进行了测试,并与其他方法进行了比较.     

基于局部多特征融合的三维人脸识别方法

为了克服表情变化对三维人脸识别的影响,提出一种基于局部多特征融合的三维人脸识别方法.该方法首先根据中心侧影线提取鼻尖点,并以鼻尖点作为基准点制定窗口; 然后利用形状索引值在窗口内提取关键点,并计算每个关键点和其区域的多维度特征后将其融合成特征向量; 最后采用相似度匹配方法进行人脸识别,并以匹配点数最多的特征向量作为最终的识别结果.实验结果表明,该方法的识别率到达97.7%,且具有较好鲁棒性,同时优于文献[4]、[6]和文献[7]的方法; 因此,该方法可为有效解决表情变化对三维人脸识别的影响提供参考.     

基于双目视觉的红绿灯距离测量

红绿灯路口的交通事故对人们的生命和财产安全构成了极大的威胁。针对该问题,将双目视觉的测距技术应用在前方红绿灯距离的测量方面。研究了基于双目视觉的红绿灯距离测量系统。系统通过2个CCD摄像头从不同视角采集前方红绿灯的图像信息,得到左右两幅双目图像对,对左右两幅双目图像对进行处理、定位;然后采用全局匹配的方法进行特征点提取,找到对应的特征匹配点对,得到视差;再根据三角测量原理,恢复出被测目标的三维信息和深度信息,实现对前方红绿灯距离的测量。实验结果表明:该设计方案能有效地测量前方红绿灯距离,方法简单有效,具有较高的测量精度。     

三维点云极化地图表征模型与智能车定位方法

为提高智能车定位精度提出一种基于三维点云极化地图表征模型的定位方法。该模型以点云极化图为节点,利用高精度GPS(Global Positioning System)和欧拉角实现该节点的全局位置表征;从极化图中提取点云的二维与三维特征,实现该节点的多尺度特征表征;通过一系列极化节点实现道路场景的数值描绘与虚拟重构。定位过程中,通过对实时获取的三维激光点云进行极化表征并与地图节点进行多尺度特征匹配实现智能车的地图定位。具体而言,首先根据待定位智能车GPS信号的稳定情况选用GPS匹配或者拓扑定位筛选地图节点并获取定位候选集,完成初定位;其次运用点云二维特征匹配结果从定位候选集中检测距离待定位智能车最近的地图节点,完成节点级定位;最后利用点云三维特征匹配结果与最近地图节点的全局位置计算智能车位姿,完成度量级定位。实验在两种典型场景下进行,节点定位准确率98.7%,平均定位误差21.4 cm,最大定位误差42.9 cm。结果表明,本文算法满足智能车高精度定位需求,且鲁棒性强、成本低、计算过程简单。     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

一种应用相移法的三维形貌测量方法

为了测量物体的三维形貌,通过投射正弦光栅,采用四步相移法求得包裹相位;运用质量引导路径解包裹方法对包裹相位进行解包裹处理,得到正确的相位值;最后通过三维重建获得物体的三维形貌。用人脸面具进行试验。结果表明:通过该方法能正确、清晰地呈现所测物体的三维形貌特征。     

基于旋转采样光场数据的物体表面重构

光场的旋转采样模式与图像重建的扫描模式具有相似的几何特性.借鉴图像重建的全刻画模型,提出一种基于旋转采样光场数据的物体表面重构算法,给出了旋转采样光场的参数化表示方法,建立了刻画旋转采样光场数据与物体表面关系的模型,得到物体表面特征点对应光线在旋转采样光场中的分布函数.根据分布函数结合图像的特征点匹配建立表面特征点位置的重构算法,由表面特征点生成物体表面的三维点云,实现物体的三维表面重构.实验结果验证了提出的基于旋转采样光场数据的物体表面重构算法的可行性和有效性.     

复杂环境异源高分辨率光学卫星影像匹配算法

针对复杂环境异源高分辨率光学影像匹配成功率低的问题,提出了一种基于窗口约束的特征点匹配方法.借助于异源影像近似核线对和同名直线,对特征点建立几何约束窗口,利用该窗口限定同名点搜索范围,通过特征点主方向的约束和特征欧氏距离提取初始匹配点,并基于局部随机抽样一致性(RANSAC)算法剔除误匹配点,最终利用同名点对影像进行纠正,实现异源高分辨率卫星遥感的自动匹配.结果表明:与传统的尺度不变特征变换算法(SIFT)相比,窗口约束匹配方法提取了更多的同名点,为复杂环境异源高分辨率光学遥感影像数据的高精度自动匹配提供了一种可行的方法.     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

空间球交会的三维加权质心室内定位算法

针对室内定位缺少全球导航卫星系统(GNSS)信号,且传统定位方式定位精度特别是在高程上精度较低的问题,在分析普通三维定位算法、基于场强的三维加权定位算法和基于距离的三维加权定位算法基础上,提出了一种空间球交会的三维加权质心室内定位算法.该方法以未知点与接入点之间距离为半径绘制空间球体,任意两个空间球体构成一个空间球体对,将空间球体对位置关系划分为5种情况;引入前方交会原理,推导空间球体对与待测未知点的几何关系,反演得出5种情况的坐标计算公式;将距离倒数作为参考点权因子,计算未知点三维加权坐标.实验表明:该方法比普通三维定位算法、基于场强的三维加权定位算法和基于距离的三维加权定位算法定位误差明显减小,在点位高程方向上比这3种方法定位精度提高40%以上.     

RGB-D图像三维特征点的保结构检测方法

针对颜色-深度图像(RGB-D)特征融合困难、联合识别效率低的问题,提出了一种三维特征点的保结构检测方法,为图像配准、三维重建、目标识别与分类等问题提供稳定特征点.该方法利用透视投影在二维像平面上描述物点,建立了物点的三维保结构模型.基于扩散方程和尺度空间的联系,利用有限差分法将深度信息融入尺度空间中,给出了RGB-D尺度空间的一种表示方法.依据特征点与高斯拉普拉斯函数极值的对应关系,在RGB-D尺度空间上检测极值,获取了图像的保结构三维特征点.实验结果表明,与二维尺度不变特征转换(Scale-Invariant Feature Transform,SIFT)方法相比,RGB-D图像三维特征点的保结构检测方法有效融合了物体表面的颜色和结构信息,能够检测并匹配更多的图像特征点.     

基于单相机和投影仪的静态物体三维数字化研究

物体的三维重建是计算机视觉领域一项重要的研究内容.在单相机和投影仪系统下实现对静态物体的三维重建,首先利用张正友相机标定原理完成对相机和投影仪的标定,然后将格雷码投影到被测物体上,用相机进行图像采集.对采集到的图像进行阴影检测和像素点匹配,最后通过三角化实现物体表面三维点云重建.实验结果证实了本文方法具有可行性.     

基于松弛迭代法实现物体三维结构的重建

提出了一种重构三维物体表面的松弛迭代算法.该算法把与物体的输入图像上相匹配点做为初始值.这组匹配点的值是稀疏的而且不用要求很精确.把重构的三维表面表示成二维矩阵的形式,矩阵中的每个元素代表三维图像上匹配点的值.为了使最终重构的表面精确,通过迭代对这组点的值反复更新.随着迭代深度的不断加大,重构的表面越精确.实验结果给出了复原后的三维图,并时其进行分析.     

基于三维校正的SHGC物体三维结构提取方法

针对SHGC(straight homogeneous generalized cylinders)图像的特点与从单幅图像中提取三维信息困难,设计了一种基于单幅SHGC图像和三维校正的三维结构提取方法。与传统的SHGC三维结构提取方法不同,该方法从三维空间中匹配的角度出发,构造一个二维横截面,在二维横截面上增加一个z轴,通过平移、旋转预先构造好的三维横截面,将构造好的横截面与原图像中SHGC物体的横截面进行兴趣点匹配,从而确定最优化结果时的仿射成像参数(λ, θ),通过成像参数可以成功提取SHGC横截面的三维信息,结合SHGC的子午线轮廓信息定性地得到整个SHGC物体的三维信息,提取SHGC表面的纹理,通过三角网格的方法将纹理贴到三维物体表面。实验论证了本文提出的三维结构提取方法是可行的和正确的。     

双目视觉在类人机器人测距中的应用

为实现类人机器人对复杂目标高精度识别并测量出目标实际距离,提出一种双目目标识别与测距方法. 首先利用棋盘标定法对摄像机进行标定并捕获图像;然后利用局部二值模式算子（LBP）和优化后支持向量机（SVM）对目标进行识别;在识别的基础上,再采用尺度不变特征变换（SIFT）算法对特征点进行匹配并根据三角测距原理计算出目标实际距离. 实验结果表明该方法不但减少了人为参数指定,并且提高了特征点匹配效率,测距精度能够达到94%以上,满足类人机器人高精度测距和实时性要求.