视觉测量中环形编码标志点的精确识别算法研究

视觉测量中,在待测物体表面分布一些易于识别的标记,可以提高特征识别的准确性和精度,保证多幅图像间特征点对应匹配的可靠性。针对在投影角度或图像噪声较大时,环形编码标志点识别率低的问题,设计了一种环形编码标志点作为标记,并提出了一种编码标志点精确识别算法。该算法首先使用Otsu算法提取椭圆边缘环状领域,并对环状领域点进行椭圆拟合求解椭圆参数;然后根据圆度与椭圆参数约束排除图像中伪标志点;最后通过计算编码环段内椭圆的灰度梯度确定编码环带的编码值。所使用的圆心提取算法能达到亚像素级精度。试验结果表明,该编码标志点识别算法受投影角度、图像噪声等因素的影响小,可以实现编码标志点的精确定位与准确识别。     

基于寻找最佳起始点的编码标志点解码研究

目前在数字近景工业摄影测量中,针对环形编码标志点的解码方法,通常采取在编码带上选取任意一点作为解码的起始点,按一定方向读取编码带,完成环形编码标志点身份信息的读取。理论上讲,该方法是可行的。但是由于图像噪声等因素的影响,任意选取解码起始点的方法存在较大误差,这种误差有时对于最终的测量结果是不允许的。针对上述问题,提出了一套基于寻找最佳起始点的环形编码标志点解码方法。该方法在编码标志点位置已确定的基础上,通过构造解码椭圆、坐标逆变换、寻找最佳起始点、读取并输出编码带信息等步骤,较精确地实现标志点的解码。提出的解码理论在实验室环境下通过采用Matlab2010对不同类型的拍摄图片进行验证,结果表明具有较好的鲁棒性,可以满足实际测量的要求。     

摄影测量中环状编码点的检测方法

在摄影测量中,采用人工编码点可以实现多幅图像中标志点之间的自动匹配。提出一种对环状编码点的自动检测方法,实现编码点的提取以及编码环带的解码。实验结果表明,相机轴线与编码点平面法线夹角在60°以内时,使用这种方法能够实现对编码点的准确解码。     

基于拓扑不变性的非编码点匹配方法研究

在约定人工标志点粘贴规则的基础上,建立非编码标志点匹配的拓扑关系模型,分析并证明了模型的合理性,实现了非编码标志点的自动化匹配.     

一种基于同心圆的环形编码标志设计与检测

在视觉测量领域中,当被测目标缺少检测特征或目标背景较为复杂时,通常使用编码标志提高特征识别效率和定位精度。提出一种改进的环形编码标志以及相应的检测识别算法。在传统圆形编码标志的基础上采用同心圆约束有效提高识别效率与稳定性,采用具有预设编码字典的查询纠错算法进一步提高解码稳定性,基于交比不变性原理实现了圆心的定位修正。实验结果表明,环形编码标志在不同角度、距离以及复杂背景环境下均具有良好的检测识别效果。     

基于HALCON的板料成形网格应变的测量

计算机视觉在网格应变测量领域的应用已成为研究热点,本实验是基于先进的图像处理软件HALCON,利用双目立体视觉原理,对印制有圆形网格的板料应变测量.首先采用印制有圆形标志点的平面标准标定板,对摄像机进行标定,获得摄像机的内外参数.采用基于NCC的匹配方法对左右图像特征点进行匹配,利用视差原理获得匹配点的三维坐标,对印制有圆形网格的板料进行三维重建.然后根据圆形网格变形后的椭圆长短轴的长度变化,计算得到真实应变,用OpenGL语言将应变可视化.     

数字近景工业摄影测量中标志点的识别与检测

针对数字近景工业摄影测量中的编码标志点识别问题,提出了一种鲁棒性较好的标志中心圆的检测方法。首先在对图像进行二值化、Canny边缘检测等预处理的基础上,通过边缘跟踪获取各轮廓信息,应用最小二乘法对所有轮廓进行椭圆拟合;其次采用文中给出的尺寸准则、形状准则和嵌套性准则剔除不符合要求的椭圆;通过修复候选编码标志点的方法准确识别标志点的位置;最后对编码标志点进行有效解码并利用matlab对本文提出的相关理论和识别算法进行了验证。     

大尺寸工业视觉测量系统

针对工业制造领域中大型工件很难进行全尺寸测量的问题,提出并实现了一种基于立体视觉技术的便携式工业测量系统。对该系统所采用的特征识别、相机定向、立体匹配、三维重建、多视点云配准等关键算法进行了研究。提出了改进的CANNY边缘亚像素检测算法,使用先验规则去除误识别的标志点,多次拟合定位标志点中心,对标志点环带多次采样取中值求取编码点的ID。根据ID号找出不同照片中的同名编码点,顺次对照片进行相对定向和绝对定向。然后,根据多幅图像的多极线几何约束,实现非编码点的匹配,消除误匹配。采用前方交会法重建标志点的三维坐标,利用光束平差对计算出的结果和内外部参数做迭代修正。最后,设计了双目结构光扫描系统,提出了一种改进的双目像机标定算法,描述了利用全局和局部标志点的子图同构实现多视点云配准的新算法。实验结果表明,该系统可在生产现场对大型工件进行快速测量,整体测量精度达到0.112mm/3m,可以满足工业现场大尺寸测量对精度和效率的要求。     

非编码标志点的几何形心提取的研究

在反求工程中,利用毛学测量得到的点云数据只能得到某个视角内的物体,为了得到完整的点云实体,需要对不同视角的点云数据进行拼合。在现有算法中,绝大多数算法都是基于曲面拓扑特征这一前提进行拼合的,这就使得那些曲面平滑,表面拓扑信息不明显的点曲面拼合很难得到较好的效果。之后对于特征不明显的曲面进行拼合,提出了一些基于添加外部特征的方法,标志球,带编码的标志点等。可是这些方法也存在着计算量大的缺陷。基于以上的现状,本文提出了一种基于非编码标志点的曲面拼合方法。直接从图僚中提取标志点的几何形心作为曲面局部匹配的对应关系,具有计算简单,精确度高的特点。     

一种新型稀疏标志点的特征描述算法

为解决物体产生局部变形之后标志点的匹配问题,提出了一种面向稀疏标志点的特征描述算法。该算法受点特征直方图算法启发,利用标志点与邻域点欧式距离和角度关系,实现了当前标志点的唯一描述,从而建立变形前后标志点的对应关系,并能筛选出几乎不发生形变的点对。实验统计数据表明,该算法求解出的对应关系正确率接近100%,利用算法结果匹配后的平均偏差在0.03 mm以内,具有较强的稳定性。