双目视觉的三维重建技术研究

近年双目机器视觉的三维重建技术的研究虽然取得了一定成果,但远远不能满足社会各行各业的应用需求。文章主要介绍基于双目视觉的三维重建技术的主要方法、技术及应用,总结了基于双目视觉的三维重建技术在工程应用中存在的问题、面临的挑战和研究方向。     

基于改进SURF算法的双目视觉定位

随着机器人技术的发展,机器人视觉方面的研究也越来越受到人们的重视。在机器人视觉系统中,双目视觉应用最为广泛。在利用双目视觉对物体进行定位时,文中采用了各方面性能都较有优势的SURF算法,来对图像中的特征点进行提取与匹配。由于客观因素的影响,在SURF匹配过程中存在特征点误匹配现象,为了消除误匹配,文中对SURF算法做了改进,加入了剔除误匹配的RANSAC算法。实验结果表明,改进后的SURF算法,能够大大提高双目视觉定位的精准度。     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

机器视觉与应用

机器视觉是学科交叉研究领域,具有非接触、实时性、自动化和智能高等优点,有着广泛的应用前景。文中详细介绍了机器视觉的系统构成和关键技术,回顾了机器视觉在国内外的发展历史,同时分析了机器视觉的发展趋势,并最终阐述了机器视觉在各领域的应用。     

基于机器视觉的精密钻孔法向检测算法研究

目前在自动化检测领域,机器视觉检测技术开始广泛地应用,这种技术的特征表现为高精度、非接触、适用性强,操作方便.在智能制造需求的促进作用下,很多工业生产中开始应用到机器视觉技术.本文对精密钻孔法向检测进行研究,根据检测要求而选择合适的检测方法.首选用Canny边缘检测算法,但是在实际的应用中这种算子会引入很多非目标轮廓线...     

基于机器视觉的电机端盖检测技术应用

随着技术的不断完善,机器视觉检测的可靠性也获得了认可,机器视觉技术的应用可有效提升生产效率和产品质量。本文以工业机器人应用编程“1+X”考核设备为基础,以电机模型为检测对象,利用Vision Master平台设计了电机端盖的检测方案。结果表明机器视觉技术在电机端盖检测项目中能够满足需要。     

基于图像点特征的拼接技术研究

图像拼接技术已经广泛应用于各个领域,本文实现了对灰度图像拼接技术,利用角点检测算子来得到图像特征点,采用归一化相关法（NCC）找出匹配角点,通过改进的RANSAC算法消除错误匹配,得到精确度更高的匹配点对,运用加权平均算法进行图像拼接,对拼接后的图像与原图像进行对比,效果很好,具有较高的精度和可靠性,且运行速度良好,可推广应用。     

基于双目摄像的特征提取算法研究及三维重建实现

特征提取在计算机图像处理领域是一个重要的概念。文章主要研究了Harris角点检测算法与SIFT(Scale-invariant feature transform)特征点提取算法这经典的两种基于灰度的特征点提取算法。在处理图像尺度缩放方面进行了比较,通过MATLAB进行实验来比较两种算法在处理图像尺度方面的区别,证明SIFT算法更加优秀。最后介绍了三维重建的内容,展望计算机视觉技术的未来。     

基于机器视觉的激光焊接焊缝智能检测研究

为了优化激光焊接质量,设计了基于机器视觉的激光焊接焊缝智能检测方法。首先利用机器视觉技术设计扫描成像单元,在获得基础的激光焊接焊缝图像后,对图像实施离焦误差校正处理。然后在补偿图像缺陷的基础上,对激光焊接焊缝图像作放大处理,设计扩束准直光路与动态聚焦光路识别焊缝特征信息,从而完成对焊缝的智能检测。实验结果表明：该方法可以能够获得更有效的焊缝信息,有利于提高激光焊接质量。     

基于双目视觉的三维车辆检测算法

立体区域卷积神经网络(Stereo R-CNN)算法具有准确、高效的特点,在一定场景下的检测性能较好,但对于远景目标的检测仍有一定的提升空间.为了提升双目视觉算法的车辆检测精度,提出一种改进的Stereo R-CNN算法.该算法将确定性网络(DetNet)作为骨干网络,以增强网络对远景目标的检测;针对左右目视图的潜在关...     

基于机器视觉的零件尺寸测量

提出了一种基于机器视觉的非接触测量方案,力求把非接触测量手段与零件尺寸测量问题更有效地结合起来。采用超分辨率重构技术消除噪声以及由有限检测尺寸和光学元件产生的模糊,从图像中获得更多的细节和信息。利用最小二乘回归亚像素边缘检测技术进行边缘定位及角点提取。基于机器视觉CCD摄像机采用线性回归法进行摄像机的标定。最后,实验分析和比较了基于机器视觉的零件尺寸测量的应用效果。     

基于OpenCV的三维重建研究

以计算机视觉中热门课题——三维重建技术为研究对象,分析了开放计算机视觉函数库OpenCV中的三维重建模型,通过6个步骤,主要是摄像机标定和立体匹配中极线约束方法的使用,给出了基于OpenCV的三维重建算法.该算法充分发挥了OpenCV的函数库功能,提高了计算的精度效率,具有良好的跨平台移植性,可以满足各种计算机视觉系统的需要.     

机器视觉在车辆外廓尺寸检测中的技术研究

针对国家治理车辆超限工作的开展,以及车辆外廓检测中面临的测量物体大、距离远和测量难度大等问题,本文提出了一种新型的车型外廓检测方案,利用了机器视觉和激光光幕的精确性与可靠性,进行了系统设计以及实验验证.系统可自动对行进中的车辆进行非接触式测量,在规定的车速(≤10 km/h)内带来的测量误差小于1％,测量时间小于60 s,且系统运行稳定可靠.可有效地提高车辆外廓检测的自动化程度和测量精度,且本系统的硬件成本低,适用面广.     

新型三维视觉测量结构光平面标定方法

结构光平面标定是结构光三维视觉测量中的重要环节。传统的标定方法需要昂贵的设备,效率低下,步骤复杂。提出了一种新的三维视觉系统中结构光平面的标定方法。该方法仅使用一个简单的二维平面靶标,在保证靶标与结构光相交的前提下,靶标在摄像机可视范围内自由移动数个位置。对于移动到各个位置的靶标平面,分别建立对应的世界坐标系,并计算该世界坐标系与摄像机坐标系、图像坐标系的转换关系。通过处理算法,可以将每一个位置得到的结构光平面与靶标平面的交线方程统一到摄像机坐标系下。使用最小二乘法拟合多条交线可以标定出结构光平面在摄像机坐标系下的方程。实验证明该方法效率高,步骤简单,具有很好的通用性。     

基于机器视觉的人运动检测

以机器视觉技术研究了序列图像中人运动的分割和检测.运动检测过程采用了目标图像和背景图像相减的方法,对差分图像采用了最大熵的指数形式确定二值化的阈值,实验证明获得了良好的检测效果.     

基于机器视觉的自由曲面轮廓度检测系统

针对自由曲面轮廓度较难准确测量和评定的问题,开发了一种完整的非接触式曲面轮廓度在线检测系统。系统采用机器视觉对采集到的零件端面图像边缘特征进行识别和处理,将提取出的边缘特征与标准轮廓模板进行匹配。匹配过程中采用分段迭代匹配的思想,提高算法效率和匹配速度。该视觉检测系统已应用于冲压流水线上工件端面的面轮廓度检测。实际应行表明,检测系统的检测精度为1 μm,检测时间少于3 s,可满足工业检测对检测精度和实时性的要求。     

机器视觉中图像匹配问题研究

随着计算机视觉技术的发展,机器视觉尤其是双目视觉被广泛应用于物体识别、虚拟现实、工业检测、机器人导航和航空航天等领域。图像匹配是机器视觉中的关键技术之一,能否有效地解决该问题严重影响着机器视觉的发展。对现有的匹配算法进行了研究的基础上,针对算法的实时性和精确度提出了改进算法。实验结果表明：误匹配像素百分比与目前常用的基于区域的匹配算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性匹配算法。     

基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。