基于计算机视觉的大型物体三维测量方法的研究与实现

摘要

目前全球的工业和制造业已经相当发达，汽车、火车、飞机、轮船等大型物体的制造已经不是什么难事。在这些大型物体的制造过程中，对其覆盖件的模具进行测量是很关键的一个环节。传统的人工测量方法速度慢、测量结果受人为因素影响较大，于是基于光学、数字图像与计算机视觉的测量方法应运而生。这种测量方法能快速、准确地获取物体的三维信息，因此开展本课题的研究具有重要的理论意义和实用价值。 基于计算机视觉的大型物体三维测量方法主要有三个关键技术，它们分别是摄像机标定，特征点的提取和匹配，三维重建。本文在阅读了大量相关文献的基础上，针对目前基于计算机视觉测量方法中存在的问题，采用理论分析与实验研究相结合的方法，对基于计算机视觉的大型物体三维测量方法中的关键技术进行了深入系统的研究。以往在特征点提取和匹配这一技术环节中，通常采用的是需要操作人员大量参与的人工交互方法，这样不但使特征点提取和匹配的速度大大降低，而且操作人员一不留神还会造成错误匹配。本文针对这一问题，将人工编码标志引入基于计算机视觉的测量中，实现了一种基于人工编码标志的特征点自动提取和匹配的算法，较好的解决了这一问题。 由于基于计算机视觉的三维测量方法的研究涉及多学科交叉，需要解决的问题很多，还需要在日后的工作中进一步探讨。

目录

文摘

英文文摘

声明

第1章引言

1.1三维测量技术发展概述

1.2基于计算机视觉的三维测量方法简介

1.3基于视觉的三维测量技术发展趋势

1.4本文完成的主要工作及意义

第2章摄像机标定

2.1引言

2.2摄像机成像模型

2.2.1坐标系

2.2.2摄像机线性模型

2.2.3摄像机非线性模型

2.3典型的摄像机标定方法

2.3.1 Tsai摄像机标定法

2.3.2 Weng摄像机标定法

2.3.3基于平面模板的摄像机标定

2.4摄像机标定算法实现

2.5图像的畸变矫正

2.6小结

第3章特征点提取及自动匹配

3.1引言

3.2人工特征点标志

3.2.1普通标志

3.2.2编码标志

3.2.3回光反射标志

3.2.4其他标志

3.3编码标志的设计原则和方案

3.3.1编码标志的设计原则

3.3.2编码标志的设计方案

3.4特征点提取

3.4.1 Moravec方法

3.4.2 Harris算法

3.4.3 SUSAN算子

3.5编码标志的识别与定位

3.5.1图像预处理

3.5.2编码标志的识别

3.4.3编码标志的定位

3.6特征点的自动匹配

3.6.1匹配约束性

3.6.2特征点匹配算法

3.7 小结

第4章空间点的三维信息获取

4.1引言

4.2立体视觉三维测量

4.3近景摄影测量

4.4运动视觉三维测量

4.4.1求解本质矩阵E

4.4.2计算摄像机外参数

4.4.3计算空间点三维坐标

4.5小结

第5章实验设计及结果分析

5.1实验步骤

5.2数码相机及其标定

5.3实景拍摄以及图片的畸变矫正

5.4特征点提取及匹配

5.5测量结果

5.6不确定性分析

5.7小结

结 论

参考文献

致谢