双目立体视觉中特征点的匹配方法研究

摘要

随着现代制造业的发展，过去传统的测量方式已经不能满足高精度制造及加工工业发展的需要，工业产品如模具外形、发动机外壳、汽车外形等的三维数据高精度获取，已成为人们在测量领域一个新的重要的研究方向，它对加工数据的设计、加工结果的检验、产品对比分析以及对后续的加工提供数据依据都具有重大的现实意义。因此如何能够大量、快速、高精度地对加工产品的三维数据进行采集已成为现代加工工业中一个亟待解决的重要问题。 立体视觉是用计算机来实现图像理解、图像分析和视觉功能的科学。根据其中的双目视觉原理可以利用已完成特征点匹配的序列图像来确定被拍摄对象的空间信息，进而实现实物的空间数据获取和三维重建。近年来，立体视觉技术得到了快速的发展，己被广泛的应用在三维测量技术中。与传统的接触式测量技术相比，基于立体视觉的测量技术具有非破坏性、检测速度快、测量精度高等优点。 图像间特征点的匹配是立体视觉的一个关键问题，它对测量过程中后续的三维数据采集和重建的精度有着重大的影响。本文根据现代测量技术的发展要求，针对3D轮廓测量技术的需求，以Marr视觉理论为基础，对特征点提取和匹配的关键问题进行了研究，分析了各种图像特征点提取算法和立体匹配方法，并均给出了程序实现。实验表明，本文所使用的方法对于色彩对比明显的自然场景和物体表面特征的匹配效果较为理想。 在工业加工过程中经常需要对表面光滑的产品进行测量，但当测量对象表面光滑时，特征点难以提取，为此本文提出了一种新的利用结构光来检测和匹配特征点方法。该方法有别于传统的光栅投影的方法：结构光被设定为带有编码内容的方格图案，通过结构光投射，在原来没有特征点或特征点不明显的待测对象表面形成具有一定规律的特征点。该方法还可以针对结构光设定的编码规律编写特定的匹配算法。实验表明，该方法可以明显提高特征点匹配的速度和准确率。

目录

文摘

英文文摘

独创声明及学位论文版权使用授权书

第一章绪论

1.1引言

1.2 Marr的计算机视觉理论框架

1.3立体视觉的研究概况

1.3.1匹配技术的发展概况

1.3.2摄像机标定技术的发展概况

1.3.3三维重建技术的发展概况

1.4选题背景

1.5研究思路

1.6论文结构

第二章摄像机模型和基础矩阵

2.1引言

2.2图像坐标系、摄像机坐标系与世界坐标系

2.3线性摄像机模型(针孔模型)

2.4对极几何和基础矩阵

2.4.1对极几何

2.4.2基础矩阵

2.5基础矩阵的求解

2.5.1八点法求基础矩阵

2.5.2 Hartley的改进的八点法

2.6小结

第三章摄像机标定

3.1引言

3.2传统的摄像机标定方法

3.2.1利用最优化算法的摄像机标定方法

3.2.2利用透视变换矩阵的摄像机标定方法

3.2.3 Tsai的两步法

3.2.4双平面法

3.3张氏标定法

3.3.1内参数约束

3.3.2摄像机标定的线性求解

3.4自标定方法

3.4.1自标定方法的概述

3.4.2基于Kurppa方程的自标定算法

3.5小结

第四章图像的特征点提取

4.1引言

4.2 SUSAN特征检测的理论

4.3 SUSAN角点检测的具体实现

4.4 SUSAN角点检测的分析

4.5小结

第五章基于灰度值的特征点匹配

5.1引言

5.2角点匹配策略的选取

5.3角点初始匹配(相关匹配)

5.4角点的松弛迭代

5.5最小平方中值法

5.6视差梯度约束

5.6.1基于视差梯度约束的匹配方法中基本概念

5.6.2角点匹配的法则

5.6.3匹配法则的具体实现

5.6.4预测视差和不确定性

5.6.5计算灰度相似性方面的匹配可能性

5.6.6后验密度的推论

5.7实验步骤及结果分析

5.8小结

第六章基于结构光方法的匹配

6.1引言

6.2结构光匹配的实现

6.2.1结构光的系统构成

6.2.2投影的编码方式

6.2.3投影照片的图像预处理

6.2.4投影照片的角点检测方式

6.2.5分步多次投影的匹配方式

6.3实验结果

6.4小结

第七章总结与展望

7.1总结

7.2展望

参考文献

致谢

个人简历