基于双目立体视觉的双彩照三维数据提取

摘要

视觉在人类的感知系统中扮演着非常重要的角色。人类通过眼睛观察到景物的二维图像，经过大脑处理后却能在大脑里恢复、构建出景物的三维信息。计算机视觉研究旨在模仿人类视觉，赋予计算机人类视觉的功能，即利用二维图像信息重构物体的三维信息。尽管众多专家和学者在该领域已经取得一定的成果，但是随着物体识别、虚拟现实、工业检测、机器人导航等技术的发展，迫切需求快速、精确、稳定性强的研究方法，对其中的关键技术匹配算法、摄像机标定也提出了更高的要求。
　　 本文设计了基于双目立体视觉的三维数据提取系统，此系统包括：图像获取、图像预处理、摄像机标定、图像匹配、三维数据提取等五个部分。首先用两台摄像机从不同角度拍摄同一景物得到两张图像，然后利用匹配算法求得物体上某一点在两张图像中的不同像点，最后在摄像机标定结果的基础上，用三角测量原理计算这对像点对应的三维空间中物点的坐标。
　　 在图像匹配方面，针对Harris角点提取算法只能在单一尺度下检测角点，并且角点提取的效果完全依赖于阈值设定的缺点，提出了一种基于Harris角点提取的三级匹配算法。一级匹配利用了Harris角点提取算法中大阈值的优势，角点定位精确度高，计算简单易于实现，二级匹配利用基于颜色互相关匹配算法，提高了匹配效率，避免了采用Harris角点提取算法小阀值带来伪角点的缺陷。三级匹配是针对那些一、二级匹配中产生的匹配不成功的角点集，利用松弛迭代法满足视差一致性约束的优点，在该点可能匹配点邻域中寻找匹配概率最大的匹配点，从而确定匹配的唯一性。
　　 在摄像机标定中，在分析、对比线性标定、非线性标定、Tsai两步法和其他标定方法的优缺点的基础上，提出改进了的两步法。在实现中先通过求解线性方程组，得到部分摄像机参数，然后在考虑摄像机畸变的情况下，对相关条件进行优化，把非线性方程转化为线性方程求解其余摄像机参数。实验表明优化后的算法克服了Tsai两步法中非线性优化带来的繁琐和不稳定性，运行速度更快，操作更为简便，性能也更加稳定，是一种快速有效的摄像机标定算法。
　　 本文提出用双彩照图象匹配方法和摄像机标定方法进行三维数据提取，试验结果表明这种方法的有效性和合理性。三维数据提取是三维重建的前提，本文为提高三维重建精度进行了一些有益的探索。

目录

文摘

英文文摘

1 绪论

1.1 引言

1.2 立体视觉

1.2.1 双目立体视觉的基本原理

1.2.2 双目立体视觉研究的内容

1.2.3 立体匹配的研究现状

1.3 论文的主要研究工作和意义

1.3.1 选题依据

1.3.2 本文的主要工作

2 图像预处理

2.1 图像灰度转换

2.2 图像增强

2.2.1 均值滤波

2.2.2 中值滤波

2.3 图像锐化

2.4 边缘检测

2.4.1 边缘检测原理

2.4.2 Roberts算子

2.4.3 Sobel算子

2.4.4 Prewitt算子

2.4.5 Laplacian算子

2.4.6 Canny算子

2.5 本章小结

3 图像匹配

3.1 图像匹配理论基础

3.1.1 图像变换

3.1.2 三次样条插值

3.1.3 最小二乘法

3.1.4 相似度测试

3.2 匹配算法分类

3.2.1 基于图像灰度的匹配方法

3.2.2 基于图像特征的匹配

3.2.3 基于图像相位的匹配

3.3 本文采用的匹配算法

3.3.1 基于颜色相关模板匹配算法

3.3.2 基于灰度的松弛迭代匹配

3.3.3 Harris角点检测原理

3.4 本章小结

4 摄像机标定

4.1 摄像机标定研究现状

4.1.1 线性模型标定法

4.1.2 非线性模型标定法

4.1.3 其他标定法

4.2 坐标系的确立及坐标系转换

4.2.1 确立坐标系

4.2.2 各种坐标系之间的转换

4.3 标定模型

4.3.1 摄像机模型

4.3.2 摄像机标定

4.4 实验

4.5 本章小结

5 三维数据提取

5.1 三维数据解算原理

5.2 三维数据提取系统实现

5.3 三维数据提取结果

5.4 本章小结

6 总结及展望

6.1 全文总结

6.2 展望

致谢

参考文献

攻读学位期间发表的学术论文