基于序列图像的工件三维尺寸测量

摘要

三维重建是计算机视觉当前研究的主要热门方向之一，它利用二维图像信息获取物体的三维信息。目前主要应用于工业自动化、智能机器人、遥感测量、三维重建和虚拟现实等。其中，基于计算机视觉的高精度三维尺寸测量技术也正在得到广泛研究和应用。
　　本文利用计算机视觉技术，基于序列图像实现简单工业零件的高精度三维尺寸测量。研究的主要关键技术有:
　　1.使用棋盘格标定板和张正友摄像机标定法对摄像机内参数进行高精度标定。测量工件尺寸时，使用直线网格标定板标定摄像机外参数。
　　2.对初始标定的内外参数进行精炼优化，优化方法采用光束法平差算法。在优化摄像机内参数时，使用本文推导的共享摄像机内参数的光束法平差优化算法，进一步提高摄像机标定精度。
　　3.格网点提取:对图像进行Harris角点检测、非格网点排除得到初始格网点坐标，然后对每个格网点附近图像进行取反、细化，Hough变换提取初始直线，根据初始直线拟合两条精确直线，直线相交得到亚像素格网点坐标。
　　4.工件特征点检测:初始检测工件特征点和Hough直线，利用直线和特征点的关系拼接直线、排除异常直线，最终直线拟合并相交得到亚像素工件特征点坐标。
　　5.使用对极几何、匹配唯一性检查、双向匹配求交集、RANSAC方法剔除误匹配等方法对每对图像的工件特征点进行匹配。
　　6.重建工件特征点三维坐标，并使用光束法平差和RANSAC方法优化特征点三维坐标。最后，使用OpenGL显示重建的工件三维模型。

目录

声明

摘要

1 绪论

1．1 选题背景及意义

1．2 研究现状及发展趋势

1．3 论文研究内容

1．4 本章小结

2 摄像机标定

2．1 摄像机模型

2．1．1 线性摄像机模型

2．1．2 非线性摄像机模型

2．2 摄像机标定

2．2．1 常用标定方法

2．2．2 张正友摄像机标定方法

2．3 Rodrigues参数

2．4 本章小结

3 光束法平差

3．1 非线性优化算法

3．1．1 Gauss-Newton算法

3．1．2 Hartley算法

3．1．3 最速下降算法

3．1．4 Levenberg-Marquardt算法

3．2 Levenberg-Marquardt算法实现

3．3 通用稀疏光束法平差

3．3．1 光束法平差简介

3．3．2 建立法方程

3．3．3 法方程稀疏化

3．3．4 算法总结

3．4 共享摄像机内参数稀疏光束法平差

3．4．1 共享摄像机内参数法方程

3．4．2 算法总结

3．5 精度估计

3．5．1 单位权中误差

3．5．2 协因数矩阵

3．6 实验

3．6．1 模拟实验

3．6．2 实际实验

3．7 本章小结

4 特征提取

4．1 边缘检测

4．2 点特征提取

4．2．1 Harris算法

4．2．2 亚像素角点

4．3 线特征提取

4．3．1 霍夫直线变换

4．3．2 霍夫圆变换

4．4 实验

4．4．1 格网点提取

4．4．2 工件角点提取

4．5 本章小结

5 特征点匹配

5．1 常用匹配算法

5．1．1 基于灰度的匹配

5．1．2 基于特征的匹配

5．2 基于极线几何的匹配算法

5．2．1 极线几何概念

5．2．2 本征矩阵

5．2．3 基础矩阵

5．3 RANSAC方法剔除错误匹配

5．3．1 RANSAC算法介绍

5．3．2 RANSAC在剔除错配中的应用

5．4 匹配方案

5．5 实验

5．6 本章小结

6 三维重建

6．1 三维点重建模型

6．2 三维点重建优化模型

6．3 实验

6．4 本章小结

7 总结及展望

7．1 论文总结

7．2 工作展望

致谢

参考文献

附录 攻读硕士学位期间发表论文与参与项目