双视角三维测量识别系统研究

摘要

工业检测中经常需要对工件进行识别、定位等检测。而有时工业检测的场景较为复杂，存在物体姿态角度不同，甚至存在表面被部分遮挡的情况，这类情况二维图像中识别计数的难度较大。采用三维识别的方法可以具有较好地适应性。
　　而传统的单视角激光三维检测存在较明显数据缺失的问题，基于该系统获得数据的三维识别系统受此影响准确率不高。
　　本文提出的双视角激光三维识别系统，创新的采用了将两个视角获得三维数据进行配准，并将配准后的更为完整的数据用于识别，获得了较传统单视角三维识别系统更高的识别准确率。
　　本文的研究工作内容主要分为以下几个方面:
　　1.首先搭建了双视角三维检测所需的硬件平台，研究并设计程序实现了系统所涉及的图像处理，步进电机控制，点云配准等软件模块。
　　2.通过对标准物体的测量，测试了系统分辨率、误差等量化性能指标。
　　3.基于测量获取准确三维点云的基础，构建基于实际点云与作为标准模型的点云之间配准，来完成对物体进行识别的系统。
　　4.分别采用传统的单视角工业三维识别系统和本文设计的系统对常用的不同材质物体（金属，石膏，塑料等）、不同场景（不同的倾斜角度，不同的遮挡位置）进行测试。测试表明本文提出的系统相对于传统的识别系统准确率有明显提高。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题背景及意义

1．2 三维视觉检测研究现状

1．2．1 被动三维视觉方法

1．2．2 主动三维视觉方法

1．2．3 点云数据处理方法

1．3 三维物体识别的研究现状

1．4 本课题研究目的及研究内容

第二章 系统装置设计

2．1 系统的基本组成及功能介绍

2．2 系统的处理过程

2．3 系统的硬件架构

2．3．1 工业相机

2．3．2 固定焦距工业镜头

2．3．3 线激光器

2．3．4 步进电机

2．4 系统的软件架构

2．4．1 串口控制模块

2．4．2 图像处理及三维重建模块

2．4．3 点云处理模块

2．4．4 三维识别模块

2．5 本章小结

第三章 系统标定

3．1 摄像机模型

3．1．1 坐标系

3．1．2 针孔模型

3．1．3 非线性相机模型

3．2 摄像机的标定过程

3．2．1 基于二维标定板的相机标定

3．3 结构光测量系统的标定

3．3．1 单线结构光测量系统的标定

3．4 标定过程和结果

3．5 本章小结

第四章 图像处理及三维重建

4．1 线结构光光条图像的特点

4．2 图像滤波

4．3 图像分割

4．4 光条中心提取方法

4．4．1 极值法

4．4．2 阈值法

4．4．3 灰度重心法

4．4．4 曲线拟合法

4．4．5 Steger算法

4．4．6 本文采用的光条中心提取方法

4．5 三维重建

4．6 本章小结

第五章 点云数据匹配与处理

5．1 点云匹配

5．1．1 基础知识

5．1．2 系统的的匹配算法

5．1．3 点云匹配结果

5．2 点云数据重采样

5．2．1 点云重采样方法

5．2．2 典型的重采样方法

5．2．3 本文采用的重采样方法

5．2．4 重采样结果

5．3 点云重构

5．3．1 三角剖分方法

5．3．2 重构结果

5．4 多种测量目标的数据处理效果

5．4．1 双视角配准对填充数据缺失的效果

5．4．2 物体重构效果

5．5 测量参数及误差

5．5．1 系统参数

5．5．2 系统误差

5．6 本章小结

第六章 基于点云匹配的工件识别

6．1 识别方法

6．2 识别流程

6．3 双视角识别与单视角识别结果对比

6．4 本章小结

第七章 总结与展望

7．1 总结

7．2 展望

参考文献