双目立体视觉的尺寸检测分析

《双目立体视觉的尺寸检测分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即

2、：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要目前，计算机视觉和机器视觉理论已经得到很大程度的发展，特别是双目立体视觉系统在某些方面已经被成功地用于解决实际的问题。相关研究表明，相比于传统的人工尺寸测量而言，采用双目立体视觉的尺

3、寸检测技术可以实现对物体的非接触式测量，简单方便，具有很大的发展前景。但是，基于双目立体视觉系统的尺寸检测仍然存在着无法准确提取出特征点以及误匹配等问题，本文针对这两个主要问题进行研究并提出相应的改进尺度不变特征（ScaleInvariantFeatureTransform，SIFT）算法实现对特征点的提取，同时将极线约束法则用于特征点的匹配过程中以减少误匹配。采用该改进算法，设计出相应的软件平台并实现样机的开发。总体来说，作者在对相关理论作系统性理解的基础上主要完成以下几个方面的工作：1）系统的标定。首先分析摄像机的相关模型，给出其中涉及的相关坐标系以及对应转化关系，然

4、后本文采用张正友的平面标定算法实现系统标定，确定投影关系并计算出相关的参数值。2）特征点的提取。首先介绍关于特征点提取的经典的Harris角点检测算法和SIFT特征提取算法，分析比较这两种算法，并在此基础上提出一种新的融合性SIFT算法来实现提取特征点，同时采用折半查找算法从中筛选出所需要的特征点，最后结合相关实验来验证该算法的可靠性和可行性。3）特征点的匹配。匹配的实质就是将实际空间中同一点的坐标在不同图像平面中的投影像素对应起来。本文采用尺度不变特征SIFT匹配算法实现特征点之间的初步匹配，对于其中可能存在一对多的误匹配，文中提出利用极线约束法则来加以解决。该约束准则

5、可以将匹配点的搜索范围从整个图像平面缩小到一条直线上，同时结合双向匹配算法实现特征点从左图像到右图像和从右图像到左图像的匹配，从而可以提高正确匹配的效率。4）特征点的三维重建。根据采用标定算法所得到的关于双目立体视觉系统的投影矩阵以及匹配特征点对像素坐标值，结合相应三维重建算法实现对空间点重建，并由此计算出实际距离值。本文将所提出的改进特征点提取算法和极线约束法则用于尺寸检测的实验之中。通过对相关实验结果的分析表明，相比于传统的特征点提取和匹配算法，本文所提出的融合性改进尺度不变特征SIFT算法和极线约束法则在所需特征点的提取正确性以及匹配效率方面都有很大的改善。该实验结

6、果也同时证明对所提取的像素点坐标先进行畸变校正然后在进行三维重建，能够很好地可以满足设计的精度要求，得到令人满意的尺寸检测信息。I西安电子科技大学硕士学位论文关键词：系统标定,特征点,提取,匹配,三维重建论文类型：应用基础研究类IIABSTRACTABSTRACTAccompanyingthegreatadvancementofcomputerversionandmachinevision,thebinocularstereovisualsystemhasbeensuccessfullyappliedtosolvesomepracticalproblems.Researc

7、hshowsthatthedimensionmeasurementbasedonbinocularstereovisualhaswideperspectives,especially,innoncontactmeasurement.However,thismeasurementisunabletoextractfeaturepointsaccuratelyandthemismatchingrateishigh.Onthebasisoftheresearchonthesetwoproblems,animprovedSIFT（Sc