论文部分内容阅读
针对我国粮库地域分散以及现行的人工监管方式引起的虚库、偷盗、虚报贴息等不良现象，给国家造成巨大经济损失问题，本文提出了以下两种粮食数量智能识别方法。基于SFS（Shape From Shading）技术的粮食数量智能识别方法，是将SFS技术应用在大宗物体三维测量中的一次探索性的研究，重点研究了摄像机标定方法、采用SFS技术插值获取除参考点之外的其它点三维坐标的方法。所做的工作如下：(1)提出了一种新的摄像机标定方法--将激光光斑在空间位置的三维坐标和光斑在图像中的亚像素级中心坐标间进行射影变换获得摄像机的标定结果，即摄像机的内外参数。由SFS算法获取三维坐标是基于二维图像，摄像机标定是纠正由于摄像机畸变导致的图像变形。①利用激光测距仪采集的距离、云台的旋转角度，及空间点在世界坐标系的各个轴上的投影，计算了光斑所在位置的三维坐标。②采用平均背景模型法提取了图像中的光斑，采用基于重心的曲线拟合亚像素中心定位算法提取了光斑的亚像素中心坐标。实验结果表明，提取的光斑位置正确；提取的光斑中心亚像素坐标精度较高。③将光斑位置三维坐标和亚像素级中心坐标间进行摄影变换得到了摄像机内外参数。通过将摄像机标定前后采集的图像进行比较，证明本文提出的摄像机标定方法克服了摄像机的畸变。(2)提出了基于SFS技术的插值方法将落在粮食边界内的光斑作为参考点，采用(1)中①、②方法计算了各参考点的三维坐标和亚像素中心坐标；将这些光斑组合在同一幅图像中，对这些参考点亚像素中心坐标进行二维Delaunay分解，得到了多个Voronoi多边形；在每一个多边形内仅有一个参考点（光斑），采用SFS技术插值计算了多边形内除参考点外其它点的三维坐标。(3)实现了粮食体积计算在图像上找到用SFS技术得到的粮面上点的像素位置，逐行进行如下计算：将每一点都与紧邻的右边、右下方、下方三点构成的六面体近似看成长方体，然后累加所有小长方体体积即为粮食总体积。通过室内外的粮堆实验表明，基于SFS技术的粮食数量非接触检测方法的误差有一定的波动，但误差的大小可以接受，且标准差的大小满足工程要求。基于激光三维坐标仪的粮食数量识别方法，重点研究了光斑位置三维坐标的计算方法、三维坐标的旋转不变性和平移不变性、激光扫描三维数据的预处理方法、粮食总体积计算方法。做了以下工作：(1)推导出了光斑位置三维坐标的计算方法在设定了激光三维坐标仪的坐标系和参数后，利用行扫描和场扫描电机的位置关系，电机转动时角度的变化，以及空间点在坐标系下各个轴上的投影关系，推导出了光斑位置的三维坐标。(2)实现了三维坐标的旋转不变性和平移不变性利用激光三维坐标仪的坐标系下的数据点在世界坐标系的各个轴上的投影，计算激光三维坐标仪的坐标系相对于世界坐标系的旋转矩阵和平移向量，再将激光三维坐标仪的坐标系下数据点的坐标转换到世界坐标系下，即实现了旋转不变性和平移不变性。(3)提出了激光扫描三维数据的预处理方法①零点校正：采用分段线性插值技术对所采集的数据中的零点进行了插值恢复。②去除无用点：无用点包括扫描到横梁和墙上的点。对于横梁上的点是孤立点（即数据中的突变点），直接去除。对于墙壁上的点，利用墙壁上点的x或y轴坐标相等来判断，去除墙壁上的点。③粮堆有无遮挡的判断及被遮挡部分数据的恢复：粮食表面上的点包括平坦部分的点和突起上的点。由于三维激光坐标仪安装位置和高度的原因，粮堆可能会有一部分被遮挡。利用粮堆上的点在有无遮挡时，在x轴上的投影不同对有无遮挡进行判断，利用摄影变换中的交比定理和粮堆的对称性对粮堆被遮挡部分数据进行恢复。(4)利用Delaunay分解实现了粮食体积计算将预处理后的三维数据进行Delaunay三角化分解，将分解后得到的每一个顶端为三角形的柱体体积进行累加，得到粮堆的总体积。通过对粮库内的粮食进行实验表明，基于激光三维坐标仪的粮食数量智能识别方法比基于SFS技术的方法稳定，误差在3%左右。基本达到了粮食稽核部门的管理要求。基于SFS技术和激光三维坐标仪的两种粮食数量识别方法，在设备安装好后，粮仓现场均不需要人工参与，实现了粮食数量的非接触智能检测，能够大大降低监管和稽核的费用，市场前景广阔。