论文部分内容阅读
机器视觉是社会发展的一个热点和趋势，而三维重建是机器视觉的一个重要的研究内容和方向。它模仿人类双目视觉系统，通过三角测量原理，对空间中的物体进行测量，获取其深度信息，完成立体感知过程。该视觉系统已被开创性的用于机器人导航、汽车辅助驾驶、工业机器人以及机器臂的控制、虚拟现实仿真等方面，并在生活中发挥着越来越重要的作用。
本论文首先研究了目前存在的几种相机标定原理和方法，并通过实验获得了初次标定结果。充分考虑了相机的各种畸变情况，然后采用LM算法对相机内部参数和外部参数进行优化求解，通过二次标定，使得相机标定误差在0.1pixel附近，相比于二次标定前，提高了45%准确率,且该结果优于同类的成果。
在立体匹配环节，首先研究几种滤波器的特性，并对比和分析了它们的滤波效果和图像的直方图。本文随后采用了一种“去噪保边”的双边滤波器，并证明该滤波器具有良好的抑制噪声和保留边缘信息的特性。在图像校正环节，存在已知相机参数和未知相机参数两种方法。本文重点研究了未知参数方法，并对未知参数的图像进行校正，随后采用SURF算法提取图像特征点，并采用RANSAC算子对特征点进行筛选，剔除误匹配点，最终获得了性能良好的匹配图。
三维重建是立体视觉中很复杂的一个环节。本文通过OPENCV把MATLAB标定结果导入并进行编程实现，然后对图像进行校正处理。分别采用BM,SGBM和GC算法对图形进行匹配，获得左右图像的视差图。随后对其视差图进行处理，得到三维点云，通过三角测量原理并设定阈值，最终获得测量目标的深度信息。
由于深度测量误差的存在，本文最后对基线可伸缩双目视觉系统的位置进行深入研究，引入“视距”（Vision Distance）作为视觉特性相近度的一个衡量尺度，提出了一种基于分阶段的双目相机距离优化和方位优化的模型。对于距离优化，该问题转化为一般的二阶锥优化问题，采用CVX求解出最优解。对于方位优化问题，由于模型引入等式约束，二阶锥优化算法无法直接对视觉参数给出估计。因此，本文最后采用遗传算法（GA）求解,得到双目相机模型的最优方向张量，并通过大量的仿真和实验验证了该模型的有效性。
本论文首先研究了目前存在的几种相机标定原理和方法，并通过实验获得了初次标定结果。充分考虑了相机的各种畸变情况，然后采用LM算法对相机内部参数和外部参数进行优化求解，通过二次标定，使得相机标定误差在0.1pixel附近，相比于二次标定前，提高了45%准确率,且该结果优于同类的成果。
在立体匹配环节，首先研究几种滤波器的特性，并对比和分析了它们的滤波效果和图像的直方图。本文随后采用了一种“去噪保边”的双边滤波器，并证明该滤波器具有良好的抑制噪声和保留边缘信息的特性。在图像校正环节，存在已知相机参数和未知相机参数两种方法。本文重点研究了未知参数方法，并对未知参数的图像进行校正，随后采用SURF算法提取图像特征点，并采用RANSAC算子对特征点进行筛选，剔除误匹配点，最终获得了性能良好的匹配图。
三维重建是立体视觉中很复杂的一个环节。本文通过OPENCV把MATLAB标定结果导入并进行编程实现，然后对图像进行校正处理。分别采用BM,SGBM和GC算法对图形进行匹配，获得左右图像的视差图。随后对其视差图进行处理，得到三维点云，通过三角测量原理并设定阈值，最终获得测量目标的深度信息。
由于深度测量误差的存在，本文最后对基线可伸缩双目视觉系统的位置进行深入研究，引入“视距”（Vision Distance）作为视觉特性相近度的一个衡量尺度，提出了一种基于分阶段的双目相机距离优化和方位优化的模型。对于距离优化，该问题转化为一般的二阶锥优化问题，采用CVX求解出最优解。对于方位优化问题，由于模型引入等式约束，二阶锥优化算法无法直接对视觉参数给出估计。因此，本文最后采用遗传算法（GA）求解,得到双目相机模型的最优方向张量，并通过大量的仿真和实验验证了该模型的有效性。