论文部分内容阅读
随着机器视觉的应用领域越来越广泛，其关键技术也得到越来越多的研究。其中，由于成本低廉，真实感强，自动化程度高而有着广泛应用前景的基于图像的三维重建方法已经成为一个研究热点。基于图像的三维重建技术是从二维图像恢复三维空间可见表面的几何结构，也是机器视觉的重要研究内容和最终研究目标。基于图像的三维重建实际上是计算机图形学的逆问题，其关键的技术步骤主要有：自动对焦、摄像机标定、图像预处理与特征提取、图像特征匹配、三维信息恢复和深度内插。本文对基于图像的三维重建技术进行了深入地研究学习，着重探讨了三维重建过程中的几个关键性问题。主要研究内容如下：论文首先是对图像获取的关键技术—自动对焦技术进行了研究，分析了影响获取高质量图像的因素。针对现有聚焦评价方法普遍存在聚焦评价函数适应性较低、评价窗口的选择盲目简单、通用性差等缺点，提出了基于小波变换和自适应遗传算法（Adaptive GeneticAlgorithm，AGA）的聚焦评价方法。首先对评价图像进行db7小波变换，然后利用AGA在小波二维系数上自动寻找最优评价区域，最后利用M2WT算子加权聚焦评价函数进行评价。其次研究了摄像机的标定技术，摄像机的标定过程实际是确定摄像机的内部参数和外部参数的过程，内部参数即摄像机的内部几何以及光学特性；外部参数即摄像机坐标系相对于世界坐标系的三维位置和方向。探讨了摄像机标定的基础理论知识和常用标定模型，在摄像机模型中全面考虑了镜头的径向畸变和切向畸变，并在OpenCV（Open Computer Vision）和VC++的基础上利用张正友标定法来实现针孔模型摄像机的标定并输出标定结果。最后介绍了基于视觉的三维重建的常用方法，深入探讨了基于双目的三维重建的关键技术：特征提取，特征匹配和深度信息计算等。并在OpenCV和VC++的平台上开发了三维重建系统，通过图像对的双目立体匹配获得了物体或场景图像的深度信息，并最终重建出物体或场景的三维信息。