论文部分内容阅读
计算机视觉测量技术作为一种非接触测量手段已经越来越引起人们的重视。本文在深入分析计算机视觉测量技术的系统方案、软硬件构成的基础上,对视觉测量的图像特征提取、摄像机标定及基本矩阵估算等关键技术进行了深入研究,并对结构件空间尺寸的视觉测量进行了实验及应用探讨。图像特征提取是计算机视觉测量的关键技术之一。图像特征提取的精度将直接影响到系统的测量精度,本文针对边缘和角点两个方面的图像特征提取算法进行了研究。边缘是图像最基本的特征之一,通常被定义为其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。视觉测量过程中,早期使用的边缘检测算法多为像素级的,如常用的S obel算子、Roberts算子、Prewitt算子、Laplacian算子和Canny算子等只能判断出边缘位置处于某一个像素内,无法在该像素内再进行细分。因此,Hueckel首先提出了亚像素边缘检测理论,利用拟合的思想获得边缘的亚像素定位。随后基于矩和基于插值的检测算法也相继被提出:基于矩的算法是利用灰度矩或空间矩的矩不变思想,计算边缘位置;基于插值的算法是利用函数插值的思想,对灰度值或灰度值的导数进行插值运算,通过计算一阶导数极值或者二阶过零点,获得边缘的亚像素位置。这类算法统称为亚像素边缘检测算法。由于无法确定图像真实边缘所在,也就无法确定图像真实边缘点与被检出的边缘点是否最接近。因此,本文给出了一种亚像素边缘检测算法检测精度的评价方法。分析实验结果可知,基于矩和基于插值的检测算法的优点是计算速度较快,但对噪声较为敏感,检测数据容易出现波动。由于拟合法是通过对假设边缘模型灰度值的最小二乘拟合来获得亚像素的边缘定位,对噪声具有良好的鲁棒性,稳定性强,因此获得的亚像素边缘精度往往要高于另外两种方法。角点是图像的另一很重要的特征,对图像的理解和分析有很重要的作用。人们普遍认为角点是二维图像灰度变化剧烈的点或者是图像边缘曲线上曲率极大值的点。Harris等人于1 988年对M oravec算子进行改进,提出了著名的H arris算子,又称Plessey角点检测算子。1997年Smith和Brady提出了另一种角点检测方法,即SUSAN提取算子。但是上述两种方法的角点检测精度只能达到像素级。Forstner算子是摄影测量中常用的点定位算子, Forstner算子应用中需要确定阈值。随后一些改进的Harris算子也相继被提出并获得了亚像素定位精度。本文以图像测量精度为准则,提出了一种亚像素角点检测方法。基本原理是利用边缘拟合算法获得形成角点的边缘方程,然后求交点获得角点的亚像素坐标。在视觉测量中,摄像机的标定是极为重要的一个环节。随着对图像测量精度要求的不断提高,对摄像机标定精度也提出了更高的要求。现有的摄像机标定方法大体上可以分为两类:传统标定方法和自标定方法。当应用场合要求检测精度较高且摄相机参数不需要经常变化时,一般选择传统标定方法。传统标定方法按照参数求解的特点可以分为线性方法、非线性优化方法和两步法。线性方法不需要进行迭代运算,如直接线性变换(DLT)法,通常需对非线性模型进行简化,无法达到较高的标定精度;非线性优化方法直接通过迭代求解非线性方程组,可达到很高的标定精度,但迭代初值的选择对优化计算结果的影响明显;两步法的第一步是先利用直接线性变换方法求解摄像机参数,第二步考虑镜头畸变的影响,以第一步算得的参数作为初始值,利用优化算法进一步提高定标精度。两步法中目前有代表性的是Tsai的方法,Heikkila的方法和张正友的方法。除了畸变模型不同以外,这三种方法的主要差别在于建立了不同的求解标定初值的线性方程组。Tsai方法利用径向一致约束建立线性求解方程组;Heikkila方法不考虑非线性畸变,直接利用空间点投影到像素点的变换关系建立线性求解方程组;张正友利用旋转矩阵的组成向量具有正交性,建立线性求解方程组。针对摄像机成像的针孔模型,本文给出了一种改进的求解模型内外参数的方法。首先,利用标定板上特征点,应用最小二乘方法线性求得实际的光心图像坐标,进而应用Tsai方法求得模型中其它参数,最后利用Levenberg-Marquardt方法对所有求得的参数进行全局优化。实验结果表明,该方法较Tsai方法重投影误差更小、精密度更高,是一种有效的摄像机内外参数标定方法。由于物体在图像中的边缘随着背景光源由亮到暗的变化发生了位移。当采用两边之差求距离时,不可避免的会带来测量误差。本文针对标定过程中光线对标定结果的影响,结合实验进行了理论分析,并给出了改进措施。由于单个摄像机标定仅建立了图像平面与某空间平面的对应关系,适用于平面内的尺寸测量,对于结构件,利用单个摄像机无法测量其深度信息。考虑到结构件尺寸的特点,本文采用双目视觉进行测量。双目视觉测量系统通常由两个摄像机仿照人眼构成,通过视差原理感知物体的深度信息,因此视觉测量系统标定中除需确定每个摄像机的内外参数外,还要知道两个摄像机之间的几何关系。本文从对极几何约束、基本矩阵以及本质矩阵等方面对双目视觉模型进行阐述并就基本矩阵的求解方法进行了比较探讨,实验表明相比于线性方法和迭代法,鲁棒法求解基本矩阵的计算精度和稳定性是最好的。本文给出了基本矩阵的改进算法,本文所用方法的误差均值和方差都比鲁棒方法的小,有效的提高了基本矩阵的精度和稳定性。虽然计算时间长,但基本矩阵的计算是在标定过程中完成的,不影响测量的速度。最后,本文将上述视觉测量的各个技术环节集成在一起,在实验室条件下,分别测量量块的尺寸和装配式凸轮轴凸轮间的轴向尺寸,以检验视觉测量结构件尺寸的测量精度。