逆向工程數(shù)據(jù)獲取中測(cè)量參考點(diǎn)的設(shè)計(jì)與自動(dòng)檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、本文研究的是近景攝影測(cè)量和結(jié)構(gòu)光光柵測(cè)量相結(jié)合的逆向工程三維光學(xué)測(cè)量中測(cè)量參考點(diǎn)的設(shè)計(jì)及其圖像自動(dòng)檢測(cè)。這套光學(xué)測(cè)量系統(tǒng)需要在被測(cè)物體表面貼兩類測(cè)量參考點(diǎn)，一類是近景攝影測(cè)量系統(tǒng)和光柵測(cè)量系統(tǒng)都可以識(shí)別的，沒有固定編號(hào)的參考點(diǎn)，稱為非編碼參考點(diǎn)，此類參考點(diǎn)只需識(shí)別其特征的中心位置；另一類是只有近景攝影測(cè)量系統(tǒng)可以識(shí)別的、表面特征各為不同并且有固定數(shù)字編號(hào)的參考點(diǎn)，稱為編碼目標(biāo)點(diǎn)，這類參考點(diǎn)在圖像識(shí)別中既需要識(shí)別其特征的中心位置，又需要識(shí)

2、別其具體的編號(hào)代碼。其中，非編碼參考點(diǎn)的作用是作為每次光柵測(cè)量得到的點(diǎn)云拼合的參照。而編碼目標(biāo)點(diǎn)的作用則是通過(guò)近景攝影測(cè)量原理，根據(jù)其自身的空間坐標(biāo)和兩類測(cè)量參考點(diǎn)之間的距離關(guān)系，將不同的數(shù)字圖像上的參考點(diǎn)進(jìn)行擬合，以獲得貼放在物體表面上的非編碼參考點(diǎn)的空間坐標(biāo)信息，從而提高點(diǎn)云拼合的精度。本課題的任務(wù)是設(shè)計(jì)一組合理的非編碼參考點(diǎn)和編碼足夠多的編碼目標(biāo)點(diǎn)，然后就測(cè)量參考點(diǎn)的圖像自動(dòng)檢測(cè)技術(shù)，即測(cè)量參考點(diǎn)的定位和識(shí)別進(jìn)行探討和研究。本文的

3、主要研究?jī)?nèi)容包括三個(gè)方面： (1)測(cè)量參考點(diǎn)的設(shè)計(jì)。本課題中編碼目標(biāo)點(diǎn)的設(shè)計(jì)理念主要運(yùn)用近似代數(shù)中關(guān)于群論的相關(guān)知識(shí)，把編碼目標(biāo)點(diǎn)的設(shè)計(jì)轉(zhuǎn)化為正n邊形涂色問(wèn)題。在確定505個(gè)編碼目標(biāo)點(diǎn)的對(duì)應(yīng)特征編號(hào)及編碼圖案后，完成非編碼參考點(diǎn)和編碼目標(biāo)點(diǎn)的尺寸樣式設(shè)計(jì)。 (2)測(cè)量參考點(diǎn)的自動(dòng)檢測(cè)，即提取測(cè)量參考點(diǎn)的中心像坐標(biāo)及識(shí)別編碼目標(biāo)點(diǎn)的編號(hào)。本文在Visual C++編程平臺(tái)上首先利用一系列的圖像處理技術(shù)將原圖像轉(zhuǎn)化為含有較少

4、干擾雜質(zhì)塊的二值圖像；然后通過(guò)特征矩與結(jié)構(gòu)形態(tài)分析相結(jié)合的技術(shù)將兩類測(cè)量參考點(diǎn)的中心像坐標(biāo)提取出來(lái)；最后根據(jù)大量的圖像實(shí)驗(yàn)，提出利用特征不變矩匹配識(shí)別的方法確定編碼目標(biāo)點(diǎn)的對(duì)應(yīng)編號(hào)。在其中運(yùn)用了最大類間方差法、“甲蟲”算法、特征矩匹配算法等方法，成為測(cè)量參考點(diǎn)圖像處理和識(shí)別工作的行之有效的算法。 (3)在圖像處理和識(shí)別技術(shù)的理論基礎(chǔ)上，運(yùn)用圖像編程技術(shù)實(shí)現(xiàn)對(duì)應(yīng)的測(cè)量參考點(diǎn)自動(dòng)檢測(cè)算法，并將整個(gè)圖像操作過(guò)程整合成一個(gè)程序?qū)崿F(xiàn)。