基于雙目立體視覺的圖像面積測(cè)量算法與技術(shù).pdf

1、計(jì)算機(jī)視覺是一門新興的技術(shù)，此技術(shù)運(yùn)用在很多的領(lǐng)域，例如雙目視覺測(cè)距、機(jī)器人導(dǎo)航等方面。普通測(cè)量大面積例如建筑物面積的方法不利于人工的操作，此時(shí)基于計(jì)算機(jī)視覺的測(cè)量技術(shù)在此方面體現(xiàn)了巨大的優(yōu)勢(shì)，它是一種非接觸的測(cè)量技術(shù)，無需人工處在危險(xiǎn)的工作環(huán)境下，并且測(cè)量精度高、降低了測(cè)量成本以及操作簡(jiǎn)單，因此在航天測(cè)繪、機(jī)器人導(dǎo)航、工業(yè)甚至醫(yī)學(xué)等方面有著非常廣闊的應(yīng)用前景和很深的研究價(jià)值?；陔p目立體視覺，本文利用其一種特殊的系統(tǒng)模型即平行雙目立體

2、視覺模型，對(duì)測(cè)量圖像的實(shí)際面積進(jìn)行了研究，測(cè)量過程中的三個(gè)關(guān)鍵技術(shù)為：攝像機(jī)的標(biāo)定，立體匹配和面積計(jì)算。主要研究內(nèi)容和成果如下：
　　在攝像機(jī)的標(biāo)定模塊中，首先運(yùn)用傳統(tǒng)的Harris算子對(duì)攝像機(jī)采集來的圖像進(jìn)行像素角點(diǎn)檢測(cè)，但是傳統(tǒng)的Harris算子角點(diǎn)檢測(cè)算法只能檢測(cè)出像素角點(diǎn)，為了得到更精確的攝像機(jī)內(nèi)部參數(shù)和降低特征點(diǎn)匹配時(shí)的漏匹配和誤匹配概率，本文在Harris算子角點(diǎn)檢測(cè)算法的基礎(chǔ)上，利用亞像素角點(diǎn)到周圍像素點(diǎn)的矢量應(yīng)垂直

3、于圖像的灰度梯度這個(gè)觀察事實(shí)進(jìn)一步檢測(cè)出亞像素角點(diǎn)。然后運(yùn)用經(jīng)典的張正友攝像機(jī)標(biāo)定方法，得到攝像機(jī)的內(nèi)外部參數(shù)，本文在攝像機(jī)標(biāo)定過程中為了減小標(biāo)定誤差，左右攝像頭分別采集了標(biāo)定板的10幅圖像，并分別把左右攝像頭的10幅圖像檢測(cè)出的亞像素角點(diǎn)坐標(biāo)作為張正友攝像機(jī)標(biāo)定方法的輸入，最后標(biāo)定出左右攝像頭的內(nèi)部參數(shù)，亞像素角點(diǎn)檢測(cè)和攝像機(jī)標(biāo)定均用Matlab編程實(shí)現(xiàn)。
　　立體匹配模塊中，主要在特征點(diǎn)匹配上重點(diǎn)進(jìn)行了算法研究，本文研究了經(jīng)典

4、的SIFT特征點(diǎn)匹配算法并對(duì)不同情況下得到的圖像進(jìn)行了特征點(diǎn)匹配實(shí)驗(yàn)，但考慮到本文研究的圖像是比較簡(jiǎn)單的圖形，運(yùn)用SIFT特征點(diǎn)匹配算法反而覺得算法復(fù)雜和匹配時(shí)間較長，因此本文基于實(shí)際情況，找到了一種適合本課題實(shí)驗(yàn)中的圖像的特征點(diǎn)匹配的方法，實(shí)驗(yàn)中首先對(duì)左右圖像分別進(jìn)行了角點(diǎn)檢測(cè)，然后把左圖中的特征點(diǎn)作為模板圖像，與右圖中的特征點(diǎn)進(jìn)行模板匹配，相似度最大的，則認(rèn)為是最佳匹配點(diǎn)，這種算法不僅簡(jiǎn)單而且匹配時(shí)間較短。
　　最后的面積計(jì)算

5、模塊中，本文提出了一種新的測(cè)量面積的方法，利用雙目視覺測(cè)量物體的實(shí)際圖像與其在圖像平面上的圖像之間的空間幾何關(guān)系，進(jìn)而得出實(shí)際圖像的面積。并與現(xiàn)有的像素面積法和空間坐標(biāo)法進(jìn)行比較，分別運(yùn)用上述三種方法，對(duì)同一組圖像進(jìn)行實(shí)驗(yàn)和分析。本文方法較像素面積算法更簡(jiǎn)單且誤差小，較空間坐標(biāo)法實(shí)現(xiàn)條件更容易。
　　本文利用兩個(gè)相同的普通USB攝像頭作為圖像采集設(shè)備，在VC2006和Matlab編譯環(huán)境下,運(yùn)用Matlab編程實(shí)現(xiàn)攝像機(jī)標(biāo)定和亞像