基于雙目視覺的原木材積檢測方法研究.pdf

1、雙目立體視覺是計算機視覺研究領域的重要分支之一，它通過直接模擬人類視覺系統(tǒng)的方式感知客觀世界，廣泛應用于三維非接觸測量、機器人導航和虛擬現(xiàn)實等領域。原木材積檢測，特別是整車、成捆、成堆原木的材積檢測目前常用稱重測量法、視覺平面測量法等，不能精確測量每根原木尺徑。因此，利用雙目立體視覺的技術研究成堆原木野外尺徑測量具有一定的理論價值和十分重要的現(xiàn)實意義。論文圍繞雙目標定技術、匹配策略與匹配算法、陰影消除等重點與難點問題展開研究。論文的主要

2、工作包括以下幾個方面。
　　(1)針對正交消隱點標定在實際應用中誤差大、容易退化等問題，提出了最優(yōu)正交消隱點標定方法。該方法最少只需兩幅圖像，根據(jù)提出的消隱點優(yōu)化方法，每幅圖像提取最優(yōu)的兩對正交消隱點實現(xiàn)內外參數(shù)標定。首先，對單個攝像機先進行線性求解求得主點和焦距初始值;考慮到鏡頭徑向畸變，采用非量測方法，利用直線約束進行畸變校正;再提出優(yōu)化的差分進化算法，以線形求解的內參數(shù)為初值，直線的共線特征為約束優(yōu)化內參數(shù);最后，根據(jù)轉換后

3、的4對消隱點坐標，利用無窮單應旋轉矩陣的正交約束條件，得到旋轉矩陣和平移矩陣。該標定方法只需要攝像機拍攝模板平面在不同方向的圖像，模板可以自由的運動，無需其運動參數(shù)。雙目標定的平均重構誤差為0.598pixel，跟傳統(tǒng)方法標定誤差相當。該標定算法重構誤差與傳統(tǒng)算法在一個級別，能滿足標定中穩(wěn)定可靠、精度高、抗干擾能力強等要求。
　　(2)為了解決Meanshift分割參數(shù)選擇不合適引起的過分割和過合并問題，提出了自適應閾值的合并。為

4、了保證不過合并，首先判斷區(qū)域面積大小，區(qū)域面積大于某個閾值，可判斷為單根原木端面，不做合并處理;由于每幅圖像中區(qū)域之間的距離大小不同，根據(jù)合并前的預分割區(qū)域，計算相鄰區(qū)域間的距離，再取整幅圖中相鄰區(qū)域距離平均值為閾值，實現(xiàn)自適應合并。實驗結果表明，該方法對陰影、背景和端面三類不同區(qū)域分割較為準確，采用自適應閾值較好地改善了固定參數(shù)Meanshift分割在本類圖像分割中存在的過分割和過合并缺點。
　　(3)由于自然環(huán)境下，原木在堆放

5、時其端面不在一個平面，凹進去的原木很容易陷入陰影中，陰影和原木間的空隙很難區(qū)分。為了能準確分割陽光下自然堆放的原木端面圖像，解決陰影消除的問題，提出了模式識別的方法。對分割后的區(qū)域提取共30維的顏色直方圖和LBP紋理直方圖特征量用于分類器的訓練和預測。本文通過對多根原木堆積的端面圖像分割，證明了該算法的有效性，實驗結果證明該方法特別適用于有陰影存在的圖像分割問題。
　　(4)針對立體匹配的速度與精度以及圖像分割等問題，提出了FSA

6、D和Meanshift圖像分割相結合的立體匹配算法。該算法首先利用相機內外參數(shù)對左右圖像做極線校正，并在左右圖像中提取同名點作為約束完成校正，保證校正后的圖像同名點有相同的縱坐標;再利用FSAD算法，計算原始視差圖;為了更好的提取圖像邊緣，對原始圖像進行Meanshift圖像分割，優(yōu)化原始視差圖得到最終視差。實驗結果表明，該匹配算法可得到致密的視差圖，并在邊緣等視差不連續(xù)區(qū)域可獲得較好的匹配精度。利用最小外接矩陣計算端面的長徑和短徑，尺