| 【中文题名】 | 双目立体视觉在反求工程中的应用研究 |
| 【英文题名】 | The Applied Study of Binocular Stereo Vision in Reverse Engineering |
| 【学科专业】 | 机械电子工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-1 |
| 【中关键词】 | 双目立体视觉,反求工程,摄像机标定,立体匹配,三维重建, |
| 【英关键词】 | Binocular stereo vision,Reverse engineering,Camera calibration,Stereo matching,3D reconstruction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
充分利用反求工程技术已经成为当今企业进行技术创新、加快产品更新换代、快速响应市场需求的一种有效途径。而如何将实物模型经过数据获取和处理，实现三维模型重构、交互设计和创新设计，以便于快速成型投放市场是实物反求设计研究的一个关键问题。
立体视觉是实现物体三维重构的重要手段之一，本文在分析反求工程关键技术的基础上，以双目立体视觉在反求工程中的应用为目的，构建双目立体视觉实验系统，重点对立体视觉系统中的摄像机标定及立体匹配两个方面的内容展开深入研究，并进行相关实验。
以双目立体视觉的基本原理作为理论依据，构建由两台CMOS摄像机构成的双目立体视觉实验系统；在对几种摄像机标定技术进行对比分析的基础上，确定张氏标定法的方便性与稳定性。以此标定法为基础，提出以圆心作为标定点的2D平面模板标定方法，通过与基于方格角点的标定方法以及基于方格形心的标定方法进行比较，证明了该方法的有效性。本文还用BP神经网络模拟立体视觉系统三维空间与二维图像平面之间的物、像对应关系，建立了双目立体视觉系统的摄像机隐式标定模型，避免了因数学模型的不完善而带来的系统误差。实验证明该方法能够获得较高的标定精度。
分析对... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
1 绪论 |
8-21 |
|
1.1 反求工程概述 |
8-13 |
|
1.1.1 反求工程的基本概念及应用 |
8-11 |
|
1.1.2 反求工程中的原型数字化技术 |
11-13 |
|
1.2 课题的提出 |
13-14 |
|
1.3 课题的研究意义及国内外研究状况 |
14-19 |
|
1.3.1 课题的研究意义 |
14-16 |
|
1.3.2 国内外研究现状 |
16-19 |
|
1.4 论文的主要内容 |
19-21 |
|
2 双目立体视觉的基本原理及实验系统构成 |
21-28 |
|
2.1 双目立体视觉的基本原理 |
21-22 |
|
2.2 双目立体视觉系统结构 |
22-26 |
|
2.2.1 双目立体视觉系统结构形式 |
22-24 |
|
2.2.2 双目立体视觉系统的组成 |
24-26 |
|
2.3 由两台CMOS摄像机构建的双目立体视觉实验系统 |
26-28 |
|
3 双目立体视觉中的摄像机标定技术研究 |
28-50 |
|
3.1 立体视觉中的摄像机透视投影模型 |
28-32 |
|
3.1.1 计算机视觉系统中的坐标系 |
28-30 |
|
3.1.2 针孔成像模型 |
30-31 |
|
3.1.3 非线性模型 |
31-32 |
|
3.2 基本的摄像机标定方法 |
32-33 |
|
3.2.1 线性标定方法 |
32 |
|
3.2.2 非线性标定方法 |
32 |
|
3.2.3 两步法 |
32-33 |
|
3.3 本文采用的双目立体视觉系统标定方法 |
33-44 |
|
3.3.1 双目立体视觉系统结构参数计算 |
33 |
|
3.3.2 本文采用的标定方法 |
33-38 |
|
3.3.3 双目立体视觉系统标定的MATLAB实现 |
38-42 |
|
3.3.4 几种标定方法的比较 |
42-44 |
|
3.4 神经网络在双目立体视觉摄像机标定中的应用 |
44-50 |
|
3.4.1 BP神经网络设计 |
44-46 |
|
3.4.2 BP网络训练与仿真 |
46-48 |
|
3.4.3 两类标定方法的比较 |
48-50 |
|
4 双目立体视觉中的图像预处理方法 |
50-64 |
|
4.1 图像平滑 |
50-53 |
|
4.1.1 均值滤波 |
50-51 |
|
4.1.2 高斯滤波 |
51-52 |
|
4.1.3 中值滤波 |
52-53 |
|
4.2 对比度增强 |
53-55 |
|
4.3 边缘检测 |
55-62 |
|
4.4 Harris角点检测 |
62-64 |
|
5 双目立体视觉中的立体匹配方法研究 |
64-83 |
|
5.1 双目立体视觉中的极线约束 |
64-66 |
|
5.2 立体匹配的内容 |
66-68 |
|
5.3 立体匹配的基本方法 |
68-70 |
|
5.3.1 基于面积的匹配 |
68-69 |
|
5.3.2 基于特征的匹配 |
69-70 |
|
5.4 基于SIFT特征的匹配算法研究 |
70-79 |
|
5.4.1 SIFT算法主要思想与特点 |
70-71 |
|
5.4.2 SIFT算法详细描述 |
71-76 |
|
5.4.3 匹配实验 |
76-79 |
|
5.5 基于角点特征的匹配方法研究 |
79-83 |
|
5.5.1 基于角点特征的匹配方法处理过程 |
79 |
|
5.5.2 匹配实验 |
79-83 |
|
6 双目立体视觉中的三维信息恢复 |
83-90 |
|
6.1 空间点三维坐标计算 |
83-86 |
|
6.1.1 计算公式推导 |
83-84 |
|
6.1.2 三维信息恢复实验 |
84-86 |
|
6.2 反求工程中的曲面重建技术 |
86-90 |
|
6.2.1 曲面重建方法概述 |
86-88 |
|
6.2.2 三角曲面重建方法 |
88 |
|
6.2.3 人工神经网络在曲面重建中的应用 |
88-90 |
|
7 总结与展望 |
90-92 |
|
7.1 研究工作总结 |
90-91 |
|
7.2 研究工作展望 |
91-92 |
|
致谢 |
92-93 |
|
参考文献 |
93-96 |
|
附录：作者攻读硕士学位期间发表论文情况 |
96 |
|
| 【DOI】 | LunWen.ID:2.2008.368365 |
