多目立体视觉三维重建系统的设计

《多目立体视觉三维重建系统的设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３５卷第３期武汉工程大学学报Ｖｏｌ．３５Ｎｏ．３２０１３年０３月Ｊ．ＷｕｈａｎＩｎｓｔ．Ｔｅｃｈ．Ｍａｒ．２０１３文章编号：１６７４－２８６９（２０１３）０３－００７０－０５多目立体视觉三维重建系统的设计章秀华，白浩玉，李毅（武汉工程大学图像处理与智能控制研究室湖北武汉４３０２０５）摘要：针对工业产品质量检测过程中产品三维表面的重建问题，提出一种基于多目立体视觉三维重建方法．设计了一套由八个直线分布的工业相机构成的三维重建系统方案．首先通过图像采集模块，在八个不同方向对目标物体进行图像采集．其次对采集到的图像进行预处理，其中包括图像背景抑制和目标物体分割．然后通过相机标定

2、模块，对八个相机进行标定，获得它们的内外参数，并结合Ｈａｒｒｉｓ角点检测及高斯差分检测算法对预处理后的图像实现特征点提取．在此结果上，再利用三角形法对提取到的特征点进行匹配和校正．最后采用泊松表面重建方法准确地获取和优化角点，并找到角点特征的匹配点，从而对物体进行三维表面的精确重建．实验结果表明，设计的系统能够重建出静止物体的局部三维表面，重建结果中的物体表面完整，结构清晰，表面上的字符重建完整，能够很好地进行识别．关键词：多目视觉；张正友标定；Ｈａｒｒｉｓ角点检测；高斯差分检测；泊松表面重建中图分类号：ＴＰ３９１．４文献标识码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６

3、７４－２８６９．２０１３．０３．０１５针对上述问题，笔者设计了一套基于多目的０引言立体视觉三维重建系统，以八个相机为例从不同随着现代工业生产制造加工工艺的不断进的角度采图，采用Ｈａｒｒｉｓ角点及高斯差分检测算步，产品加工过程的智能化和自动化程度进一步法实现特征点提取和立体匹配，结合泊松表面重提高．自动化生产线上的产品加工时，待加工完成建方法对物体进行三维重建．研究结果表明，本文进入下一个工序，都需要对产品进行基于视觉图方法有着较好的稳定性和准确性．像的检测．目前在一些工业生产领域，基于图像二１三维表面重建原理维视觉检测技术已初步应用在生产线上产品的视觉检测和自动监控过程中，

4、但二维视觉检测只能１．１图像获取对产品的相对位置、形态、产品标记等二维投影特三维重建的基础是平面图像的获取，通过获征进行判别和检测，是有限的局部的单视点投影取图像来得到图像的基本数据，如深度、物体相对视觉检测，无法对产品的三维特征和表面参数进位置等．获取图像的途径有很多，主要根据实验的行高精度的测量和三维形态识别，因此二维视觉场合和目的、光照条件、相机性能等因素来进行检测技术还远远不能满足现代工业生产发展过程选择．［１］中数字制造与智能制造和检测的需要．研究基１．２图像预处理于三维重建的非接触测量技术是产品数值化制造计算机视觉方法很少考虑基于成像物理过程及自动化加工过程的迫

5、切需要．基于计算机视觉［３］的预处理，一般假定成像条件是理想的．然而采［２］的三维重建技术，是指由两幅或多幅二维图像集的原始图像中通常含有多余的图像信号，所以来恢复出空间物体的几何信息．于是基于双目立对图像进行预处理是必要的．通过预处理，使得图体视觉的三维重建系统的研究得以发展，但是双像数据的信噪比得以提高、背景得到抑制，后续处目仅是用两个相机从不同角度进行采图，在成像理的压力也将减小．根据处理图像像素的方法，图过程中，一些有用的三维信息由于投影而丢失了，像预处理可以分为以下几种形式：点运算、邻域运使重建结果不够完整．算、并行运算、串行运算和迭代运算等．图像预处收稿日期：２

6、０１２－１１－１９基金项目：国家自然科学基金面上项目（５０９７５２１１，６１１７５０１３）；湖北省自然科学基金创新群体项目（２０１２ＦＦＡ０４６）；湖北省教育厅科学技术研究项目（Ｑ２０１２１５０７）作者简介：章秀华（１９７６－），女，湖北天门人，副教授，博士．研究方向：图像处理与模式识别．第３期章秀华，等：多目立体视觉三维重建系统的设计７１理的主要过程是：灰度化及平滑化．英寸ＳｏｎｙＣＣＤＩＥＥＥ１３９４ｂ相机、ＦＷＢ－ＰＣＩＥ－０２１．３相机标定图像采集卡和计算机组成，将ＣＣＤ传来的模拟图通过相机的图像坐标系与空间物体的三维坐像信号，通过图像采集卡转换为数字图像信号并标系

7、之间的关系，得到相机的参数的过程就是相传送给计算机处理．机标定．根据标定过程是否需要控制场将相机标２．２图像的预处理［４］定分为传统标定方法和自标定方法．传统标定要把目标物体从图像场景中提取出来，需要方法成本低，稳定性好，精度较高，但在某些情况将复杂背景除掉．首先采用多级滤波对背景进行下难以实现，如高危地区监测等，而自标定方法虽逐级抑制，把不相关的背景图像内容剔除掉，同时然解决了这个问题，但是存在着计算量大、稳定性将一些背景区域进行合并．然后，再根据图像特征差的缺点．建立合适的加权值计算模型以及找到合适的最优１．４