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(jì)算機(jī)視覺研究領(lǐng)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(yīng)用于三維非接觸測量、機(jī)器人導(dǎo)航和虛擬現(xiàn)實(shí)等領(lǐng)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(shù)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(shí)意義。論文圍繞雙目標(biāo)定技術(shù)、匹配策略與匹配算法、陰影消除等重點(diǎn)與難點(diǎn)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(diǎn)標(biāo)定在實(shí)際應(yīng)用中誤差大、容易退化等問題，提出了最優(yōu)正交消隱點(diǎn)標(biāo)定方法。該方法最少只需兩幅圖像，根據(jù)提出的消隱點(diǎn)優(yōu)化方法，每幅圖像提取最優(yōu)的兩對正交消隱點(diǎn)實(shí)現(xiàn)內(nèi)外參數(shù)標(biāo)定。首先，對單個攝像機(jī)先進(jìn)行線性求解求得主點(diǎn)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(jìn)行畸變校正;再提出優(yōu)化的差分進(jìn)化算法，以線形求解的內(nèi)參數(shù)為初值，直線的共線特征為約束優(yōu)化內(nèi)參數(shù);最后，根據(jù)轉(zhuǎn)換后

3、的4對消隱點(diǎn)坐標(biāo)，利用無窮單應(yīng)旋轉(zhuǎn)矩陣的正交約束條件，得到旋轉(zhuǎn)矩陣和平移矩陣。該標(biāo)定方法只需要攝像機(jī)拍攝模板平面在不同方向的圖像，模板可以自由的運(yùn)動，無需其運(yùn)動參數(shù)。雙目標(biāo)定的平均重構(gòu)誤差為0.598pixel，跟傳統(tǒng)方法標(biāo)定誤差相當(dāng)。該標(biāo)定算法重構(gòu)誤差與傳統(tǒng)算法在一個級別，能滿足標(biāo)定中穩(wěn)定可靠、精度高、抗干擾能力強(qiáng)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(yīng)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(yù)分割區(qū)域，計(jì)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(shí)現(xiàn)自適應(yīng)合并。實(shí)驗(yàn)結(jié)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(zhǔn)確，采用自適應(yīng)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(diǎn)。
　　(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(jìn)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(zhǔn)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(xùn)練和預(yù)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(shí)驗(yàn)結(jié)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(jié)合的立體匹配算法。該算法首先利用相機(jī)內(nèi)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(diǎn)作為約束完成校正，保證校正后的圖像同名點(diǎn)有相同的縱坐標(biāo);再利用FSAD算法，計(jì)算原始視差圖;為了更好的提取圖像邊緣，對原始圖像進(jìn)行Meanshift圖像分割，優(yōu)化原始視差圖得到最終視差。實(shí)驗(yàn)結(jié)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(jì)算端面的長徑和短徑，尺