基于計算機視覺的高精度測量方法研究及應用.pdf

1、基于計算機視覺的高精度測量是計算機視覺研究領域的熱點課題之一，隨著計算機視覺理論研究的不斷深入以及成像設備性價比的不斷提高，基于立體視覺測量理論的非接觸式高精度測量方法得到了研究人員的極大重視，并在公共安全、交通運輸以及國防軍事等領域得到了廣泛的應用。
　　本文從立體視覺測量理論研究出發(fā)，針對鐵路現(xiàn)場基礎設施幾何結構非接觸式高精度測量的迫切需求，重點研究基于場景三維結構重建的高精度三維測量方法，包括標志點定位、特征點提取以及特征點

2、三維重建等關鍵技術，并提出基于計算機視覺的鋼軌爬行位移測量方法，構建了鋼軌爬行位移測量圖像數(shù)據(jù)集，通過大量現(xiàn)場實驗數(shù)據(jù)驗證了方法的有效性，能夠滿足鋼軌爬行位移高精度測量的實際需求。本文的主要工作及研究成果包括:
　　(1)提出了一種基于深度學習的環(huán)狀編碼標志點兩步精確定位法，該方法分為兩個階段，首先以鋼軌爬行位移測量圖像為訓練集訓練R-FCN模型實現(xiàn)標志點的初定位，然后通過基于灰度質(zhì)心的標志點精確定位算法實現(xiàn)圖像中標志點的精確定位

3、。在現(xiàn)場圖像數(shù)據(jù)集上的實驗證明，該算法顯著提高了復雜場景中標志點的檢測正確率和定位精確率，為下一步標志匹配點的檢測和識別奠定了基礎。
　　(2)提出了一種基于角點空間結構特征描述的多匹配點提取算法，該算法以標志點中心為參照定位點，檢測亞像素級角點空間結構特征，并以此對角點進行編碼。與傳統(tǒng)的單個標志提取單匹配點算法比較，本文算法將單個標志的匹配點提取數(shù)量擴大了4-28倍，為多視角姿態(tài)參數(shù)估計提供了更多的匹配點。在現(xiàn)場圖像數(shù)據(jù)集上的實