论文部分内容阅读
机器视觉被称为自动化的眼睛,在国民经济、科学研究及国防建设等领域都有着广泛的应用。机器视觉的一个很重要的目标就是从二维图像中恢复出场景的三维坐标数据,重构三维场景。在三维场景重构过程中,一个众所周知的难题就是场景图像上匹配点的不确定性问题。通常解决该问题的一种有效的方法是采用结构光主动视觉技术。要想仅用一幅图像,在摄像机系统参数未知且可变的条件下,不需标定,在真正的三维欧氏空间重构三维场景,最有效的方法是采用编码结构光照明主动视觉技术及其装置。因此,选择合适的编码结构光照明方法,解决场景图像上特征点匹配和图像解码问题,是三维场景重构中的一个极其重要的理论与技术问题。 本论文利用机器视觉不标定欧氏重构三维场景的理论、图像处理方法和数学知识,研究了基于彩色伪随机编码的图像识别技术。论文中叙述了伪随机编码原理及其投影系统,用角检测方法提取由未标定摄像机拍到的彩色伪随机编码图像各特征角点的坐标,解决三维表面重构时图像解码问题。通过色彩分析获得一个由编码特征点组成的窗口子阵列,然后根据伪随机编码窗口唯一特性,用神经网络来确定所提取的编码特征点在整个伪随机编码模板中的位置,这样,图像中的每一个特征点都可以被唯一地辨识,解决了机器视觉中物体三维表面重构时图像上匹配点的辨识难题。对于彩色伪随机编码图像特征点坐标的提取精度关系到后续的不标定重构三维场景的重构精度,图像识别的结果能为机器视觉的后续处理提供约束条件和直接依据。