论文部分内容阅读
为了实现基于机器视觉的铸件毛刺自动检测与识别,提出一种基于单目多视点图像的铸件三维重建方法。该方法对于计算机视觉、工业自动化、机器视觉检测等领域有着非常广泛的应用。 采用智能手机围绕固定不动的带有毛刺的铸件旋转一周,进行多视点拍摄,获取一组图像序列。以该组图像序列作为二维图像源进行三维重建方法研究。具体研究内容包括:首先,对每两个相邻图像进行特征点提取与匹配。针对SIFT(Scale Invariant Feature Transform)粗匹配存在较多误匹配点的问题,本文提出了“两步匹配法”,将距离测度方法与相似性函数法相结合,在欧氏距离的基础上再添加向量空间余弦相似度约束条件,剔除误匹配点对,可以剔除76%的误匹配点对,压缩了冗余数据,提高了后续三维重建的效率。其次,采用SFM(Structure from Motion)算法对特征点进行稀疏点云重建。该算法不需要对相机进行事先的标定,仅仅需要分析多幅图像之间的几何关系和特征点对之间的对应关系,就可以计算出相机的位置信息和铸件的三维稀疏点云模型。然后,对稀疏点云进行多视角密集匹配完成点云的稠密重建。最后,对稠密点云进行表面纹理重建,在该过程中本文采用泊松曲面重建算法,把点云数据的曲面重建问题转化为求解泊松方程的问题来获得具有良好水密性封闭特征的最佳拟合表面,最终获得具有良好的表面特征和细节特征的目标物体三维重建模型。 对带有毛刺的铸件通过单目视觉获取了40幅图像序列,并进行了三维重建。实验结果表明,通过本文提出的方法,能够提高三维重建的效率,重构出铸件三维表面的细节特征,重构表面光滑。单目视觉装置简单,成本低,所需空间小,无需对相机与目标的相对位置进行预先标定,适用于机械加工环境下零件的三维表面重建。