论文部分内容阅读
在以“中国智造2025”为战略方针的时代大背景下,计算机视觉技术开始广泛应用于现实生活中,而双目视觉测量技术作为其中的一个重要分支,也得到了快速的发展。在双目视觉测量方面,测量误差一般来源于两部分,其中一部分是由于相机标定过程中标定精度不高所导致的,另一部分则是由于匹配过程中匹配精度不高所导致的。因此在双目视觉测量技术中,相机标定与图像匹配技术的好坏尤为重要,本文在国内外对双目视觉测量技术的研究基础上,主要对相机标定及参数优化方面、畸变图像校正方面与图像匹配方面做出一定的研究,并通过实验仿真以此验证所研究方法的可行性与准确性,最后在此基础上提出一种双目视觉测量方法,提高了测量精度,测量误差得以校正。本文为了提高测量精度,降低测量误差,在对双目视觉测量技术的研究过程中,主要研究内容如下:(1)为了提高相机标定的精度,本文提出了一种基于分段选择策略与随机抽样相结合的自适应遗传模拟退火算法,对相机参数进行优化。该方法在优化相机参数的过程中,首先通过张正友标定算法得到相机参数的初始值,然后利用所改进的遗传模拟退火算法(improved genetic-simulated annealing algorithm,IGASA)对参数进行非线性优化,最后通过仿真实验验证了算法的可行性,与现有算法相比,算法精度与运行效率都有所提高。(2)在图像畸变校正方面,传统校正算法需要建立畸变的数学模型,而畸变模型只能近似描述标准图像与畸变图像之间的关系,同时传统校正算法存在计算量较大的弊端,因此本文提出一种基于分段选择策略与随机抽样相结合的自适应遗传模拟退火算法的BP神经网络畸变校正算法(改进的GA-SA-BP算法)来对畸变图像进行校正。该算法无需建立畸变的数学模型,同时算法中使用改进遗传模拟退火算法来优化BP神经网络的权值与阈值,弥补神经网络容易陷入局部极值的不足。与现有算法相比,提高了精度,也减少了迭代次数。(3)在图像匹配方面,为了提高匹配正确率与时间效率,本文提出改进的多尺度Harris-SIFT匹配算法,该算法首先采用改进的多尺度Harris角点检测算法提取图像中的特征点,接着采用改进的36维特征描述子对特征点进行特征描述,再接着采用基于欧式距离与余弦相似度算法相结合的双向匹配策略对特征点进行匹配,最后使用RANSAC算法进行精匹配,消除误匹配点。实验表明,改进的算法与现有算法相比,在时间效率与匹配正确率上均得到了提高。同时在测量方面,首先通过左右图像中所匹配的特征点对计算出该点的三维坐标,然后通过点与点的距离公式计算距离,最后与真实值做误差分析,验证本文提出的方法满足了测量所需的精度要求,与现有测量方法相比,提高了测量精度。