论文部分内容阅读
计算机视觉三维重建技术的研究是计算机视觉学科的一个重要领域,有助于实现非接触三维测量与快速建模。随着对机器视觉研究的深入,机器视觉的应用已经推广到了各个领域,特别是在智能交通领域的发展更为迅速。桩考是机动车驾驶人考试程序中的一个重要部分,利用计算机视觉技术、图像处理技术、模式识别等研究移动机器人监视车辆考试过程,通过移动机器人检测识别与自动判定运动车辆状态,实现桩考智能化,具有一定的理论意义和实用价值。本文以机动车桩考环境下的车辆场景为研究对象,以计算机视觉理论为基础,研究利用双目立体视觉技术,在非特定环境条件下,对机动车桩考环境下的车辆场景进行三维测量与重建,以解决二维图像检测方法由于深度信息的缺失而造成的误判问题。由此,本文主要对双目立体视觉车辆场景重建技术中的摄像机标定、立体匹配和三维重建等内容做了如下研究工作:1、采用线性和非线性标定结合的方法标定摄像机参数,首先利用直接线性转换模型得到投影矩阵,再通过约束条件分解参数矩阵,分别求出摄像机内部参数,然后将得到的标定参数作为初值,代入非线性方程进行优化,得到精确标定参数。实验证明,本文方法精度与张正友法相近,速度优于张正友法。2、提出了基于小波金字塔的立体图像对多分辨率分层匹配方法,利用小波分解获得图像金字塔,形成由粗到精的分层匹配,以低分辨率下的匹配点作为高分辨率图像匹配的约束。提高匹配速度,降低误匹配率。利用MATLAB平台进行了仿真研究,验证了该匹配算法,获得了较致密的深度图。3、采用平行放置的双目视觉系统对图像进行采集和三维重建,大大减少了运算量,完成三维实体边缘的快速重建,验证了此项技术在基于计算机视觉的机动车驾驶人自动桩考系统中的可行性。论文研究表明:基于双目视觉的车辆场景三维重建具有信息丰富、直观的特点,可以提高考试的公平性和客观性。