论文部分内容阅读
利用计算机视觉技术实现农产品的自动筛选已经得到一定程度的应用。通过物体的形状、纹理差异等特征值的差异，已经实现了对大麦、小麦等不同种类物体的高效分选。通过物体二维彩色图像的色彩分布、规格大小等信息实现了同类物体的品质检测与度量。然而，对于西瓜子这类不规则扁平状颗粒体，由于其除具有规格较小、表面色泽分布不均匀等特征外，瓜子表面整体形态还具有一定的弯翘性，所以现有方法仅通过物体的大小、长宽比、表面色彩分布等特征，而没有考虑到瓜子形态弯翘程度的分选具有一定的局限性。
本文利用计算机视觉技术对瓜子等扁平颗粒体表面弯翘度特征的提取与表示进行了研究，提出了一种瓜子类扁平颗粒体表面弯翘性的表示方法，以解决当前瓜子类扁平颗粒体筛选时的特征域局限性问题。本文的主要研究内容如下：
(1)根据课题的当前设计框架，对双目立体视觉技术进行了研究，通过理论分析与实验结果比较，提出了一种基于OpenCV的标定流程优化方案，以提高立体摄像头的标定精度与效率。
(2)由于立体匹配结果将直接影响三维点坐标的计算，因此将待匹配的立体图像对进行灰度直方图均衡与去噪声等预处理，以提高立体匹配精度。对现有立体匹配方法进行分析与实验验证，最终提出一种适合瓜子类扁平颗粒体的匹配方法。
(3)对三维重建后的点云数据进行分析，针对无匹配点而导致的瓜子表面孔洞问题，研究通过三角划分的方法，对孔洞进行修补。通过对孔洞修补后的点云数据进行分析，提出了一种骨骼线与局部曲率尺度空间相结合的方法，来度量其弯翘性与形态规范性。
(4)最后，利用OpenGL将三维重建后的点云数掘进行三维可视化，以满足对三维重建效果的验证及生产中抽检等需求。