论文部分内容阅读
随着计算机图像处理技术的飞速发展,对物体三维信息的提取在工业、家用电器等各个领域中显得尤为重要。结合激光技术和光电子技术等多种技术的优点,光学三维测量技术达到了非接触性、无破坏性、精度和分辨率高以及较快测量速度的特点,因而倍受各个领域关注,特别在重要文物、弹性塑性材料、人体等一些特殊测量目标的领域。但也存在着一些不足,如有些光学测量方法提高了精度,但速度达不到应用的要求;而有些方法在速度上达到了要求,则需要以精度为代价。为了解决这个问题,根据神经网络的特点及同一点相位相同原理,提出了一种新的基于神经网络的光学三维测量方法。本文根据光学三维测量的实现过程主要研究了以下几方面内容:首先,分析了光学三维测量技术的研究现状,根据当前光学三维测量技术的不足,提出了一种方法对其进行改进;其次,根据神经网络能够描述难以用数学模型的特点和目前常用的摄像机标定方法,将神经网络引入摄像机标定。通过比较两种经典的网络模型,根据RBF能够以任意精度逼近函数的特点,提出了基于RBF神经网络的摄像机标定方法;再次,通过对立体视觉原理和匹配算法的研究根据图像上同一点相位相同原理,在相位匹配的基础上,提出了基于双向相位的立体匹配方法;最后,利用该方法进行三维测量模拟实验,主要包括摄像机标定、立体匹配以及三维重构三部分。在利用RBF网络进行摄像机标定时,为了得到较高的精度,使用Harris角点检测法和张氏标定法得到网络的样本;在进行立体匹配时,为了提高匹配速度,对被测物体投射纵横双向条纹得到其相位值,并利用该方法与极线最短距离进行了比较。通过使用本文方法得到的重构效果图可以看出具有较好的实验结果。