基于随机点与尺寸不变特征算子的曲面点云拼接技术

发布时间：2021-10-09 00:05

　　伴随着计算机的不断发展,利用机器视觉对物体进行测量的益处变得愈发明显。利用双目视觉的方式进行检测拥有高精准、强鲁棒的特点,符合对测量物体的高精度需求。正是因为这样的特性,使得该项检测技术成为目前发展较快的技术之一。由于测量物体可能是曲面或者测量尺寸较大,在保证分辨率一定的情况下,由于摄像机视场的原因没办法通过一次拍摄得到完整的参数信息。所以如何较好的进行点云间的拼接,将多次拍摄的物体参数进行统一整理就成了测量曲面物体的一个重要环节。本文主要研究了双目立体视觉检测系统中的点云拼接技术。通过分析曲面拼接技术的原理与双目视觉检测方式,搭建了基于随机点的双目立体视觉曲面点云拼接系统。通过对低纹理、光滑的曲面加入了基于随机点的灰度变化信息从而增加了得到的特征点数量。特征点数量的增加对点云拼接的粗拼接起到积极的作用。通过采用八叉树的方法对双目视觉系统得来的离散的点云进行体素化,得到可以类比于二维图像像素的体素。通过利用SIFT算子（Scale-invariant feature transform）从融入了随机点信息的点云中提取特征点。根据提取到的特征点进行曲面点云的粗匹配。利用针对传统ICP（I... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

焦距与视野角度的关系

第2章尺寸不变特征算子特征点的生成6第2章尺寸不变特征算子特征点的生成2.1图像中的SIFT算子生成经过点云的体素化过程，可以将三维的点云所在的体素近似的看成二维图像的像素。尺寸不变特征(Scale-invariantfeaturetransform)，以下简称SIFT算子，是一种运用局部特征来寻找空间尺寸内极值点的方法。利用此算子可以得到这个特征点的位置、尺寸、旋转不变的参量。SIFT算法是1999年Davidlowe首次提出，并再2004年进行的大规模的总结。该算法的优点之一是因为根据物体本身的一些局部特征、外观特点来进行寻找，所以和影像的大孝旋转的角度无关。同时对于外部的干扰条件比如光线、噪音，甚至是视角的改变都有很好的兼容性与鲁棒性。SIFT算子之所以既可以保持在旋转、尺寸的放大与缩孝亮度的变化过程中有很好的不变性的同时又对视角的改变、外部的噪音、仿射变换有一定的鲁棒性，是因为SIFT提取的特征点是局部特征点。算法的第二个明显优点是即使少数的物体也会有很多的SIFT特征向量，从而会产生大量的SIFT特征点。图2.1是选择了三幅不同的二维图片利用SIFT、Surf、Harris算法提取的特征点。表2.1则是统计了特征点的数量。图2.1SIFT，Surf，Harris特征点的图像

第2章尺寸不变特征算子特征点的生成9………………….(2.1)其中表示正态分布的标准差。当标准差越大的时候，说明图像被处理的越模糊，如图所示2.3所示。图2.3原图，，，的卷积运算图其中代表模板元素到模板中心的距离，这里称为模糊半径，例如二维的图片大小为，则模板上的元素的对应表达式为公式（2.2）………….(2.2)其中的取值为正整数。同理，假设是体素化的三维空间点云大小为，则模板元素的取值也为正整数且对应表达式公式（2.3）。………….(2.3)如图2.4是二维空间的高斯分布图，图2.5是三维高斯分布图。不同的颜色域代表不同的权重比例。


本文编号：3425240