基于相位映射的双目视觉缺失点云插补方法

利用单相机中已获得的可靠相位数据,提出一种双目视觉相位匹配中的视差孔洞数据插补方法。该方法在测量系统的标定阶段只需增加一个平面相位和高度数据作为参考,利用数据缺失区域周围有效像素点的三维点云,及相对于参考平面的相位和高度差建立隐式相位-高度映射关系,然后由单相机可靠相位数据实现孔洞区域的点云重建插补。对标准件进行缺失点云插补实验,重建精度为0.07 mm。对人脸面具和葫芦模型进行双目测量和孔洞插补实验,结果证明该方法可以很好地补全遮挡区域缺失的点云。     

智能手机与微型投影仪结合的人体局部特征三维建模

将三维重建技术应用于医学整形领域,为医生提供可供参考的术前准备数据是辅助医学的有效手段。当前的三维扫描仪成本高、寿命短、结构尺寸大、维护困难,不利于该技术在医学整形领域的普及。提出一种基于智能手机摄影测量的人体局部特征三维成像方法,结合微型投影仪投射散斑图形至待测物体表面,智能手机采集下调制后的散斑图形,与事先准备好的散斑模板图形之间,利用图像局部灰度相关性进行匹配,实现三维模型重建,并通过多视角点云拼接技术恢复完整三维模型。提高了重建的效率和便捷性,以及具有低成本、操作简单的特点。以人体模特局部特征作为待重建表面,实现了弱纹理连续曲面的三维重建。实验结果表明该方法三维曲面重建平均误差为0.43mm、标准差为0.30mm,可满足实际测量的需求。     

基于双目光栅重建和纹理映射的缺陷三维测量方法

针对工业检测中对表面缺陷的高精度检测和定位需求,提出了一种缺陷特征重建方法。通过在基于双目光栅投影的三维重构系统上附加纹理相机,实现对于重构点云模型的纹理映射,并结合纹理相机图像中提取到的特征区域,完成表面特征的三维重构。针对待测物体需要进行多视角重建的情况,引入精密转台,利用旋转轴标定方法获取不同旋转位置下纹理图像与点云数据的映射关系,并利用基于距离判据的判断方法实现了对遮挡部分点云的剔除。采用四象限临近点搜索和基于距离加权平均的线性插值方法对纹理图像中像素坐标进行三维测量。实验完成了对于图像中标注缺陷轮廓内像素点的重建,实现了对于表面特征的精确尺寸计算和定位,通过对重建的缺陷尺寸和位置进行计算并与影像测量仪测得结果进行对比,可得本文方案对缺陷三维尺寸和位置的测量误差不超过0.2 mm,且能更准确地计算缺陷面积。     

基于柔性靶标定位实现图像拼接的多相机三维测量系统

提出一种基于柔性靶标定位实现图像拼接的多相机三维测量系统,采用一个激光投影仪投影大幅条纹,多相机分布式采集的方法扩展视觉三维测量系统的测量范围。标定过程首先使用小型平面靶标标定基准相机二维图像坐标和相位值到三维世界坐标的映射关系,之后在相邻相机部分视场(FOV)重合的前提下,利用柔性靶标定位标定相邻相机图像坐标的转换关系,最后将各个相机的图像坐标全部转化到基准相机的图像坐标系下完成图像拼接,由基准相机图像坐标到世界坐标的映射完成全局三维测量。实验结果表明,使用图像拼接方法的测量精度略低于相机单视场测量的精度,但精度损失较小,满足工业在线测量的要求。该方法避免使用昂贵的辅助测量仪器和加工高精度大型靶标,为多相机视觉测量提供了成本低、使用方便的解决方案。     

一种新的截断线及标志点处缺失相位插补方法

在基于相位信息的三维面形测量中,为了得到正确的相位展开而引入的截断线和为了便于三维拼接而附加在物体表面的标志点都会造成其覆盖区域的相位缺失,需要进行人为地插补修复。一种新的缺失相位插补方法——八方向梯度估算法,通过计算待插补点周围八方向梯度和其八邻域内的相位平均值,可估算出缺失的相位。与其它常用缺失相位插补方法相比,该方法运算速度快、插补效果好,运算过程无需人为参与,便于计算机自动实现,尤其适合于插补倾斜相位面上的较大标志点,有助于提高相位重建质量和在此基础上的三维面形重建质量。     

基于光场深度序列的大视野图像拼接算法

针对现有光场深度重建算法只能获取单一视角深度信息,三维建模应用受限的问题,提出一种大视野图像拼接算法。该算法基于三维光场重建的深度图像序列,采用双边滤波及插值算法对图像进行去除噪声,利用基于边缘曲率极值的角点检测算法,并通过最小曲率偏差的列间度量匹配实现了图像之间的精确配准,采用改进的加权平均方法对重叠区域进行融合操作,既保留图像细节又拓展图像视野。实验结果表明,该算法能够有效实现光场深度图像序列的平滑拼接,有利于形成大视野深度数据,为大场景的三维重建奠定了基础。     

基于单应性矩阵的大尺寸零件视觉测量图像拼接方法

针对视觉检测技术对大尺寸复杂零件测量精度低的问题,提出一种基于单应性矩阵的大尺寸零件视觉测量图像拼接方法。首先建立世界坐标系→相机坐标系→投影坐标系→图像坐标系之间的归一化模型,提炼出简单易懂的坐标变换表达式H;然后对摄像机进行多次标定,确定像素当量、拍摄视场及焦距;再获取零件图像,利用前面得到的最简坐标表达式H得到拼接图像之间的配准,最后完成若干副图像的拼接,把拼接结果和SURF特征点方法及向后映射模型归一化的拼接结果进行比较。结果表明,该方法可以大大减少大尺寸零件拼接的时间,较SURF特征点方法和向后映射拼接用时分别降低86.55%和67.30%,拼接精度远高于SURF特征点方法和向后映射方法,分别提高了50.95%和25.08%,测量精度满足大尺寸零件检测精度要求。     

基于光学三维形貌数字重建的不规则表面的参数测量

针对不规则形状物体表面参数测量困难的问题,提出了一种利用光学三维形貌数字重建技术来获取待测物体表面三维数字信息的方法。首先利用傅里叶变换得到反映三维物体表面高度的相位数据,在计算机中重建三维待测物体,然后再利用Matlab软件编写面向用户的人机交互界面,通过计算机鼠标指定待测量的表面区域,最后运用Matlab软件对鼠标所指定区域的三维数字信息进行处理,根据几何关系计算出指定区域的表面积、两点间的曲线长度等参数,实现人机交互式的非接触测量。     

多视高分辨率纹理图像与双目三维点云的映射方法

针对双目立体视觉重建点云模型与高分辨率纹理图像的融合问题,本文提出了一种新的纹理映射方法。在双目立体视觉系统上增设长焦纹理相机拍摄高分辨率纹理图像,利用高分辨率纹理图像与双目图像的二维特征匹配,以双目图像为桥梁,得到纹理图像与三维点云模型的匹配关系,进而实现高分辨率纹理图像到三维点云模型的映射。同时,针对映射过程中多视纹理图像重叠部分的数据冗余,提出一种引导线点云数据分区方法,有效解决了多视纹理图像重叠部分的映射问题。通过实验验证,所提方法能够方便准确地实现多视纹理图像与双目三维点云模型的纹理映射。在本文实验条件下,三维模型的纹理可分辨原始线宽为0.157 mm的线对,与双目系统直接产生的三维模型相比,其纹理分辨率提高了1倍,验证了所提出的多视高分辨率纹理映射方法的有效性。     

基于标志点的三维拼接立体偏折法

立体偏折法作为一种非接触式镜面表面三维测量方法,近年来发展迅速。为了解决传统立体偏折法难以测量较大倾角曲面的问题,提出了一种基于标志点的三维拼接立体偏折法。先利用立体偏折法测量不同视角下的曲面子区域的三维点云,同时通过立体视觉测量样品台上标志点的三维坐标,使用标志点坐标进行粗拼接,再通过迭代最近点算法进行精拼接,最终重构出完整的三维面型。实际搭建了一套三维拼接立体偏折测量系统,测量了一个倾角25.8°的光滑凸球面反射镜,拼接后球面拟合误差在3μm以内。实验结果验证了方法的可行性,对立体偏折法应用于大口径和大倾角的复杂光学曲面三维测量具有借鉴意义。     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

基于几何特征和图像特征的点云自适应拼接方法

多视点云拼接技术是物体三维测量过程中的重要环节。现有的无标志点三维点云自动拼接方法在对不同表面进行测量拼接时稳定性较差。针对此问题,提出了一种基于几何特征和图像特征的点云自适应拼接方法。该方法建立了一个配准算法选择模型,通过引入配准算法判断因子来综合评价物体表面的几何、纹理复杂程度,从而系统可根据判断因子自适应地选择合适的配准算法,实现基于几何特征配准和基于图像特征配准的有机结合。并在特征点匹配过程中,采用随机抽样一致(RANSAC)算法对误匹配特征点进行剔除。实验结果表明,该方法可实现不同表面的稳定点云拼接。     

利用散斑嵌入条纹和查找表进行三维面形测量

为了快速、准确地重建复杂场景的三维面形,提出了一种利用散斑嵌入相移条纹图案和截断相位-高度查找表的三维面形测量方法。将散斑作为辅助信号嵌入到四步相移条纹图案的相位分布中,得到待投影的复合条纹图案。利用相移算法解调出被测物体的截断相位和额外的散斑信息。利用查找表得到截断相位对应的多个候选高度,再利用散斑对条纹周期进行标记以解决高度歧义问题,唯一确定截断相位所对应的正确高度,以实现被测物体三维面形的快速重建。该方法直接从截断相位信息中重建三维面形,无需投影任何附加图案,也无需进行相位展开。理论分析和实验结果表明,该方法可以实现动、静态复杂场景三维形貌的高精度测量且鲁棒性好。     

条纹投影相位高度转换映射模型及其标定方法

为了提高条纹投影三维(3D)测量系统的测量速度和准确度,提出了一种改进的相位高度转换映射模型。通过建立虚拟相机坐标系以及分析条纹信息在投射器坐标系与相机坐标系之间的转换关系,在相机坐标系中建立了从相位到高度的一一映射模型,并在映射模型中校正了相机镜头的畸变。该模型结构简单,便于结合查表(LUT)法使用。应用查表法后,模型算法复杂度极低,可以应用在高速测量中。同时,提出了一种针对映射模型的标定方法,并在相机标定过程中利用逆向投影优化过程对相机的参数进行迭代优化。标定方法简单高效,不需要参考平面,且对系统中的相机和投射器的相对位姿没有严格的要求。实验结果表明所提映射模型及标定方法可以实现快速准确的三维测量。     

基于相位追踪的水中物体三维面形测量

提出一种基于相位追踪和光线迫迹算法测量水中物体三维形貌的新方法.该方法利用正弦面结构光来记录物体的三维面形数据,首先由投影仪投出止弦条纹图来调制淹没于水中物体的三维信息,摄像机拍摄获得物体表面的变形条纹图,然后利用相位追踪算法确定投影条纹和变形条纹之间的对应点,最后对相应的匹配点对进行光线追迹计算后,可以恢复出物体的三维形貌.由于使用面结构光进行测量,无需移动装置来实现对物体的一维或二维全场扫描,这样既节约了经济成本又缩短了测量时间.利用该方法进行了实际测量,得到了较好的重建结果,证明了本方法的正确性和可行性.     

相位解码的时-空重建算法

基于相位映射的三维传感技术对几何形状和拓扑结构复杂或表面梯度很大的物体进行绝对相位测量及相位重建仍然是一个困难的问题。近年来国际上提出了一种时间维度相位重建算法可以对此提供一种解决方案。然而,该算法对结构光照明系统提出了很高的要求,当系统无法满足算法要求时,重建结果存在严重的噪声。针对这一问题,提出了一种利用分段函数构造的相位解码的时空重建算法。该算法在相位重建过程中同时考虑时间维度和空间维度相位的相对关系,使得空间频率非严格按指数增长的条纹序列可以得到正确的重建,消除了跳变边界的相位模糊问题,从而可以更加有效地解决深度表面不连续和存在相互孤立物表面拓扑结构的景物相位重建问题。实验结果证明了此算法的可行性和有效性。     

相位拼接技术在数字全息中的应用

在确保较高分辩率的前提下,提出了一种相位拼接技术以解决数字全息技术中扩大测量面积的瓶颈问题.在全息数字图记录过程中,确保相邻子孔径间具有重叠区域|拼接中采用相关算法确定重叠区域,并利用再现像重叠区域具有相同信息的特点使用最小二乘方法消除由于孔径的移动所产生的倾斜误差| 相关计算和最小二乘反复迭代把相邻再现像精确统一到一个坐标系下,从而实现测量面积的扩展.以平面物体的测量为例建立了数字全息相位拼接技术的理论模型,完成了对相位物体的2×2拼接模拟,并在对标准相位板2×2的拼接实验中获得了较好的拼接效果.     

相位拼接技术在数字全息中的应用

在确保较高分辩率的前提下,提出了一种相位拼接技术以解决数字全息技术中扩大测量面积的瓶颈问题.在全息数字图记录过程中,确保相邻子孔径间具有重叠区域;拼接中采用相关算法确定重叠区域,并利用再现像重叠区域具有相同信息的特点使用最小二乘方法消除由于孔径的移动所产生的倾斜误差;相关计算和最小二乘反复迭代把相邻再现像精确统一到一个坐标系下,从而实现测量面积的扩展.以平面物体的测量为例建立了数字全息相位拼接技术的理论模型,完成了对相位物体的2×2拼接模拟,并在对标准相位板2×2的拼接实验中获得了较好的拼接效果.     

无需系统标定的三维视觉重建北大核心CSCD

为了解决传统三维重建需要依赖系统标定信息的问题,提出了一种基于相位图的不需要系统标定信息的三维视觉重建算法。首先使用结构光测量技术获得被测物体表面的相位图,再利用相位图的横向和纵向空间扭曲特性计算物体表面相对深度信息,最后实现被测物体的三维视觉重建。这种方法可以用在无法进行标定或无法获取标定信息的场合。实验结果表明,当被测物体表面结构简单时,这种方法的三维视觉重建效果较好。并通过对比传统三维重建结果验证了该方法的有效性。     

三维形貌柔性测量系统标定方法及验证

为了避免机器人模型误差对三维形貌柔性测量系统手眼标定的影响,对手眼关系的标定方法进行了研究。提出了一种融合特征点拟合的手眼标定方法。将三维形貌扫描仪安装在工业机器人末端搭建三维形貌柔性测量系统。标定时,首先利用激光跟踪仪对工业机器人末端法兰盘坐标系进行测量,得到两者转换关系;然后,利用三维形貌扫描仪和激光跟踪仪对空间固定的特征点组进行测量,利用特征点约束和基于罗德里格矩阵的算法求解两者转换关系即可间接地求解出手眼关系。基于ATOS三维扫描仪、安川HP20D机器人和API公司生产的激光跟踪仪进行了手眼标定实验,并进行了精度验证。结果表明:标定后的三维形貌柔性测量系统,其重复性测量精度(3σ)不超过0.1 mm,长度测量精度的均方根误差在0.2 mm以内,点云拼接精度优于±0.7 mm。该方法有效避免了传统手眼标定过程中会引入机器人模型误差的问题,在求解手眼关系解时采用了线性的解法,并且适用于三维形貌柔性测量系统。