当前位置:首页 >> 机械/仪表 >>

基于激光检测的三维特征区分和提取技术研究


毕业设计(论文)报告纸 编号

南京航空航天大学

毕业设计
题 目 基于激光的三维检测特征区 分和提取技术研究

学生姓名 学 学 专 班 号 院 业 级

党林涛 050730110 机电学院 飞行器制造工程 0507301 程筱胜 教授

指导教师

/>二〇一一年六月
I

毕业设计(论文)报告纸

南京航空航天大学 本科毕业设计(论文)诚信承诺书
本 人 郑 重 声 明 : 所 呈 交 的 毕 业 设 计 ( 论 文 )( 题 目: )是本人在导师的指导下独立进行研究所取得的

成果。尽本人所知,除了毕业设计(论文)中特别加以标注引用的内容外,本 毕业设计(论文)不包含任何其他个人或集体已经发表或撰写的成果作品。

作者签名: (学号) :



月 日

II

毕业设计(论文)报告纸

基于激光的三维检测特征区分和提取技术研究
摘 要
现代科技的飞速发展,对三维测量技术提出了越来越高的要求。线结构光三维检测技术 是测量物体表面轮廓最普遍的方法之一,由于该方法具有大量程、非接触、速度快、测量精 度适中、光条图像信息易于提取等优点,在工业检测中得到了广发应用。对线结构光测量技 术的研究,对军事、工业等领域的发展都具有重大的意义。 本文论述了线结构光测量系统的原理和系统组成,描述了系统的测量过程,介绍了图像 处理的步骤,分为滤波与二值化处理,光条中心提取,并对每个部分的处理方法进行了分析。 本论文介绍了一套结构光测量系统装置,对实际物体进行实验测量,并且拍摄一系列图 像,从中挑选一些典型的图像使用 VC++软件编写程序进行处理。通过采用不同的方法对图 像进行去噪与二值化的处理,通过对比,选取效果较好高斯滤波的方法处理图像。对光条中 心提取处理过程,选择比较简单的几何中心法,处理后提取出了光条中心的二值化图像。然 后,通过对图像处理将提取的单像素条纹进行扫描处理,通过最小二乘法拟合直线,从而得 到所需的物体表面的参数数据。最后对所得的数据进行进一步处理,得到相对准确的数据。 实验结果表明,对物体表面特征的识别和处理效果比较好,达到系统的设计要求。

关键词:线结构光,

图像处理, 像素, 最小二乘法

III

毕业设计(论文)报告纸

The research of the feature distinguish and extraction technology based on laser 3D detection
Abstract
With the rapid development of modern science and technology,higher and higher petitions of 3D technology have been asked. Linear structured light 3d detection is one of the most popular ways for measuring objects surface profile. Because the method of linear structured light has been found wide applied for its advantages of wide range, wide field of view, high accuracy, simple principle and simple structure.The research on the method of linear structured light is of great importance in the area of military, industry, and so on. This thesis described the principle and the make up of linear structured light measurement system. Then generally introduced the four sequences of image processing and calibration,including filtering and binarization, light stripe centre extraction, shape recognition and calibration. On the basis of these theories,this thesis introduced a measurement system of linear structured light, used it to carry out the experiment, and took a series of images of measured objects. Choose some typical images and use VC++ to write software program for processing. By using different methods to do image denoising and binary processing, through comparing, choose the better effects ganssian filter method to deal with the image. The center extraction process of the light stripe choose the relatively simple geometric center method, then we get the binary image of the light stripe center. Then we scan the single pixel image by the image processing, through the least squares method fitting lines, thus we obtain the surface parameters’ data for require. Finally get relatively accurate data by the data of income for further treatment. Experimental results show that surface characteristics of objects of recognition and processing effect is good, achieving system design requirements.

Key Words:Linear structured light; Image processing; Pixel; Least square method
IV

毕业设计(论文)报告纸





摘 要 ...................................................................................................................................................................... III ABSTRACT .......................................................................................................................................................IV 第一章 绪论 ...................................................................................................................................................... - 1 1.1 课题背景和意义 ....................................................................................................................................... - 1 1.1.1 光学三维测量技术背景与意义.................................................................................................. - 1 1.1.2 线结构光测量系统的研究现状.................................................................................................. - 2 1.1.3 本论文的主要内容 ......................................................................................................................... - 3 第二章 线结构光测量原理 .......................................................................................................................... - 5 2.1 线结构光探测模型的建立 .................................................................................................................... - 5 2.1.1 三种坐标系........................................................................................................................................ - 5 2.1.2 线结构光探测系统 ......................................................................................................................... - 6 2.1.3 结构光模式........................................................................................................................................ - 6 第三章 图像处理 ............................................................................................................................................ - 9 3.1 图像滤燥与二值化处理 ......................................................................................................................... - 9 3.1.1 典型图片的选择 .............................................................................................................................. - 9 3.1.2 影响光条图像质量的因素 ........................................................................................................... - 9 3.1.3 图像处理的一般流程................................................................................................................... - 11 3.1.4 图像滤波 .......................................................................................................................................... - 11 3.1.5 滤噪与二值化处理 ....................................................................................................................... - 12 3.2 光条中心提取 .......................................................................................................................................... - 13 3.2.1 光条中心提取方法综述 .............................................................................................................. - 13 第四章 程序设计和结果分析 .................................................................................................................. - 16 4.1 OPENCV 介绍 ............................................................................................................................................. - 16 4.1.1 OPENCV 特点 .................................................................................................................................... - 16 -

毕业设计(论文)报告纸
4.1.2 OPENCV 在 C++环境下的配置 .................................................................................................... - 17 4.2 程序设计 ................................................................................................................................................... - 19 4.2.1 程序设计要求 ................................................................................................................................. - 19 4.3 结果 ............................................................................................................................................................. - 20 4.3.1 图像处理流程及结果................................................................................................................... - 20 4.3.2 结果计算 .......................................................................................................................................... - 22 第五章 总结与展望 .................................................................................................................................... - 23 致 谢 ............................................................................................................................................................. - 24 -

参考文献 ......................................................................................................................................................... - 25 附录 1 线结构光探测系统图像处理程序代码 ..................................................................................... - 26 -

毕业设计(论文)报告纸

第一章 绪论
测量是一门古老而富有智慧的科学,从人类文明的诞生至今,已经有几千年的历史了。 人类社会在不断进步,测量技术也在不断进步,随着近几十年来电子学、激光技术、空间技 术、信息技术的飞速发展,给测量技术注入了新的活力,使测量技术趋于自动化、数字化、 智能化、信息化、精确化。研究新型的测量装置和先进的测量方法,对科研、生产和生活都 具有重要的意义。

1.1 课题背景和意义
1.1.1 光学三维测量技术背景与意义 光学三维测量技术具有量程大、非接触、速度快、系统柔性好、精度适中等优点,是目 前工程中应用广泛的一种三维数据采集方法。它是以现代光学为基础,融入光电子学、计算 机图像处理、图形学、信号处理、模式识别技术等学科技术于一体的现代测量技术[1] ,把光学 图像作为检测和传递信息的手段或载体加以利用,通过使用 CCD 摄像机对目标进行成像,从 图像中提取有用信息,从而实现计算机中三维实体模型的重建。激光技术、精密计量光栅制 造技术、计算机技术以及等高新技术的发展,高分辨率的彩色图像系统等硬件设施的应用, 和数字图像处理、模式识别等软件技术的不断发展,使它在光学测量领域的技术新,拥有了 更广阔的发展前景,在军事、工业等方面的应用越来越广泛。当前,已经被实际应用的光学三 维测量技术大致分为主动式和被动式两大类。其中被动视觉方法更多的是应用在二维情况, 典型的应用之一是集成电路和半导体行业,其具体条件为:被观测对象的理想尺寸和位置己 知,照明也经过了细致的调整,即测量系统处在很理想的测量环境下。在更一般的情况,对 于三维目标的较精确测量,更多的是采用主动视觉的方法。在主动视觉方法中,结构光三维 视觉测量方法基于光学三角法测量原理, 由激光器照明, CCD 摄像机作为结构光图像传感器。 激光器根据测量需要将一定模式的光线射于物体表面形成特征图样, 再调节 CCD 摄像机拍摄 特征图像。建立合理的坐标系之后,由物体表面投射光图案的几何形态特征,通过图像处理 提取特征点形成的像素坐标发生了偏移和断续,偏移的程度与形状有关[2]。通过这种关系, 对 CCD 拍摄到的图像进行处理, 就可以求取物体的形状。 多线结构光方法是线结构光方法的 一种变化形式,是采用光栅或者网格进行测量。测量中向物体表面投射了多条光条,其目的 一方面是为了在一幅图像中可以处理多条光条,提高图像处理的效率,另一方面是为了实现 物体表面的多光条覆盖从而增加测量的信息量,以获得物体表面更大范围的深度信息。较之
-1-

毕业设计(论文)报告纸
线结构光法,多线结构光法检测的效率提高,但同时增加了系统复杂度,标定复杂性和光条 匹配问题。 结构光三维测量技术是测量物体表面轮廓最普遍的方法之一,利用结构光可以简单、快 速并且精确地对被测物体进行三维测量,对获取的三维数据点集进行三角剖分,可以快速准 确地重建被测物体的三维形状。它是一种依据三角法测量原理为基础,既利用图像作为信息 载体又利用可控光源的测量技术。由于该方法具有大量程、非接触、速度快、测量精度适中、 光条图像信息易于提取等优点,在工业测量中得到了广泛应用[3]。结构光光源可以采用激光 或者白光,选用激光作为结构光光源可以大大增加图像中结构光光条与背景的对比度,便于 结构光图像处理,因而得到了广泛应用。从结构光光源的几何形状上来说,有点状、线状、 圆形状、其他特殊形状等多种形状,其中以线状结构光的应用最为广泛,线结构光又可分为 单线结构光和多线结构光等。在实际应用中,线结构光测量系统由于其快速、精确、稳定性 好,而且结构简单,易于实现,相比点结构光提高了效率,又避免了面结构光方法的复杂性, 因此在各个应用领域,如制造业、军事、医学上获得了更广泛的应用。本项目中采用的也是 线结构光系统,因此本论文的内容都围绕线结构光测量系统展开。 1.1.2 线结构光测量系统的研究现状 三维测量技术的核心是三维信息的获取,国内外学者在这一领域做了大量的工作,一些 实用系统也应用于实际工作中。从应用目的看,这方面的工作氛围两大类:一种是获得视野 范围内的立体信息; 另一种是以被测物体为中心, 获得物体表面全方位立体信息。 年代初, 70
[4]

Will 和 Pennington 首先提出利用结构光单点法进行三维测量, 这种方法能够精确地获取被

测点的三维信息,但是由于每次只是投射一个光点,而测量完一整个物体至少需要几千个数 据点,因此该方法测量速度非常慢;之后发展为单线结构光法,通过投射源投射出平面狭缝 光,每次投射一条结构光条纹,每幅图像可得到一个截面的深度,为得到整个物体便面的三 维形状,需增加以为扫描机构,其测量精度略低于单点法;在测量速度上大为改善,该方法 也是在商业上广为应用的获取三位深度信息的成熟方法;为了解决测量速度和精度问题,学 者们提出了多线结构光法,该方法可以通过一幅图像就可以获取这个被测物体表面的三维形 状,测量速度快,同时测量精度高,这种方法也是目前研究人员进行物体三维测量与三维重 建常采用的方法。国内许多学者对结构光三维测量原理和方法进行了深入地研究,并广泛地 应用于各个领域。[5]战丽等采用二进制编码结构光用于形貌测量;杨培等利用线结构光通过 机器人手臂实现扫描来测量工件三维数据;周丽丽等利用光栅投射到物体表面,测量物体的 三维形貌;刘国文等利用线结构光扫描构成三维视觉系统进行三维测量和曲面重建;袁芳林
-2-

毕业设计(论文)报告纸
等采用结构光相移实现了人脸三维形貌数据的获取;王树杰等自制三维激光测量仪对牙颌模 型表面进行了三维测量,并用所测量数据重建了牙颌的实体模型;王亚元将结构光光栅投影 到软质材料和薄壁零件上实现了非接触测量;樊强等采用激光点扫描测量道具面形的细微特 征,并再现了道具复杂突变表面;许丽等采用投影仪投射出编码多线结构光实现目标三维测 量。 国外,结构光三维测量系统的研究更为成熟,已经制造出许多基于结构光的三维测量设 备应用于各个领域。[6]Cyberware 是美国一家著名的三维光学扫描公司,其产品系列的扫描对 象包括苹果大小的物体到人体的全身扫描;日本美能达公司开发了名为 Vivid 的激光扫描系 列,测量从 110mm× 80mm× 40mm 到 1200mm× 90mm× 75mm 大小范围的物体,而且具有自动 对焦功能,简化了使用前的距离调整和标定过程;德国 Gom 公司开发的 Atos 扫描仪是根据 结构光三角测量原理计算物体表面的三维信息。 目前,对线结构光测量系统的研究,主要集中在模式识别与标定方法的研究上。这就需 要对 CCD 摄像机拍摄的图像进行处理, 通过滤噪与二值化, 光条中心提取等步骤提取出有用 信息后,对信息进行分析,来判断出被测物体的形状与位置。其中,对滤噪有各种线性与非 线性滤波器方法;二值化处理要设计合适的阈值;对光条中心提取这一步有细化法、水平中 值法、灰度重心法、阈值法等。 基于结构光的三维测量能够快速、非接触式地获取被测目标的三维信息,能够实现在线 测量,对一些特殊的测量目标如重要文物、弹塑性材料、人体的等,结构光测量方法能够很 好地完成传统的测量方法所不能完成的任务;同时,结构光测量能够为目标重建提供大量的 三维数据。目前,结构光技术快速发展,采用多线结构光三角测量法一次测量可以获得目标 可见表面全部被测点的三维数据,得到数据点集,通过对数据点集进行差值可以得到目标表 面更多的三维数据信息。 基于结构光的三维测量被广泛应用于工业现场三维测量、 飞机外形、 水轮叶片形状、汽车外形、导弹、卫星、大型雷达几何尺寸测量、考古、车祸、机器人运动 轨迹等领域,尤其在逆向工程中有重要的作用。 此课题是基于以上背景提出的,针对当前飞机蒙皮主要检测方法还是运用各种检验塞尺 和方尺进行检测,效率低、人为因素多、精度没有保障、浪费人力物力。当前现有的光学测 量系统,存在着精度不高,稳定性差的难题。所以,本课题具有重要的研究意义和实用性。 1.1.3 本论文的主要内容 本论文对设计的线结构光测量系统的图像处理和物体表面特征区分和处理进行研究。具 体工作有以下几个方面:
-3-

毕业设计(论文)报告纸
(1) 描述了线结构光探测系统的原理、系统结构及模型,分析了各个因素对探测精度的 影响。 (2) 设计并搭建了一套线结构光探测系统,并使用它进行实验测量,使用系统中配套的 CCD 摄像机对被线激光照亮的被测物体拍摄了图像。 (3) 通过对拍摄到的图像进行滤噪处理和光条中心提取等步骤,对被测物体表面特征进 行区分和识别。 各章的内容大致如下: 第一章:介绍了结构光探测方法的技术背景,并对本论文的工作作出说明。 第二章:介绍了线结构光测量原理,包括建立模型。 第三章:介绍了线结构光测量图像的一般处理过程以及处理方法的分析对比。 第四章:对拍摄到的图像进行编程处理,介绍了使用的软件和程序设计及分析。 第五章:总结并展望下一步工作。

-4-

毕业设计(论文)报告纸

第二章 线结构光测量原理
线结构光测量系统由于其快速、精确、稳定性好,而且结构简单,易于实现,相比点结 构光提高了效率,又避免了面结构光方法的复杂性,因此在各个应用领域,如制造业、军事、 医学上获得了更广泛的应用。本章介绍线结构光的测量模型,测量步骤与图像处理方法。

2.1 线结构光探测模型的建立
线结构光三维视觉检测模型的建立,主要方法有:基于较精确数学模型的解析三角法、 基于透视投影的方法和基于非数学模型的方法,如神经网络法等,根据具体的检测情况与精 度与效率要求,模型建立的方法也是多种多样的。 2.1.1 三种坐标系 ZW XW YW O X Z

O
O

O

O
O O

Y

O
x O
O

y

O

O

O 在线结构光测量系统中,一般要用到三种坐标系:图像坐标系、摄像机坐标系与世界坐 标系。 图像坐标系是以图像内部一点为原点,与摄像机的坐标轴平行的坐标系。 世界坐标系是在实验环境中选择的坐标系,可以根据实际情况来自由选取,基本原则是 方便计算[7]。 摄像机坐标系以摄像机镜头光心为坐标原点,Z 轴平行于光轴,X,Y 轴垂直于光轴。总 的说来,由于系统测量的环境不同,具体的系统所要求的精度与效率也不同,所以在不同应 用场合下,有适合特定测量系统的图像处理、模式识别与标定方法。本论文的目的在于设计线
-5-

图 2.1 图像坐标系、摄像机坐标系和世界坐标系

毕业设计(论文)报告纸
结构光测量系统,并对此设计的线结构光测量系统选择合适的方法来进行图像处理与形状识 别,并为其选择合适的标定方法。 2.1.2 线结构光探测系统 线结构光三维视觉测量是基于光学三角法测量原理。如图所示,光学投射器将单线结构 光投射于物体表面,在表面上形成由北侧物体表面形状所调制的光条三维图像。该三维图像 由处于另一位置的摄像机探测,从而获得光条二维畸变图形。光条的畸变程度取决于光学投 射器与摄像机之间的相对位置和物体表面轮廓。由光学投射器、摄像机和计算机系统即构成 了结构光三维视觉测量系统。

图 2.2 线结构光探测系统模型

2.1.3 结构光模式 根据光学投射器所投射的光束模式的不同,结构光模式可分为点结构光模式、线结构光 模式、多线结构光模式等。 1) 点结构光模式 如图 2.3 所示,激光器发出的光束投射到物体表面上产生一个光点,光点经摄像机的 镜头成像在摄像机的像平面上, 形成一个二维像点。 作为一种独具特色的非接触式测量方 法,点结构光模式满足在线检测中快速、实时的要求。但其不足是信息量少,每次只能获 得物体表面一个点的信息。 2) 线结构光模式 线结构光模式又称为光带模式。如图 2.4 所示,激光器投射的光束通过一柱面镜在空 间中形成一窄的激光平面, 当与物体的表面相交时便在物体表面产生一亮的光条。 该光条 由于图像表面深度的变化以及可能的间隙而受到调制, 表现在图像中则是光条发生了畸变
-6-

毕业设计(论文)报告纸
和不连续,畸变的程度与深度成正比,不连续则显示出了物体表面间的物理间隙。线结构 光视觉的任务就是从畸变的光条图像信息中获取物体表面的三维信息。 很显然, 较点结构 光模式,线结构光模式的测量信息量大大增加,而其实现的复杂性并没有增加,因而得到 广泛应用。 3) 多线结构光模式 多线结构光模式是光带模式的扩展。如图 2.5 所示,由光学投射器向物体表面投射了 多条光条,其目的一方面是为了在一副图像中可以处理多条光条,提高图像的处理效率, 另一方面是为了实现物体表面的多光条覆盖从而增加测量的信息量, 以获得物体表面更大 范围的深度信息。较之光带模式,多线结构光模式的效率和范围增加,但同时引入了标定 复杂性的增加和光条匹配问题。
CCD 摄像机 点激光器 激光束

图 2.2 点结构光模式

CCD 摄像机

激光器

线性激光条

图 2.3 线结构光模式

-7-

毕业设计(论文)报告纸
CCD 摄像机 激光器

光栅编码平面

图 2.4 多线结构光模式

结构光方法的基本原理是使用简单光源发出一束光扫描视场,根据物体、光源、探测器 间的三角位置关系获得距离图像。结构光法具有原理简单、大量程、大视场、非接触、高效 率、 易于实现、 测试过程自动化和较高的测量精度等优点,因此在现代测量领域占有重要地位。 结构光方法测量过程主要包括两个步骤: 第一步: 由激光投射器根据测量需要投射可控制的光条结构光到物体表面形成特征点, 并调节 CCD 摄像机 与视频采集软件,拍摄关于特征点的图像。

第二步: 建立合理的坐标系。由物体表面投射光图案的几何形态特征,通过滤噪、二值 化、直线拟合等步骤,提取得到特征点形成的像素坐标。

-8-

毕业设计(论文)报告纸

第三章 图像处理
上一章对于线结构光测量系统的实验装置和实验方法做了详细的介绍,并且通过实验使 用 CCD 摄像机拍摄得到了一系列被测物体的图像。由于拍摄环境和设备的影响,所得到的图 像比较粗糙,为了能够从原始图像中提取出有用的信息,必须对图像进行处理。本章主要对 拍摄到的图像进行处理的过程进行详细的叙述,此过程是通过 OpenCV 在 VC++的 WIN32 平台 上实现的。

3.1 图像滤燥与二值化处理
3.1.1 典型图片的选择 在上一章中,已经用 CCD 摄像机拍摄到了很多组图像,图片的数量较多,因此必须选取 合适的典型的图片进行单幅处理,确定阈值二值化处理。为此,选取如下图片:

图 3.1 典型图片

在实际操作中, CCD 摄像机拍到的图像中混杂了很多噪声。 影响图像质量的主要因素有: 光条自身“厚度”变化、光强的变化、被测物体表面的性质、图像采集系统内部的电热噪声 等。为了从有噪声的图像中提取出有用信息来,并对有用信息做整合,必须对图像进行一定 的处理。 3.1.2 影响光条图像质量的因素 理想的结构光光条图像,除黑色背景外,只包含光条位置的灰度信息。而实际则不然, 一幅结构光光条图像包含有大量的灰度信息,其中,包含光条位置的灰度信息,也包括除光 条位置的灰度信息之外的其他灰度信息,像噪声、复杂背景等,这些灰度信息将会对有效信
-9-

毕业设计(论文)报告纸
息造成干扰,给结构光光条图像处理带来困难。故对影响光条图像质量的因素进行研究,以 便采取适当的方法,减少干扰灰度信息对光条中心提取的不良影响是很有必要的[8]。 影响结构光光条图像质量的主要因素有:光平面自身的变化,CCD 摄像机内部产生的噪 声,测量环境的影响等。 (1) 光平面自身的变化 光平面自身的变化包括光平面的厚度变化以及光强变化,它是有规律的、可重复的,可 以采用合适的方法来消除这种影响,如可以根据实际检测需求选择合适线宽、合适光强的激 光器等。 (2) CCD 摄像机内部噪声 CCD 摄像机内部产生的噪声是随机的、不可重复的,不同的时间、不同的地点进行测量, 所产生的噪声千差万别,没有统一的规律。在 CCD 中存在以下几种主要噪声:光子噪声、散 粒噪声、肥零噪声、 转移噪声、暗电流噪声等[9]。CCD 摄像机的内部噪声对所采集图像主要 会带来高斯噪声、椒盐噪声等,故针对 CCD 摄像机内部噪声,可采用高斯滤波、中值滤波等 图像滤波方法减少 CCD 摄像机带来的不良影响,关于图像预处理方法将在下一章中阐述。 (3) 测量环境对光条图像质量的影响 除了光平面自身的变化以及 CCD 摄像机内部噪声会对结构光光条图像质量造成较大影 响外,测量环境也会对结构光光条图像造成较大影响。测量环境对光条图像的影响因素主要 有光照强度、待测物体的表面反射率、待测物体表面的形貌等[10]。 1) 光照强度 在测量环境中,光照强度对光条图像质量的影响尤为突出,它直接造成图像的对比度不 同,给光条图像处理时的自动阈值分割带来了困难。如图 3.2 所示,为室内所拍摄的光条图 像;如图 3.3 所示,为室外所拍摄的路面光条。如图 3.2 所示图像的背景灰度值显然要低于 如图 3.3 所示图像的背景灰度值,故必须在算法中对所处理图像对比度不一问题解决。

图 3.2 室内拍摄的光条图像

图 3.3 室外拍摄的光条图像
- 10 -

毕业设计(论文)报告纸
2) 待测物体的表面反射率 待测物体表面反射特性对于结构光光条图像的影响主要表现在对条纹的亮度方面,对条 纹宽度方面也有一定的影响。如图 3.4 所示,在黑色方格处,由于背景的反射率过低,反映 在图像中的光条图像较暗,条纹宽度也有所减小;在白色方格处,背景反射率较高,光条图 像较亮,条纹宽度也较大。但是如果背景反射率过高,造成光条与背景的区别不明显,也会 造成光条中心提取的困难。在进行算法设计时,必须考虑不同物体表面反射率不同的情况, 提高算法的鲁棒性。

图 3.4 表面反射率的影响

3) 待测物体表面的形貌 在实际测量过程中,由于被测物体的三维形貌差异对结构光光条产生不同的调制作用, 从而造成针对不同的待测物体,光条条图像特征千差万别。 3.1.3 图像处理的一般流程 用 CCD 摄像机采集到图像后,必须进行必要的处理,才能提取出有用的信息。由于数 字图像质量的不同和要求达到的目的不同, 因此在不同情况下的应该选取不同的的处理方法。 一般的流程是,先进行滤噪与二值化处理,去除图像中的散粒等噪声,增大信噪比,获得二 值化图像;其次,因为实际线激光是有一定宽度的,必须提取出其单像素的光条中心,才便 于进行之后的特征区分和识别[10]。 3.1.4 图像滤波 一幅原始图像在获取和传输过程中会受到各种噪声的干扰,使图像质量下降,对分析图 像不利。反映到图像画面上,主要有两种典型的噪声。一种是幅值基本相同,但出现的位置 随机的椒盐噪声,另一种则每一点都存在,但幅值随机分布的随机噪声。为了抑制噪声、改 善图像质量,要对图像进行滤波处理。图像滤波处理的方法多种多样,有邻域平均、中值滤 波,高斯滤波等。 (1) 中值滤波
- 11 -

毕业设计(论文)报告纸
受到噪声污染的含噪图像可以看成是原始无噪图像与噪声集合的混合。椒盐噪声的实质 是一种正、负脉冲干扰,图像中的噪声点一般用灰度值 0 表示黑点,255 表示白点,且两者 是等概率出现的。这说明噪声点与其它像素点的灰度值存在一定的差异,而且它必定是任一 邻域内的灰度极值。 中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护 图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图像的统计特性, 这也带来不少方便。 (2) 均值滤波 均值滤波是平滑线性滤波的一种。均值滤波的输出响应是包含在滤波窗口邻域内像素的 简单平均值。它用滤波窗口确定的邻域内像素的平均灰度值去代替图像每个像素点的值。这 可以理解为像素的灰度是空间不相关的,即噪声点像素灰度与它们的近邻像素灰度有显著不 同。借助噪声点的这一空间特性,产生均值滤波。设 邻域平均处理后为 ,在数学上可表示为: (3-1) 式中 S 是所取邻域中各近邻像素的坐标;M 是邻域中包含的近邻像素的个数。 采用均值滤波,非常适用于去除通过扫描得到的图像中的噪声,但是它也减小了图像灰 度的尖锐变化。 (3) 高斯滤波 高斯滤波是根据高斯函数的形状来选择权值的线性平滑滤波。高斯平滑滤波对去除服从 正态分布的噪声是很有效果的。高斯滤波的步骤与均值滤波类似,这里就不再赘述。采用高 斯平滑滤波,可以较好地去处图像中的高斯噪声[11]。 3.1.5 滤噪与二值化处理 由于图像在摄取过程中受到摄像机和周围环境的影响,会使摄取到的图像中含有噪声。 噪声通常是随机产生的,因而具有分布和大小的不规则性,有些噪声和图像信号互相独立、 互不相关,有些是相关的,噪声本身之间也可能相关。因此要减少图像中的噪声,必须针对 具体情况采用不同的方法,否则很难获得满意的处理效果。 图像常常被强度随机信号所污染,一些常见的噪声有椒盐噪声、脉冲噪声、高斯噪声等。 椒盐噪声含有随机出现的黑白强度值;脉冲噪声则只含有随机的白强度值或黑强度值;高斯 噪声含有强度服从高斯或正态分布的噪声[12]。通过对图像的观察和分析,我们决定采用高斯
- 12 -

为给定的有噪声的图像,经过

毕业设计(论文)报告纸
滤波来进行去噪处理。 在 opencv 中的命令为:cvSmooth(image,out,CV_GAUSSIAN,3,3);此命令是指在每个像 素周围 3*3 的区域进行高斯平滑处理,如下为处理所得的图片:

图 3.5 高斯平滑处理 3*3

如图 3.5 所示,通过观察发现,处理所得的图像不令人满意,故将参数改为 5*5,得到 的图像如下:

图 3.6 高斯平滑处理 5*5

3.2 光条中心提取
3.2.1 光条中心提取方法综述 线结构光在结构光三维检测系统中应用十分广泛,它是多线结构光三维检测的基础。光 条中心提取是结构光三维检测过程中最关键的一步,它的处理精度和处理速度会直接影响整 个结构光三维检测系统的处理精度和处理速度。所以要获得满意的结果就必须对不同的方法
- 13 -

毕业设计(论文)报告纸
进行详细的讨论和分析。 1) 边缘法 边缘法也称作边缘检测法, 其思想是将提取的边缘线代替结构光光条中心线[13]。 该方 法实现简单,处理速度快,但由于提取边缘时对噪声比较敏感,边缘法的测量精度不高, 故边缘发只使用于精度要求不高,图像质量较好且激光特性很好的情况。 边缘发自身的检测精度虽然不高, 但是边缘检测的思路在结构光光条中心提取中有着 重要的作用。边缘检测可以提取结构光光条图像的边界,确定光条区域,减少光条中心提 取的处理范围,降低运算量,它结合其他精确的光条中心提取算法,便可更精确、快速地 求取结构光光条中心坐标。 2) 几何中心法 几何中心法的基本原理是把结构光光条看成中心对称分布, 把结构光光条每个截面的 几何中心点作为截面的光条中心点。 该方法首先要对结构光光条图像进行边缘检测, 在检 测到光条的边界后,取其中间线作为结构光光条的中心位置。 如图 3.7 所示,p,q 为经过边缘检测得到的两个边缘坐标位置,则结构光光条位置 见式(3-2)。

这种方法简单,处理速度快,但是必须首先进行准确的边缘检测,得到精确的边界位 置, 才能保证最终结果的正确性, 故此法对图像质量要求比较高, 对噪声比较敏感。 另外, 在出现条纹缺失的情况下, 结构光光条中心提取的结果将出现误差, 并且所提取的中心线 将会向条纹缺失的反方向移动,如图 3.8 所示,结构光光条右边缺失,光条中心线向左移 至 c',产生了距离为△c 的误差,所以如果不考虑利用光强信息的情况下,这种误差是无 法消除的。

图 3.7 几何中心法

图 3.8 几何中心法误差
- 14 -

毕业设计(论文)报告纸
3) 阈值法 对于横截面灰度呈高斯分布的结构光光条图像来说, 光条截面灰度具有能量集中性与 对称性,即理想的光条图像中心位置灰度值最大,且以光条中心为起点,两边的灰度值具 有对称性。 阈值法速度快,但精度差,而且噪声较多使信号严重失真时,效果更差。阈值法只使 用与对位置的粗略估计。 4) 细化法 细化又称为骨架提取, 细化过程就是重复地剥掉二值图像的边界像素, 直到获得一条 但像素宽的联通线,即提取骨架的过程[14]。但是剥离边界像素时必须保持目标的联通性, 即不能改变原图像的拓扑性质。 要使结构光光条完全变成单像素宽的细线, 需要进行多次 细化才能实现。因此,细化是一件非常费时的操作,特别是当图像尺寸较大时,细化一副 图像可能需要几秒甚至十几秒的时间。 细化法一方面由于须做多次腐蚀算法,耗时较多,处理速度低下;另一方面,细化法 对二值化的要求高,但往往图像受到噪声的干扰,二值化的结果很难达到预期效果,并且 细化法本身属于形态学范畴类方法, 没有有效地利用结构光光条图像的灰度值信息, 所以 细化法对于结构光光条中心提取作用不大。

- 15 -

毕业设计(论文)报告纸

第四章 程序设计和结果分析
4.1 OpenCV 介绍
此课题是关于机器视觉的设计研究,机器视觉是在图像处理的基础上发展起来的新兴科 学。OpenCV 是一个开源的计算机视觉库,它为图像处理、模式识别、三维重建、物体跟踪、 机器学习和线性代数提供了各种各样的算法[15]。 开放源代码的计算机视觉库 OpenCV 是由 Intel 公司位于俄罗斯的研究实验室开发出来 的。为了考虑计算的速度,大多数图像处理的软件包是用 C/C++编写的,OpenCV 也不例外。 它是由 300 多个 C 函数和 C++类所组成的库,在 IPL 基础上发展起来的。主要由 4 个模块组 成: 1) cv:主要的 OpenCV 函数; 2) cvaux:辅助性的 OpenCV 函数; 3) cxcore:数据结构与线性代数支持; 4) highgui:图像界面函数。 4.1.1 OpenCV 特点 1)具有良好的独立性。包含了 300 多个 C 函数和 C++类,不依赖于外部库,即可以独 立运行,也可以在运行时使用其他外部库。 2)具有良好的跨平台性。OpenCV 是由跨平台的中、高层 API 构成,为程序员提供 了能在很多平台上都适用的移植性好的算法基础操作,很好地支持 Windows、Linux 等操 作系统,可以在大多数的 C/C++编译器下工作,如:VC++6.0 等,可以作为二次开发的理 性工具[16]。 3)具有丰富的图像处理函数。OpenCV 包含了列表、队列、集合、图等基本的数据 结构;求特征值、奇异值等的矩阵和向量及线性代数的操作;图像滤波、边缘检测、角 点检测、数学形态学操作等的基本数学图像处理;还包括对图像的高级处理,如特征检 测与跟踪、运动分析、目标分割与识别以及 3D 重建等[17]。 4)处理速度快。OpenCV 中的算法都是基于封装于 IPL 的具有很高灵活性的动态数 据结构,基于 Intel 处理器指令集开发的优化代码,所以处理的速度相当快。 5)具有开放性。OpenCV 不论对商业还是非商业都是免费的,而且它的代码也是公 开的,研究者可以对它的源代码进行修改,也可以把自己研发的新类库加进去,这样自己
- 16 -

毕业设计(论文)报告纸
的代码也可能被别人广泛使用。 使用 OpenCV 库可以编写出简洁而且高效的代码来解决数字图像处理和计算机视觉 编程中的问题, 这样不仅降低了程序员开发程序的难度, 而且缩短了相关程序的开发周期。 4.1.2 OpenCV 在 C++环境下的配置 第一步:下载 OpenCV 安装程序,将 OpenCV 安装到 C:\Program Files\OpenCV;在 安装时选择"将\OpenCV\bin 加入系统变量"(Add\OpenCV\bin to the systerm PATH) 。 第二步:检查 C:\Program Files\OpenCV\bin 是否已经被加入到环境变量 PATH,如果 没有,请加入。加入后需要注销当前 Windows 用户(或重启)后重新登陆才生效。

图 4.1 环境变量配置

第三步:配置 VC++ 6.0。菜单 Tools->Options->Directories:先设置 lib 路径,选择 Library files,在下方填入路径:C:\Program Files\OpenCV\lib;然后选择 include files,在 下方填入路径: C:\Program Files\OpenCV\cxcore\include; C:\Program Files\OpenCV\cv\include; C:\Program Files\OpenCV\cvaux\include; C:\Program Files\OpenCV\ml\include; C:\Program Files\OpenCV\otherlibs\highgui; C:\Program Files\OpenCV\otherlibs\cvcam\include。

- 17 -

毕业设计(论文)报告纸

图 4.2 Include files 配置

然后选择 source files,在下方填入路径: C:\Program Files\OpenCV\cv\src; C:\Program Files\OpenCV\cxcore\src; C:\Program Files\OpenCV\cvaux\src; C:\Program Files\OpenCV\otherlibs\highgui; C:\Program Files\OpenCV\otherlibs\cvcam\src\windows 最后点击“ok”,完成设置。 第四步:每创建一个将要使用 OpenCV 的 VC Project,都需要给它指定需要的 lib。菜单: Project->Settings,然后将 Setting for 选为 All Configurations,然后选择右边的 link 标签,在 Object/library modules 附加上 cxcore.lib 、cv.lib ml.lib 、cvaux.lib 、highgui.lib 、cvcam.lib;

图 4.3 lib 配置
- 18 -

毕业设计(论文)报告纸
这样,便可以使用 OpenCV 了。

4.2 程序设计
4.2.1 程序设计要求 研究问题:通过阅读相关文献资料,通过结构光测量方法,求三维物体表面的缝隙宽度; 设计要求:测量过程必须精确,测量结果稳定,精度要求在 0.05mm 内; 拟采用的方法:单线结构光测量,激光器投射一个激光平面与实体表面相交,产生光条。 相机采集光条信息,线结构光可以看成是多个点结构光的组合,线结构光主要通过物体表面 的深度变化产生的光条畸变来获取三维信息。此种模式所获取的点云信息为一个截面断断续 续的外轮廓线。 该方法影响测量精度和稳定性的关键在于结构光光条中心提取方法,常用的方法主要分 为两大类,即基于光条形态特征的方法与基于光条灰度特征的方法。基于光条形态特征的方 法,主要有边缘法、几何中心法、阈值法以及细化法;基于光条灰度特征的方法,主要有极 值法、灰度重心法、方向模板法、曲线拟合法、Hessian 矩阵法等[18]。研究将通过了解各个 方法的优缺点,在这些方法的基础上进行一些改良,以提高测量精度和测量稳定性。

图 4.5 技术流程图
- 19 -

毕业设计(论文)报告纸
技术流程如图 4.5:通过相机采集一张带有激光线投射的物体特征图像,然后利用细化 算法提取激光线的中心,利用提取的中心线特征区分是否为接缝。如果不是接缝则结束,如 果是接缝,则利用相机标定的相机内部参数以及激光平面方程重建三维点云。通过对点云的 去噪等的处理进行计算接缝宽度,最后输出结果。

4.3 结果
通过对以上程序的不断改进和修改,我们选择比较典型的图片进行处理,然后将图像处 理的不同阶段的图片展示,最后介绍计算的详细过程以及对结果进行分析。 4.3.1 图像处理流程及结果 第一步:选择比较典型的图片;

图 4.6 选择典型图片

第二步:对图像平滑处理;

图 4.7 图像平滑处理
- 20 -

毕业设计(论文)报告纸
第三步:对图像进行二值化处理;

图 4.8 二值化处理

第四步:图像细化处理;

图 4.9 图像细化处理

第五步:搜索断点坐标并求其坐标; 把搜索的方法写上,给你一个参考文献,光看其中找断点的那个方法

- 21 -

毕业设计(论文)报告纸

A A

B A

图 4.10 扫描断点 A、B 坐标

第六步:根据相机参数和激光平面方程,重建断点的三维点云,并计算断点距离:

4.3.2 结果计算 对于缝宽的计算算法介绍如下,首先将图片左上角的点设为图像坐标系的原点,然后对 图像进行扫描,记下构成缝宽的两个点的坐标,最后通过求解两点之间的距离来求解缝宽。 计算结构如表 4.1:
表 4.1 计算结果分析处理

标准块 1mm 1mm 1mm 1mm 1mm 平均值(1mm)

测量值 0.988mm 0.997mm 1.032mm 1.053mm 0.995mm 1.013mm

测量误差(绝对值) 0.012 0.003 0.032 0.053 0.005 0.021

标准块 5mm 5mm 5mm 5mm 5mm 平均值(5mm)

测量值(绝对值) 5.010mm 5.003mm 4.989mm 4.994mm 5.055mm 5.0102mm

测量误差 0.010 0.003 0.011 0.006 0.055 0.017

由此可以看出,误差可以认为不超过要求的 0.05mm,所以此课题满足要求。

- 22 -

毕业设计(论文)报告纸

第五章 总结与展望
线结构光测量系统在生产生活实践中的应用非常广泛,因此对线结构光测量技术的研究 是非常有意义的。 本论文从线结构光测量系统原理出发, 分析了此系统的组成, 测量步骤与图像处理算法, 介绍了图像处理的步骤:滤燥与二值化处理、光条中心提取,并对每一步的算法做了较详细 的介绍。 在此理论基础上,本论文介绍了一套线结构光测量系统,使用此测量系统进行了实验, 采集了一系列被测物体的图像。编写 C++程序对图像进行处理,比较了多种滤燥与二值化方 法处理效果后,采用了直接二值化,再去除小的噪声去除处理。用几何中心法提取光条中心, 提取出了光条中心的二值化图像。 结果表明,对规则物体拍摄的图像进行的形状识别,准确率较高;对物体表面特征的识 别误差在 0.01cm,能够满足本测量系统的要求。 根据本处理的不足之处,阐述如下: 1) 为了提高图像处理的精度,需要增大 CCD 摄像机的视场角和图像采集卡的分辨率。 2) 图像特征处理的宽泛性。本程序只能对特定的表面特征作出处理,所以对于不同的表面 特征需要不同的处理程序。 3) 对于图像处理的算法,由于不同的算法适用于不同的特征处理,所以要提高测量的精度 就必须更加深入的研究。

- 23 -

毕业设计(论文)报告纸

致 谢
本论文从选题到完成的全过程,都是在导师程筱胜教授的热情关怀下完成的。程老师悉 心指导我熟悉科研的方法和思路,并且因材施教,让我接触到适合自己兴趣的全新课题。在 研究期间,程老师严谨的治学态度对我的科研是一种无形的督促,对我提出的问题给予的独 到见解更给与了我巨大的帮助。在生活中,程老师和蔼可亲,关心学生,在找工作期间给予 我们很多的支持与帮助。 本课题的进展还得到了整个教研室的帮助。在这里要感谢教研室的戴宁老师,对我课题 的整个从实验到数据处理,以及论文写作的过程,都给予了很多帮助与指导。还要感谢教研 室的田忠运硕士,非常感谢田学长对我的悉心教导和平日里的关心。 最后, 我要特别感谢我的家人, 他们的理解与支持是我顺利完成本科生阶段学习的动力。

- 24 -

毕业设计(论文)报告纸

参考文献
[1] 张广军.《视觉测量》[M]. 北京: 科学出版社, 2008. 175-201. [2] 冯其波.《光学测量技术与应用》[M]. 北京: 清华大学出版社, 2008. 140-151. [3] 刘直芳, 王运琼, 朱敏.《数字图像处理与分析》[M]. 北京: 清华大学出版社, 2006. 60-113. [4] Steger C. An unbiased detector of curvilinear structures[J]. IEEE Trans On PAMI, 1988,20(2): 113-125. [5] 李波. 结构光三维物体面形测量与重建技术研究[D].哈尔滨: 哈尔滨理工大学, 2007. [6] Horn E, Kiryati N. Toward optimal structured light patterns[J]. Image and Vision Computing, 1999, 17(2): 87-97. [7] 杨尉. 结构光光条中心提取方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2009 年 6 月. [8] 周富强, 陈强, 张广军. 结构光光条提取的混合图像处理方法[J]. 光电子.激光, 2008, 19(11): 4351-7351. [9] 贺俊吉, 张广军. 结构光三维视觉检测中光条图像处理方法研究[J]. 北京航空航天大学学报, 2003, 29(7): 593-597. [10] 胡坤, 周富强, 张广军. 一种快速结构光条纹中心亚像素精度提取方法[J]. 仪器仪表学报, 2006, 27(11): 1326-1329. [11] 许宁. 线结构光光条图像处理方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2007. [12] 李宏伟. 结构光三维视觉检测关键技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2006. [13] 赵广杰,傅莉.结构光光条中心的提取算法[J]. 沈阳航空工业学院学报,2010,27(4): 68-69. [14] 刘枝梅,邓文怡,娄小平.结构光测量系统中光条中心的提取[J].北京机械工业学院学报,2009, 24(1): 43-45. [15] 方玫,喻擎仓,李华强.C++Builder 下基于 OpenCV 的数字图像处理[J].浙江理工大学计算机工程与 设计,2008,29(4): 882. [16] 朱虹.数字图像处理基础[M].北京: 科学出版社,2005. [17] 黎松,平西建,丁益洪.开放源代码的计算机视觉类库 OPencv 的应用[J].计算机应用与软件,2005, 22(8):134-136. [18] 杨尉.结构光光条中心提取方法研究[D].哈尔滨: 哈尔滨工业大学,2009.

- 25 -

毕业设计(论文)报告纸

附录 1 线结构光探测系统图像处理程序代码
#include "stdafx.h" #include "highgui.h" #include "cv.h" #include "cxcore.h" #include <iostream> using namespace std; int APIENTRY WinMain(HINSTANCE hInstance, HINSTANCE hPrevInstance, LPSTR int { // TODO: Place code here. return 0; } int main() { int row_from,row_to,column_from,column_to; row_from=0; column_from=0; IplImage* dst=cvLoadImage("1.bmp",0); row_to=dst->height; column_to=dst->width; IplImage* img=cvCreateImage(cvGetSize(dst),8,1); IplImage* img1=cvCreateImage(cvGetSize(dst),8,1); IplImage* img2=cvCreateImage(cvGetSize(dst),8,1); cvThreshold(dst,img,0,255,CV_THRESH_OTSU); cvSmooth(dst,img,CV_GAUSSIAN,5,5); cvNamedWindow("33.BMP");
- 26 -

lpCmdLine, nCmdShow)

毕业设计(论文)报告纸
cvShowImage("33.BMP",img); cvSaveImage("33.BMP",img);///高斯平滑 for(int i=row_from;i<row_to;i++) { for(int j=column_from;j<column_to;j++) { if(cvGetReal2D(img,i,j)>200) cvSetReal2D(dst,i,j,255); else cvSetReal2D(dst,i,j,0); } }//二值化处理 cvNamedWindow("34.BMP"); cvShowImage("34.BMP",dst); cvSaveImage("34.BMP",dst); cout<<column_to<<endl; int x[1100]={0},y[1100]={0}; for( int ii=column_from;ii<column_to;ii++) { int sum=0; for(int j=row_from;j<row_to-2;j++,sum++) { if((cvGetReal2D(dst,j,ii)==0)&&(cvGetReal2D(dst,j+1,ii)==255)&&(cvGetReal 2D(dst,j+2,ii)==255)) x[ii]=sum+1; if((cvGetReal2D(dst,j,ii)==255)&&(cvGetReal2D(dst,j+1,ii)==0)&&(cvGetReal 2D(dst,j+2,ii)==0)) { y[ii]=sum; cvSetReal2D(dst,(x[ii]+y[ii])/2,ii,0);
- 27 -

毕业设计(论文)报告纸
if(abs((x[ii]+y[ii])/2-(x[0]+y[0])/2)<10) cvSetReal2D(img1,(x[ii]+y[ii])/2,ii,255); } } }//提取中心线 int sum_x=0,sum_y=0,sum_x1=0,sum_xy=0,n=0,a=0,b=0; for(int i1=column_from;i1<column_to;i1++) { for(int j=row_from;j<row_to;j++) { if(cvGetReal2D(img1,j,i1)==255) { sum_x1=sum_x1+i1*i1; sum_x=sum_x+i1; n++;//cout<<j<<endl; sum_y=sum_y+j; sum_xy=sum_xy+(i1)*j; } } } a=(n*sum_xy-sum_x*sum_y)/(n*sum_x1-sum_x*sum_x); b=(sum_y-a*sum_x)/n; cout<<sum_x<<endl<<sum_y<<endl<<sum_xy<<endl<<n<<endl; cout<<a<<endl<<b<<endl; for(int i2=column_from;i2<column_to;i2++) { for(int j=row_from;j<row_to;j++) { if(cvGetReal2D(img1,j,i2)==255) cvSetReal2D(img2,b,i2,255);
- 28 -

毕业设计(论文)报告纸
} } int y1=0,y2=0,size=0; for(int i3=column_from;i3<column_to;i3++) { if(cvGetReal2D(img2,b,i3)==0) { y1=i3;break; } } for(int i4=y1;i4<column_to;i4++) { if(cvGetReal2D(img2,b,i4)==255) { y2=i4;break; } } size=y2-y1; cout<<"size="<<size<<endl; cvCopy(dst,img); cvSaveImage("2.BMP",img2); cvNamedWindow("3.BMP"); cvNamedWindow("4.BMP"); cvShowImage("3.BMP",img1); cvSaveImage("3.BMP",img1); cvShowImage("4.BMP",img2); cvWaitKey(0); cvDestroyWindow("3.BMP"); cvReleaseImage(&dst); cvReleaseImage(&img);
- 29 -

毕业设计(论文)报告纸
cvReleaseImage(&img1); cvReleaseImage(&img2); return 0;// TODO: Place code here. }

- 30 -


相关文章:
基于激光检测的三维特征区分和提取技术研究
单线结构光检测技术研究单线结构光检测技术研究隐藏>> 毕业设计(论文)报告纸 编号 南京航空航天大学 毕业设计题 目 基于激光的三维检测特征区 分和提取技术研究 学...
激光三维测绘
2014 年 春 季学期研究生课程考核(读书报告) 考 ...基于测距测角的传统工程测量方法,在理论、设备 和...2.三维激光测绘技术的特点 三维激光测绘技术克服了...
三维激光
三维激光扫描技术的特点 ? 三维激光扫描技术采用非接触主动测量方式直接获取高精度...通过高速激光扫描测 量的方法,获取物体 或地形表面的阵列式 几何图像数据 基于...
专题报告
通过三维激光扫描仪 发展现状的介绍, 及各项技术参数...其测量原理主要 为 测距、 测角、 扫描、 定向...大面积, 高自动化, 高速率, 高精度测量的特点。 ...
基于三维激光扫描的路面采样测量技术研究
基于三维激光扫描的路面采样测量技术研究_物理_自然科学_专业资料。基于三维激光扫描...为快速获取路面断面数据提供了一种全新的、可行、高效的测 量技术手段,具有广阔...
基于立体视觉和三维激光扫描仪的无人机自主避障和导航技术研究
基于立体视觉和三维激光扫描仪的无人机自主避障和导航技术研究_物理_自然科学_...在特征提取和匹配部分,研究了基于 SURF 方法提取了用于匹配微型飞行器位置和 ...
三维激光扫描测量技术及其在测绘领域的应用
基于测距测角的传统工程测量方法,在理论、设备和应用...三维激光扫描测量技术的特点 三维激光扫描测量技术克服...按 照空间位置分类,三维激光扫描设备可分为:机载类...
基于激光的空箱检测系统设计-文献综述
这就使 得研究基于激光的检测系统设计既具有工程意义...目标的特征,然后再根据预设 的判别标准输出判断结果,...在基于激光扫描原理 的异形件三维形貌测量技术中[7]...
三维激光扫描测试技术应用
的扫描仪最大测程只有几米, 适应于医学领域的研究...基于测距技术的激光扫 描仪的出现, 实质上是三维...这类新型仪器最突出的特点是在具有很 高效率的三维...
更多相关标签:
三维特征提取 | 三维医学影像特征提取 | 三维激光扫描仪 | 三维激光扫描仪co3d | 三维激光切割机 | 三维激光扫描仪原理 | 三维激光雷达 | 大空间三维激光扫描仪 |