学位论文 > 优秀研究生学位论文题录展示
基于计算机视觉图像精密测量的关键技术研究
作 者: 朱铮涛
导 师: 黎绍发
学 校: 华南理工大学
专 业: 计算机应用技术
关键词: 计算机视觉测量 边缘检测 亚像素 摄像机标定 自动聚焦
分类号: TP274.4
类 型: 博士论文
年 份: 2004年
下 载: 2376次
引 用: 77次
阅 读: 论文下载
内容摘要
基于计算机视觉图像的精密测量在国外已经得到了深入研究和广泛的应用,在国内也受到了越来越多的重视。随着计算机硬件性价比的不断提高,相关技术的不断发展,计算机视觉图像精密测量以其柔性、快速、非接触、精确、自动化程度高等特点将很快得到全球化应用。本文以图像为基础,深入研究基于计算机视觉图像实现精密测量的系统方案、软硬件设计、特别是以软件为主要手段解决视觉测量中精度、速度和稳定性三大问题的关键技术。文章分析了计算机视觉图像精密测量的基本原理、硬件选择原则、软件功能模块和检测流程,推导了相对标定法的测量精度,从而证明计算机视觉图像测量实现高精度测量的可能性。针对视觉测量的特点,研究彩色图像灰度化方法,提出了彩色图像灰度化效果好坏的评判标准,给出了阶跃边缘、屋顶边缘保持边缘结构特征的评价函数。根据视觉测量图像质量较好及以高斯噪声为主的特点,提出采用简单的高斯滤波或者SUSAN 去噪算法对图像在卡尺范围内进行滤波处理的方法。提出了基于知识的边缘检测方法,利用卡尺技术,在知识库的引导下,利用SUSAN 算子中USAN 的取值规律和边缘判别准则提取像素级边缘,提高边缘检测中像素级边缘的定位精度、抗噪声能力和运算速度。结合SUSAN 和Canny 算子各自的优点,提出了基于Canny 和SUSAN 算子的边缘检测方法,具有较好的边缘检测效果。以理想一维阶跃边缘模型为基础,对基于矩的亚像素定位算法的定位精度进行了深入的研究。指出空间矩的边缘定位精度敏感于采样间隔、计算点数、边缘对称性。首次提出在使用灰度矩计算亚像素边缘位置的时候,正确区分边缘类型,在两种极限状态下(两个像素之间和1 个像素中间),选取对称点进行灰度矩亚像素定位计算,理论上可以实现无偏的定位估计。提出了基于前后向差分和曲线拟合的亚像素定位算法,理论上该算法与灰度矩算法一样,在两种极限状态下可以实现无偏的边缘定位估计,其它情况下的定位精度要好于灰度矩。研制了一种用于镜头畸变校正的平面圆形网格模板,推导了利用该模板计算镜头畸变系数的公式,提出了计算机视觉图像精密测量标定的两步法:实验室计算镜头畸变系数,现场进行像素值和测试数据计算。由于只进行几何畸变校正,每一步均为线性矩阵运算,解决了通用计算机视觉摄像机标定中速度、精度之间的矛盾。分析和对比了各种自动聚焦判决函数的特点,在均方差自动聚焦函数的基础
|
全文目录
摘要 5-7 Abstract 7-18 第一章 绪论 18-35 1.1 计算机视觉图像精密测量技术的研究目的和意义 18-20 1.2 计算机视觉图像测量相关理论 20-28 1.2.1 计算机视觉理论 20-25 1.2.2 精密测量技术 25-27 1.2.3 显微视觉测量 27-28 1.3 国内外视觉检测技术的研究现状及其关键技术 28-31 1.3.1 国内外机器视觉检测的研究现状及其趋势 28-30 1.3.2 显微视觉检测系统组成及其关键技术 30-31 1.4 课题研究背景及意义 31-35 1.4.1 课题研究背景 31-32 1.4.2 主要研究内容和章节安排 32-34 1.4.3 系统方案和拟解决的关键问题 34-35 第二章 计算机视觉图像精密测量系统 35-49 2.1 计算机视觉图像测量的基本原理 35-39 2.1.1 显微视觉成像原理 35-36 2.1.2 显微视觉成像模型 36 2.1.3 显微视觉测量精度分析 36-39 2.2 光源及物体成像 39-40 2.2.1 图像的表示 39 2.2.2 光源对成像质量的影响 39-40 2.3 计算机视觉图像精密测量系统的硬件组成 40-45 2.3.1 计算机视觉图像精密测量系统的组成 40 2.3.2 显微视觉系统相关硬件的选用 40-45 2.4 视觉系统软件模块 45-47 2.5 国内计算机视觉检测系统研究方法与对策 47-48 2.5.1 国内研究应用现状 47 2.5.2 国内视觉应用研究方法与对策 47-48 2.6 本章小结 48-49 第三章 视觉测量采集图像的预处理算法研究 49-62 3.1 彩色图像灰度化研究 49-54 3.2 常见边缘结构特征和灰度化算法评价准则 54-55 3.3 各类彩色图像灰度化算法结果比较 55-57 3.4 图像去噪及其常用算法 57-59 3.4.1 常见噪声的分类 57 3.4.2 CCD 图像的噪声分类及噪声特点 57-58 3.4.3 常用去噪算法 58-59 3.5 视觉测量中的去噪算法 59-60 3.5.1 高斯噪声的生成和滤除技术 59 3.5.2 SUSAN 滤波算法 59-60 3.5.3 高斯滤波器参数σ对边缘定位的影响 60 3.6 本章小结 60-62 第四章 视觉测量图像的边缘检测和亚像素定位技术 62-104 4.1 常用边缘检测方法 63-71 4.1.1 传统的边缘检测算子 64-66 4.1.2 多尺度边缘检测 66-68 4.1.3 基于形态学的边缘检测 68-69 4.1.4 其他算法 69-70 4.1.5 边缘检测方法中存在的问题 70-71 4.1.6 视觉测量中边缘检测算子选用准则 71 4.2 视觉测量中的边缘检测技术 71-79 4.2.1 SUSAN算法原理 71-72 4.2.2 基于 SUSAN 的边缘检测算法 72-75 4.2.3 影响 SUSAN 算法性能的因子 75-76 4.2.4 基于 SUSAN 和 Canny 算子的边缘检测技术 76-77 4.2.5 SUSAN 边缘算法中 USAN 取值规律的研究 77-79 4.3 基于知识的像素级边缘检测 79-80 4.4 像素级边缘定位算法结果比较 80-84 4.5 亚像素边缘定位技术 84-86 4.5.1 亚像素算法的选用条件 84-85 4.5.2 亚像素算法的精度 85 4.5.3 常用亚像素方法 85-86 4.6 空间矩边缘定位算法和精度分析 86-91 4.6.1 空间矩边缘定位法的数学模型和计算方法 86-87 4.6.2 一维理想阶跃边缘空间矩定位误差分析 87-88 4.6.3 阶跃边缘实际成像模型及空间矩边缘定位误差分析 88-90 4.6.4 实际图像的分析处理 90-91 4.6.5 误差原因分析和结论 91 4.7 灰度矩亚像素边缘定位算法及其精度研究 91-96 4.7.1 灰度矩边缘定位算法的数学模型和计算方法 91-92 4.7.2 一维理想阶跃边缘的灰度矩计算 92 4.7.3 一维模糊边缘的生成和灰度矩亚像素边缘定位精度分析 92-93 4.7.4 实际图像灰度矩亚像素定位精度分析 93-95 4.7.5 灰度矩亚像素定位算法抗噪性能分析 95-96 4.8 基于前后向差分和曲线拟合的亚像素边缘定位算法 96-97 4.9 亚像素定位算法定位精度分析与比较 97-102 4.10 边缘算法处理流程 102-103 4.11 本章小节 103-104 第五章 摄像机标定原理与常用技术 104-123 5.1 引言 104-106 5.2 透视变换和摄像机模型 106-110 5.2.1 成像几何模型 106-108 5.2.2 摄像机镜头畸变 108-110 5.3 传统的摄像机标定方法 110-116 5.3.1 利用透视变换矩阵的摄像机标定技术 110-112 5.3.2 运用非线性优化技术进行摄像机标定 112 5.3.3 直接线性变换方法 112-114 5.3.4 两步法 114-115 5.3.5 双平面标定方法 115-116 5.4 摄像机自标定方法 116-122 5.4.1 利用本质矩阵和基本矩阵的摄像机自标定方法 117-118 5.4.2 利用绝对二次曲线和外极线变换性质的摄像机标定方法 118-119 5.4.3 基于主动视觉的摄像机自标定技术 119-122 5.5 本章小结 122-123 第六章 显微视觉测量中标定技术研究 123-137 6.1 显微视觉测量标定技术 123-127 6.1.1 显微视觉测量系统的特点 123-124 6.1.2 与视觉测量有关的显微镜技术参数 124-125 6.1.3 影响显微测量精度的因素分析 125-126 6.1.4 显微视觉测量系统的两步法标定 126-127 6.2 基于平面网格的镜头畸变校正技术和显微视觉测量标定技术 127-133 6.2.1 公式推导 127-128 6.2.2 标定块的设计和制作 128-129 6.2.3 网格交点实际和理想像素坐标 129-132 6.2.4 显微视觉测量的标定 132 6.2.5 图像非线性畸变校正 132-133 6.3 显微视觉测量的两步法标定及结果分析 133-135 6.4 本章小结 135-137 第七章 自动聚焦技术 137-147 7.1 常用自动聚焦判决函数 138-142 7.1.1 几种常用的自动聚焦判决函数 138-141 7.1.2 聚焦函数优劣的评判标准 141 7.1.3 目前关于图像熵聚焦评价函数的研究 141-142 7.2 条件加权均方聚焦判决函数和自动聚焦策略 142-143 7.2.1 条件加权均方聚焦判决函数 142 7.2.2 自动调焦策略 142-143 7.3 实验结果及其分析 143-146 7.4 本章小结 146-147 结论 147-150 参考文献 150-161 攻读博士学位期间发表的论文 161-162 致谢 162
|
相似论文
- 有标记点的人体三维运动数据获取方法的研究,TP391.41
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 基于机器视觉的光纤几何参数检测研究,TN253
- 交通视频中车辆异常行为检测及应用研究,TP391.41
- 跟踪印花系统视觉检测算法研究,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
- 利用非局部相似性的图像超分辨率重建研究,TP391.41
- 基于三焦点张量的摄像机标定技术研究及实现,TP391.41
- 基于双镜面成像的单摄像机标定方法研究,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
- 基于光栅投影的牙颌三维测量系统研究,TP391.41
- 水下目标的视觉检测与识别,TP391.41
- 基于机器视觉的工业机器人抓取技术的研究,TP242.2
- 提高车载导弹发射架变形测量精度的方法研究,TJ768.21
- TDICCD大视场多通道图像自动拼接方法,TP391.41
- 双目变焦调焦系统,TP391.41
- 高速卡口车辆牌照检测与相关信息识别,TP391.41
- 基于视觉系统的无人直升机自主降落,V279
- 微光像增强器的分辨力和荧光屏疵点检测技术研究,TN144
- 基于图像处理的砂轮包络廓形测量原理与技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统 > 集中检测与巡回检测系统
© 2012 www.xueweilunwen.com
|