机器视觉中双目立体视觉与三维重建技术研究论文

近年来，随着计算机硬件的不断快速更新，计算机的处理能力也不断变强。同时场景三维模型的获取技术越来越成熟，我们获得场景的三维模型数据的方式更多也更加方便了。而目前在基于单目和双目的三维重建技术中，单目技术较双目操作简单、而且取材方面更有利于推向市场。本文主要讲述基于单相机的三维重建，然后通过基于累积图的快速NCC匹配的种子扩张算法来进行高精度的三维场景重建。本章对经典的NCC相似度量函数进行优化，以此减少计算时间。而种子像素扩张算法即先选择初始的种子像素，利用视差图进行窗口比较从而获得高置信度的

基于双目立体视觉的三维重构是机器视觉技术中重要的研究内容, 在机器人视觉导航、航空测绘、医学成像和工业检测等很多领域都有广泛的应用。研究空间网格候选点三维坐标与图像中二维坐标的映射关系, 对基于网格候选点投影灰度相似性的立体视觉方法进行改进, 建立多分辨率网格节点并与小波分解图像实现一一对应关系, 通过逐级分析网格节点的映射像点灰度相似性, 确定由粗到精的候选点筛选策略, 最终恢复被测物体的深度信息。Matlab平台下的仿真实验可以验证, 小波多分辨率网格节点的构建不但改善了计算效率, 也避免了

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片，通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定，利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配，采用RANSAC算法计算基础矩阵，最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点，并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建，并且能够很好地反映出物体的三维特征。