基于結(jié)構(gòu)光立體視覺的三維測量技術(shù)研究.pdf

1、隨著信息數(shù)字化的不斷發(fā)展，各行各業(yè)對(duì)物體三維信息測量系統(tǒng)的需求也隨之增加。結(jié)合結(jié)構(gòu)光立體視覺具有非接觸，快速，便攜靈活，實(shí)時(shí)性好等優(yōu)點(diǎn)，針對(duì)表面平滑，紋理特征較少的大尺寸物體，本文設(shè)計(jì)了一套基于結(jié)構(gòu)光立體視覺的三維測量系統(tǒng)，具體工作如下：
　　(1)綜合分析了結(jié)構(gòu)光三維測量技術(shù)的國內(nèi)外研究現(xiàn)狀，設(shè)計(jì)了基于結(jié)構(gòu)光立體視覺的三維測量系統(tǒng)總體方案，搭建實(shí)驗(yàn)平臺(tái)，并對(duì)系統(tǒng)進(jìn)行標(biāo)定，分析誤差來源。
　　(2)對(duì)不同特征提取算法進(jìn)行研究

2、，通過實(shí)驗(yàn)對(duì)比，選取Sojka算法和Harris binomal算法作為特征提取算子。在此基礎(chǔ)上驗(yàn)證了偽隨機(jī)編碼在特征匹配的優(yōu)越性，結(jié)合偽隨機(jī)編碼特性，相似度量、RANSAC算法設(shè)計(jì)了一種由粗到精的立體匹配算法，并引入金字塔模型減少匹配搜索范圍，提高了匹配效率。通過實(shí)驗(yàn)分析，選擇NCC作為相似測度。
　　(3)利用特征匹配計(jì)算得到的多組局部點(diǎn)云數(shù)據(jù)，基于KD-tree搜索策略采用ICP算法進(jìn)行配準(zhǔn)融合，得到完整的三維點(diǎn)云模型。由于

3、局部點(diǎn)云重疊區(qū)域和噪聲點(diǎn)的存在，采用加權(quán)降采樣法對(duì)配準(zhǔn)后出現(xiàn)的冗余進(jìn)行消除，并通過最小二乘算法進(jìn)行平滑去噪預(yù)處理。最后，基于預(yù)處理后的平滑點(diǎn)云，提出了一種基于增量生長的點(diǎn)云局部投影三角重構(gòu)算法，完成三維模型的重構(gòu)。對(duì)兩種特征提取算法下標(biāo)準(zhǔn)件的重構(gòu)結(jié)果與Go!Scan3D三維掃描儀測量結(jié)果進(jìn)行精度對(duì)比分析。經(jīng)測定，基于Sojka和Harris binomal兩種提取算法均能很好地完成物體的三維模型的重構(gòu)及測量，達(dá)到預(yù)期目標(biāo)。其中，本課題實(shí)