基于雙目視覺(jué)的皮革尺寸測(cè)量與紋理辨別方法研究及實(shí)現(xiàn).pdf

1、隨著圖像處理和雙目視覺(jué)技術(shù)的研究和發(fā)展，這兩種具有低成本、非接觸、高精度特點(diǎn)的技術(shù)，已經(jīng)應(yīng)用到了越來(lái)越多領(lǐng)域。處于經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型期的皮革制造行業(yè)，面臨著一系列機(jī)遇與挑戰(zhàn)，傳統(tǒng)勞動(dòng)力密集型低效率高浪費(fèi)的發(fā)展模式必將改革。而以圖像處理和雙目視覺(jué)為代表的現(xiàn)代化技術(shù)，正是可以為傳統(tǒng)制造行業(yè)注入新的發(fā)展動(dòng)力，提升制造過(guò)程的自動(dòng)化、智能化水平，相應(yīng)地，這些技術(shù)將改變皮革制造行業(yè)的傳統(tǒng)模式，有效保護(hù)員工安全，減少原料的浪費(fèi)、提升利用率，甚至實(shí)現(xiàn)制造

2、過(guò)程的無(wú)人自動(dòng)化加工。通過(guò)現(xiàn)代化技術(shù)提升傳統(tǒng)產(chǎn)業(yè)的競(jìng)爭(zhēng)力，勢(shì)必鞏固中國(guó)制造的世界地位。
　　 正是基于這樣的行業(yè)和時(shí)代背景，根據(jù)皮革制造流程，本文針對(duì)皮革測(cè)量方法做了如下研究：
　　 1)針對(duì)本文皮革圖像采集的特點(diǎn)提出了雙目視覺(jué)技術(shù)的實(shí)現(xiàn)方案。根據(jù)雙目相機(jī)標(biāo)定結(jié)果，結(jié)合相機(jī)外部非線性畸變因素造成的成像誤差，確立了左右相機(jī)受畸變影響最小的圖像采集區(qū)域。為了更好的提升皮革圖像特征點(diǎn)的重建精度和準(zhǔn)確度，在本文的雙目視覺(jué)模塊中引

3、入了矯正方法，使得左右相機(jī)的成像平面達(dá)到行對(duì)準(zhǔn)模式，這將使皮革圖像特征點(diǎn)的搜索范圍和計(jì)算量都將大大減小，從而進(jìn)一步提高皮革測(cè)量精度。
　　 2)實(shí)現(xiàn)皮革圖像紋理辨別與邊緣提取，便于后期制造過(guò)程中的自動(dòng)化控制。經(jīng)過(guò)紋理提取后的皮革圖像，能更有效地區(qū)分出不同質(zhì)地的面料，由此完成對(duì)皮革原料進(jìn)一步的自動(dòng)化篩選。隨后，皮革圖像經(jīng)過(guò)由灰度轉(zhuǎn)換、高斯平滑、閾值分割和形態(tài)學(xué)閉運(yùn)算組成的一系列處理后，再由Canny算子提取單像素精度的皮革邊緣輪廓

4、，為后期視覺(jué)處理中的特征點(diǎn)提取建立良好基礎(chǔ)。
　　 3)改進(jìn)了基于曲率空間的皮革邊緣特征點(diǎn)檢測(cè)算法。以多尺度基于曲率空間的檢測(cè)算子作為本文提取算法的基礎(chǔ)，在傳統(tǒng)引入提取方法之上作了部分改進(jìn)，通過(guò)全局和局部的約束提高所檢測(cè)出的特征點(diǎn)的可靠性，并在C++平臺(tái)上借助OpenCV實(shí)現(xiàn)提取算法，通過(guò)實(shí)驗(yàn)結(jié)果驗(yàn)證了本算法的有效性。
　　 4)提出了皮革邊緣特征點(diǎn)的匹配算法，進(jìn)而通過(guò)特征點(diǎn)重建得到皮革尺寸的測(cè)量結(jié)果。結(jié)合行對(duì)準(zhǔn)模式的優(yōu)