在工程以及一些特殊領(lǐng)域中,經(jīng)常需要測量大型物體的體積,以更好地進行工程建設(shè)、分類識別裝箱等。由于待測物體體形龐大、形狀不規(guī)則,如建筑材料堆、文物、集裝箱等,傳統(tǒng)的體積測量方法不能滿足人們對被測體積的精度和效率的要求。不同于傳統(tǒng)的體積測量方法,采用基于圖像的測量方法能夠大大簡化體積測量過程的復(fù)雜性,提高測量的精度和效率。本文在對圖像角點提取與匹配、三維重建和網(wǎng)格模型構(gòu)建等技術(shù)進行深度研究的基礎(chǔ)上,通過對傳統(tǒng)體積測量方法的分析,從測量工具、測量精度和效率角度出發(fā),針對傳統(tǒng)的體積測量方法存在的缺陷,提出了一套基于序列圖像的物體體積測量方法。論文的具體研究工作分為三個部分:（1）對采集到的物體序列圖像提取角點并匹配。論文采用Harris角點檢測算法對角點進行檢測。首先計算圖像上每個像素點的梯度值,再基于該梯度值,利用角點函數(shù)公式計算每個像素點的角點函數(shù)值,根據(jù)設(shè)定的閾值判斷是否為角點（即特征點）,最后對候選角點,采用由粗及精的兩步匹配,從候選角點中選出匹配點。采用歸一化互相關(guān)算法,計算不同圖像上對應(yīng)角點的互相關(guān)性值,進行粗匹配;采用松弛迭代算法,計算粗匹配點對的強度值,進行精匹配。實驗證明,在... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

多種物體形狀

上的某一模板時，如圖 2.4(a)，若 USAN 的地如圖 2.4(c)，當圓形模板的中心處于區(qū)域邊緣形模板的中心正好在角點時，USAN 的地域最乎相同的像素點，若所有像素點的總數(shù)小于選原理，Smith 等人才得出了 SUSAN 的檢測算法（a）圓形模板在同一區(qū)域中（b）核心在區(qū)域中

從二維高斯函數(shù)分布圖可以看出，越靠近像素中心權(quán)值越大。圖 3.1 二維高斯函數(shù)分布圖3.1.2 雙邊濾波雙邊濾波是針對高斯濾波的缺陷提出的一種改進濾波方式[50]。由于本文需要提取圖像中物體的輪廓邊緣，因此需要保留物體的邊緣信息。雙邊濾波與高斯濾波不同在于其是非線性的，該方式簡單、不需要迭代，最重要的是該方法考慮局部等特點。另外，雙邊濾波能夠處理噪聲的同時保留邊緣信息，其最大的優(yōu)點就是邊緣保存[51]。雙邊濾波結(jié)合了圖像之間空間相鄰度和像素值相似度，同時將像素值的差異變化添加進權(quán)值函數(shù)，因此大大改進了高斯濾波平滑邊緣的弱點。通過研究發(fā)現(xiàn)，雙邊濾波的權(quán)值的本身就是高斯函數(shù)，其權(quán)值主要的影響因素來源于像素的差值和空間位置變化。高斯模板，又稱定義域核 ，可以表示為：（3.4）其中， 表示這個像素的坐標值， 表示該像素相鄰像素的坐標值， 表示空間坐標濾波器。灰度級的差值是由函數(shù)系數(shù)的生成模板生成的，又稱為值域核


本文編號：3071273