在城市基礎(chǔ)設(shè)施建設(shè)中和一些大型工程項目中,比如水壩建設(shè),礦山開采,港口儲運等,這些工程場景下都會出現(xiàn)細(xì)沙堆,碎石堆等物料堆。這些物料堆的量化對于工程項目的管理是非常重要的一個環(huán)節(jié),只有對物料堆進行了有效的計量就能改善工程場景的管理與提高工作效率。但是目前對這些體積較為龐大且外形不夠規(guī)則的物料堆并沒有一個非常適用的測量方法,同時近年來立體視覺技術(shù)的快速發(fā)展,使得智能汽車、勘探汽車等都安裝了相關(guān)的傳感器來檢測周圍環(huán)境。基于以上原因,本文從車輛立體視覺出發(fā),研究出一種獲得物料堆三維信息來估算目標(biāo)物體積的方法,主要從以下三個方面:研究了經(jīng)過標(biāo)定的立體視覺圖像的特征點提取問題,針對提取特征點的數(shù)量與提取算法的速度,本文將算法速度較快的FAST算法與邊緣特征提取效果較好的Canny算法進行融合,將兩者在建立的尺度空間中獲得的特征點進行合并,加強邊緣點的特征信息。由于兩個算法都不具有旋轉(zhuǎn)不變性與尺度不變性,將SIFT算法中對特征點的描述方法應(yīng)用在兩個算法融合得到的特征點上。在不同的場景下對算法進行了測試與比較,本文提出的算法能得到較多正確匹配的特征點對,同時在算法速度上也有了相應(yīng)的提升。對雙目圖像中... 

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 課題背景及意義
    1.2 國內(nèi)外立體視覺研究現(xiàn)狀
        1.2.1 國外立體視覺研究現(xiàn)狀
        1.2.2 國內(nèi)立體視覺研究現(xiàn)狀
    1.3 立體視覺三維測量研究現(xiàn)狀
    1.4 物料堆三維測量中存在的問題
    1.5 內(nèi)容安排和技術(shù)路線
第2章 車載雙目相機模型與標(biāo)定
    2.1 攝像機模型
        2.1.1 針孔相機模型
        2.1.2 雙目相機模型
    2.2 攝像機標(biāo)定
        2.2.1 相機標(biāo)定原理
        2.2.2 雙目視覺標(biāo)定方法
        2.2.3 雙目相機標(biāo)定實驗結(jié)果
    2.3 智能車實驗平臺
    2.4 本章小結(jié)
第3章 基于立體視覺的特征點提取技術(shù)研究
    3.1 特征點算法分析
        3.1.1 FAST角點檢測
        3.1.2 Canny算法
        3.1.3 SIFT算法
    3.2 改進SIFT的特征匹配算法
        3.2.1 優(yōu)化Canny算法
        3.2.2 改進SIFT算法設(shè)計
    3.3 實驗結(jié)果
        3.3.1 優(yōu)化后的Canny邊緣檢測
        3.3.2 改進后的SIFT算法
    3.4 本章小結(jié)
第4章 基于特征點的立體匹配技術(shù)研究
    4.1 立體匹配技術(shù)介紹
        4.1.1 立體匹配技術(shù)的分類
        4.1.2 立體匹配技術(shù)的組成
        4.1.3 立體匹配技術(shù)的基本步驟
    4.2 立體匹配算法
        4.2.1 BM算法概述
        4.2.2 SGBM算法概述
        4.2.3 誤匹配點剔除
    4.3 實驗結(jié)果
    4.4 本章小結(jié)
第5章 物料堆的三維測量與體積計算研究及分析
    5.1 獲取物料堆的三維信息
        5.1.1 物料堆的三維測量
        5.1.2 物料堆的體積計算
    5.2 實驗系統(tǒng)設(shè)計
        5.2.1 實驗平臺搭建
        5.2.2 實驗方案
    5.3 實驗結(jié)果及分析
        5.3.1 實驗結(jié)果
        5.3.2 實驗分析
    5.4 本章小結(jié)
第6章 結(jié)論
    6.1 研究總結(jié)
    6.2 研究展望
致謝
參考文獻
攻讀碩士學(xué)位期間獲得與學(xué)位論文相關(guān)的成果


【參考文獻】：
期刊論文
[1]類腦智能引導(dǎo)AI未來[J]. 張曉林.  自然雜志. 2018(05)
[2]基于運動散斑的物體三維形貌測量方法[J]. 孫俊鋒,徐玉華,趙曉楓,謝良,張小虎.  實驗力學(xué). 2018(05)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的雙目立體視覺匹配算法[J]. 肖進勝,田紅,鄒文濤,童樂,雷俊鋒.  光學(xué)學(xué)報. 2018(08)
[4]基于改進卷積神經(jīng)網(wǎng)絡(luò)的稠密視差圖提取方法[J]. 黃東振,趙沁,劉華巍,李寶清,袁曉兵.  激光與光電子學(xué)進展. 2018(12)
[5]基于Kriging插值算法的三維地形構(gòu)造研究[J]. 薄楊,黃存東.  長沙大學(xué)學(xué)報. 2018(02)
[6]基于改進Kriging插值模型的城市地面沉降變形趨勢面模擬[J]. 伊堯國,劉慧平,齊建超,段紅志,劉湘平,張洋華.  大地測量與地球動力學(xué). 2017(09)
[7]從百度Apollo計劃探討無人駕駛技術(shù)的發(fā)展[J]. 扈杭.  數(shù)字通信世界. 2017(09)
[8]SGBM算法與BM算法分析研究[J]. 張歡,安利,張強,郭迎鋼,宋錫寧,高乾.  測繪與空間地理信息. 2016(10)
[9]深度成像理論與實現(xiàn)[J]. 劉子偉,許廷發(fā),王洪慶,申子宜,饒志濤.  紅外與激光工程. 2016(07)
[10]一種用于三維人臉重建的快速稠密視差圖生成方法[J]. 谷天,陳江龍,李科,曾東.  西華大學(xué)學(xué)報(自然科學(xué)版). 2016(01)

博士論文
[1]基于雙目立體視覺的羊體尺參數(shù)提取及三維重構(gòu)的研究[D]. 周艷青.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]立體匹配技術(shù)的研究[D]. 耿英楠.吉林大學(xué) 2014

碩士論文
[1]基于雙目立體視覺的大尺寸物體變形檢測[D]. 管媛媛.西安理工大學(xué) 2018
[2]基于雙目立體視覺三維重建技術(shù)研究[D]. 李彪.西安科技大學(xué) 2018
[3]雙目視覺與障礙物探測方法研究[D]. 劉然.西安石油大學(xué) 2018
[4]基于雙目立體視覺的大堆物料體積測量方法研究[D]. 毛琳琳.中國計量學(xué)院 2015
[5]雙目視覺中立體匹配算法的研究與實現(xiàn)[D]. 周芳.大連理工大學(xué) 2013
[6]基于多目視覺的物料堆體積測量的研究[D]. 雷剛.東北大學(xué) 2012
[7]料堆測量系統(tǒng)三維重建算法研究[D]. 陳春.東北大學(xué) 2011



本文編號：3730966