視覺檢測(cè)的幾個(gè)關(guān)鍵問(wèn)題研究.pdf

1、視覺檢測(cè)是機(jī)器視覺應(yīng)用于檢測(cè)領(lǐng)域形成的新技術(shù)。美國(guó)國(guó)家標(biāo)準(zhǔn)局在調(diào)查基礎(chǔ)上曾作過(guò)預(yù)測(cè)：今后工業(yè)檢測(cè)任務(wù)的80％乃至90％-將由視覺檢測(cè)完成，因而具有極為重要的研究?jī)r(jià)值。根據(jù)現(xiàn)代先進(jìn)制造技術(shù)對(duì)視覺檢測(cè)的需要，論文首先以視圖幾何理論為基礎(chǔ)建立單目與多目視覺攝像機(jī)成像模型，然后以圖像分割提取檢測(cè)對(duì)象，最后著重對(duì)視覺檢測(cè)中的畸變校正以及立體匹配等關(guān)鍵問(wèn)題進(jìn)行深入研究，提出了一些新的檢測(cè)方法，并驗(yàn)證了這些方法的有效性。分述如下：
　　 在利

2、用視圖幾何理論解決單目與多目視覺檢測(cè)攝像機(jī)成像問(wèn)題的基礎(chǔ)上，論文結(jié)合梳刀參數(shù)檢測(cè)，紙張計(jì)數(shù)檢測(cè)以及深度檢測(cè)中立體匹配的不確定性問(wèn)題，分析了圖像分割對(duì)視覺檢測(cè)兩方面的意義：在提取檢測(cè)對(duì)象方面，利用OTSU算法實(shí)現(xiàn)梳刀圖像基于全局閾值的分割，提出基于峰谷形態(tài)特征的紙張紋路分割算法，比通常的閾值分割算法能更好地自適應(yīng)反映圖像的局部性質(zhì)；在以分割區(qū)域作為圖像中層符號(hào)描述方面，論文利用Meanshift算法進(jìn)行彩色圖像分割，并對(duì)利用分割區(qū)域同質(zhì)性

3、克服立體匹配的不確定性的進(jìn)行了分析。
　　 實(shí)際的成像系統(tǒng)是一個(gè)非線性系統(tǒng)，因而圖像畸變校正是保證視覺檢測(cè)精度所不可缺少的處理過(guò)程。論文在通過(guò)標(biāo)定獲取攝像機(jī)成像系統(tǒng)非線性畸變系數(shù)的基礎(chǔ)上，提出兩種不同的方法來(lái)解決單目視覺圖像的畸變校正問(wèn)題：一種方法是將線性畸變與非線性畸變分離，分別利用相機(jī)方位（或工件方位）控制裝置和攝像機(jī)標(biāo)定技術(shù)進(jìn)行消除，該方法需要四個(gè)自由度，機(jī)械結(jié)構(gòu)復(fù)雜但對(duì)其精度要求不高；另一種方法是通過(guò)圖像差分建立畸變場(chǎng)微

4、分方程，對(duì)線性畸變與非線性畸變進(jìn)行統(tǒng)一處理，論文提出了畸變場(chǎng)微分方程理想平移量參數(shù)與局部位移量參數(shù)確定方法，并給出了理論推導(dǎo)結(jié)果，該方法僅需要兩個(gè)平移自由度，機(jī)械結(jié)構(gòu)得到極大簡(jiǎn)化但對(duì)其精度要求很高。
　　 深度信息提取是三維視覺檢測(cè)最重要的研究?jī)?nèi)容。立體匹配是實(shí)現(xiàn)深度信息提取的基礎(chǔ)，分為基于WTA準(zhǔn)則的局部最優(yōu)立體匹配和基于能量函數(shù)最小的全局最優(yōu)立體匹配。對(duì)局部最優(yōu)立體匹配來(lái)說(shuō)，論文對(duì)Yoon自適應(yīng)加權(quán)立體匹配算法進(jìn)行了改進(jìn)：首

5、先根據(jù)基于分割的視差假設(shè)分析了顏色相似性和空間鄰近性對(duì)權(quán)值的不同影響，提出了新的空間臨近性權(quán)值模型；然后將Birchfield相異性度量函數(shù)從2-鄰域擴(kuò)展到8-鄰域，解決了原算法所采用的AD相異性度量函數(shù)對(duì)行列采樣敏感的問(wèn)題，匹配代價(jià)計(jì)算更為準(zhǔn)確。實(shí)驗(yàn)表明，本文方法有效改善了原算法的匹配性能，可獲得更為精密的視差圖。對(duì)全局最優(yōu)立體匹配算法來(lái)說(shuō)，論文研究了傾斜平面（曲面）匹配的特殊性，在圖像分割基礎(chǔ)上引入視差變化的微分幾何描述，在此基礎(chǔ)上