基于单目视觉的三维物体高度检测方法设计与研究

文章针对三维物体高度测量的单目机器视觉方法进行研究,设计了以射影几何为基础,利用被测工件形体几何约束构建测量函数,基于单目视觉图像处理,利用投影直方图统计分析的方法构建函数,并通过实验分析该几何投影测量存在的误差。验证了投影直方图统计分析方法在三维物体尺寸测量中应用的合理性和正确性。

三维物体的形态图表达方法

三维物体的表达方法是计算机视觉中的关键问题之一 ,现有的各种三维物体表达方法虽然在各自的识别中得到应用 ,但都存在各自的局限性 .用形态图表达三维物体是一种以视点为中心的表达方法 ,由于它列举了一个物体所有可能的“定性”形象 ,即它可使用最少的二维投影线图 (特征视图 )来表达一个完整的三维物体 ,因此使三维物体识别转化为 2 D与 2 D的匹配 .该文首先定义了二维线图拓扑结构等价的判别准则 ;然后给出了构造透明物体形态图的方法 ;最后根据拓扑结构等价准则来得到不透明物体的形态图和特征视图 ,并用圆锥与圆柱相交的实例进行了验证 .

基于重叠区域的复杂破碎关系三维物体重组方法

三维破碎物体的自动化重组在医学、模式识别、文物遗产等领域具有广泛应用。探讨了三维破碎物体自动化重组的难题,特别是面对复杂断裂模式的碎片自动化组装。与传统侧重简单断面匹配的方法不同,该研究重点验证了复杂破碎物体间重叠区域提取对重组性能的影响。通过对多个破碎物体对的重叠区域进行人工标记,并在此基础上进行特征提取和配准实验。结果表明,与仅从断裂面提取特征相比,重叠区域的特征提取能显著提升重组效果。基于此发现,该研究提出了一个碎片重组框架,并成功实现了含有多块复杂破碎碎片的三维物体的自动化组装,为处理复杂破碎关系的三维物体重组提供了新的视角和方法。

面向点云的三维物体识别方法综述

随着三维扫描技术的快速发展,获取各类场景的点云数据已经非常简单快捷;加之点云数据具备不受光照、阴影、纹理的影响等优势,基于点云的三维物体识别已成为计算机视觉领域的研究热点。首先,对近年来面向点云数据的三维物体识别方法进行归纳和总结;然后,对已有方法的优势及缺点进行分析;最后,指出点云物体识别中所面临的挑战及进一步的研究方向。

基于微透镜阵列的实时三维物体识别

提出一种基于微透镜阵列多视角成像特点,将三维物体的深度信息转化为二维透射像阵列的角度信息,利用光学二维图像识别技术,实现对三维物体识别的方法.对识别过程进行了理论分析和计算,用匹配滤波的方法实现了对三维物体骰子的实时识别.实验结果表明,本方法的相关识别能力较高,并且具有很强的灵活性,对于有微小旋转、微小平移的三维物体也可进行识别.

基于数码相机的三维物体空间几何位置的摄影测量

利用数码相机作为图像传感器识别待测工件各特征点位置 ,避免了接触式测量方法难以精确瞄准的困难 .通过一台数码相机从不同方向拍摄的两幅或两幅以上二维图像 ,实现实际空间坐标和数码相机像平面坐标的透视变换 ,并实时完成对三维物体非接触测量的数据采集 .同时 ,提出了一种高效、准确、简单的特征点坐标提取方法 ,实验证明该方法是有效、可行的 .

一种基于支持向量机的三维物体识别方法

提出从三维物体的二维图像中提取仿射不变傅氏描述子、色彩矩及纹理特征,组成一个25维的特征向量,送入支持向量机训练并用于三维物体识别。算法利用了仿射不变傅氏描述子在物体发生仿射形变时具有不变性,利用色彩矩和纹理特征区分形状相似但有不同颜色及纹理的物体,并引入支持向量机作为分类器。基于三维物体图像数据库COIL-100测试了算法的识别性能,当每个物体训练样本图像数量为36个(视角间隔10°)时达到了100%的识别率,进一步减少训练视角数量也达到较满意的识别性能。

三维物体的计算全息的快速算法

提出了一种新的三维物体全息图的快速算法,根据点光源在全息面上的复振幅是中心对称的特性,加速得到阵列采样的全息数据,还快速得到了不同深度的主全息数据.该算法通过主深度主全息数据按比例缩放得到其他深度主全息数据,在同一深度上点全息数据由同深度主全息数据平移得到.分析和实验结果表明,改进后的算法能够减少计算量,提高计算速度,得到深度主全息数据的速度提高了5倍左右.

三维物体识别研究进展

出于工业和医疗等领域大量现实应用的需要 ,如今三维物体识别已成为一个很活跃的研究领域 .一般来说 ,三维物体识别系统可以通过两个阶段的处理来完成三维物体的识别和定位 ,首先用传感器获取的场景输入数据来得到场景的表达 ;然后将它与数据库中存储的物体表达相匹配 .为了推动该领域研究进一步发展 ,因而对近10 a年中该识别过程中必须解决的传感器类型、三维物体表达方法和匹配策略等 3个方面问题的研究成果进行了综述 ,对主要方法进行了分类和总结 ;并提出了一些三维视觉系统中还需要深入研究的问题 ,包括对所研究物体形状的限制、复杂背景的影响和表达以及识别中的“整体和局部”

计算机三维物体实体组建方法的研究

在计算机绘图和三维图像显示,例如激光扫描共焦显微图像、CT图像、MRI图像等的绘制和显示中,三维物体的组建是必不可少的。目前,三维物体的组建都是基于二维物体组建的基础之上。二维物体组建是基于连通性进行二维连通区域检出的,因而三维物体的组建速度比较慢。为此,文章提出一种新方法:围线积分法区域标号和链接表法三维叠片,用于三维图像中三维物体实体的组建。这种方法的基本原理是在三维二值图像中,先采用围线积分法区域标号,组建二维物体切片,再采用链接表法三维叠片,由二维物体切片组建三维实体。这种方法的优点是组建速度比较快。

基于形态图表示的三维物体识别算法

基于形态图表示的三维物体识别的基本思路是:首先建立待识别物体的模型库,找出模型集中所有模型物体的形态图和特征视图,并提取出它们的拓扑结构信息和几何信息;其次对物体真实图像作轮廓提取和边界跟踪,得到二维图像的线架图,同时提取出它的拓扑结构信息和几何信息;最后将物体图像的拓扑结构信息和几何信息与模型库中模型物体的拓扑结构信息和几何信息匹配,从而达到识别的目的。文中提出了在生成线图链码时提取其拓扑结构信息和几何信息的方法,由拓扑结构信息和几何信息构造特征矩阵的方法,以及识别过程中特征矩阵的匹配算法。

近水面三维物体运动的时域计算

本文提出了求解近水面三维物体作任意运动时受到的水动力和产生的波浪的压力波方法。运动可以是大振幅的,但自由面条件是线性的。整个问题由自由面上分布偶极子和物面上布置源汇来模拟后,就可以分解为自由面上布有压力的压力波解和无限流场的绕流解。本文导出了水面布有压力为一般函数时的解析解,然后利用特殊函数的各种性质和公式积出了其中的四重无限积分,大大地简化了。三维的计算主要是计算机速度和内存空间的限制,故本文的方法有较大的实用价值。作为例子,本文计算了突然起动的圆球和回转体作定常运动时的水动力以及它幅射的波浪。结果与其它数值和PMM试验结果比较证实了本方法的合理性和计算的准确性。

计算机与光学联合制三维物体彩色全息图的新方法

针对光学漫射物体彩色全息图制作过程中光能利用率低和彩色图像质量不高的问题,利用计算全息的灵活性,并结合光学全息的特点,提出了计算机与光学相结合的三维物体真彩色全息图制作的新方法.首先用计算机算出3张分色菲涅耳全息图,由全息图的再现像位置以及物点和线全息图的对应关系,控制好这3张菲涅耳全息图的记录距离和全息图大小,使它们放置同一个平面时,其再现像能完全重合.再用光学的方法记录它们的再现重合像,在白光下可见一真彩色立体像.该方法简单易行,光能利用率高.

基于多分辨率格网的三维物体识别方法

本文首先提出了一种改进的三维物体表达方法 ,它将一个三维物体表面网格与其它表面网格的几何关系表示为一个二维矩阵 ,称为距离角度图 .这种表达能够描述任意形态物体 ,抑制杂乱背景和遮挡 ,几何意义直观 ,且适应不同分辨率、非规则的三角格网 .然后 ,以这种表达方法为基础 ,本文阐述了一种基于多分辨率格网的 ,由粗到精的三维物体识别方法 .它先在场景和模型的低分辨率格网上进行粗匹配以得到模型候选集合 ,之后在已匹配网格的高分辨率格网邻域上筛选模型候选集合 ,最后综合考虑多个网格对应的模型候选以得到最终模型候选的确认和验证 .这种识别方法具有运算量小 ,准确可靠等优点 ,实验证明该方法正确有效 .

基于组合不变矩和神经网络的三维物体识别

在三维物体识别系统中,提出将三维物体的Hu不变矩和仿射不变矩两者的低阶矩组合作为三维物体的特征,结合改进的BP神经网络应用于三维物体的分类识别。理论分析和仿真实验表明组合这两种矩特征进行物体识别,性能优于单独使用Hu不变矩,如果进一步对这两种组合的矩特征进行主成分分析处理,可显著提高系统识别性能,并减少网络的训练时间。

空间路径规划中一种三维物体干涉检测算法

本文介绍了一种可以用于工业机器人与作业环境中障碍之间碰撞与干涉检测的算法——公共面法.该算法不仅可应用于机器人仿真技术研究,也为实时检测机器人与障碍物的碰撞与干涉,以及求解无撞路径提供了新的思路.

提高傅立叶变换轮廓法测量三维物体轮廓陡峭度的方法

在简要地分析了傅立叶变换轮廓法（ＦＴＰ）和改进型傅立叶变换轮廓法（ＩＦＴＰ）测量三维物体形状轮廓的原理后，讨论了ＩＦＴＰ的不足，指出ＩＦＴＰ虽然提高了能测三维物体的陡峭度，但存在着人为引入的误差。针对ＩＦＴＰ的不足，提出了修改的方法，利用ＦＴＰ本身的特点，消除了人为误差，在提高测量陡峭度的同时，保证了测量的精度。

三维物体抗仿射变换特征匹配方法

为解决三维物体视角变化下的图像匹配问题,提出一种实现三维物体任意仿射变换间的图像匹配方法.在抗仿射变换的Affine-SIFT算法基础上,提出了多变换矩阵mASIFT（multi Affine SIFT）算法.使用多平面随机抽样一致性（multi-plane RANSAC,mRANSAC）几何变换约束方法,从描述子粗匹配结果中提取正确匹配对.比单一变换矩阵方法更加符合目标物体的立体多平面特性,匹配对数普遍是ASIFT的5~9倍.降低每个单应矩阵的误差阈值,使内点提取中双向变换误差阈值小于3个像素（或2个像素）,更有效地剔除误匹配,可计算出更精确的变换矩阵,实现更加准确的匹配.

基于两幅图像的三维物体分层重构

文章研究在仅有两幅图像的条件下,如果摄像机内参数保持不变,如何利用场景中的结构信息实现空间物体的分层重构,研究表明,计算出无穷远平面的单应矩阵,可以仿射重构,计算出绝对二次曲线的像,就可以进一步实现欧氏重构。最后给出一个具体的实验,结果表明该算法是可行的。

一种基于视图和支持向量机的三维物体识别方法(英文)

为提高三维物体识别系统性能并减少计算复杂性,本文提出了一种基于视图的方法。首先从三维物体的二维视图中提取颜色矩、纹理特征和仿射不变矩。颜色矩对于物体的大小和姿态不敏感且性能稳健。纹理特征可区别形状相似但外观不同的物体。仿射不变矩在物体发生仿射形变下具有不变性。本文将上述各种特征组合为23个分量的特征向量,送入支持向量机进行训练并识别。基于两种公开的三维物体数据库COIL-100和ALOI测试了本文方法性能。当每物体训练视角为36个(视角间隔10°)时,在两个数据库上的实验都达到了100%的识别率。进一步减少训练视角数量也达到较满意的识别性能,优于文献中的方法。