论文部分内容阅读
在航空航天等领域的一些应用中,需要对高速运动目标的三维形态进行精确测量,而具有非接触、速度快、柔性好等突出优点的机器视觉测量技术相比于传统的接触式测量方法更为合适运动目标的测量。然而,目前已有的机器视觉测量方法大多是以具有清晰边缘、形状的被测目标图像为基础,难以适用于图像中具有运动模糊效应的运动目标的三维重建。为此,本文从具有一定运动模糊效应的图像出发,寻求有效的、高精度的运动目标三维视觉测量方法。本文的主要研究内容及创新点包括:1、在简要介绍主动视觉特征点——编码点的结构的基础之上,讨论了清晰图像上编码点的自动分割、自动解码以及定位技术;研究了双目立体视觉中的相机成像模型、相机标定、双目立体视觉模型、极线约束以及三维重建技术。2、提出了适用于运动目标三维重建问题的基于空间运动路径(spatial motion path,SMP)的运动模糊模型;根据SMP运动模糊模型,构建了六参数驱动的编码点运动模糊图像模拟生成模型——GMBC模型,解决了后续运动模糊编码点神经网络训练所需的大量实拍样本数据难以获得的问题。3、提出了一种利用卷积神经网络识别布设于运动目标上的具有一定运动模糊效应的视觉编码点的新方法,构建并解析了运动模糊编码点识别网络——MBCNet,利用GMBC模型生成的大量不同模糊程度的编码点图像对网络进行了训练,并从多个角度分析对比了MBCNet和传统的几种模式识别算法对运动模糊编码点的识别效果。4、提出了基于多视角同步时序图像阵列的运动目标三维重建算法,该算法将运动目标三维重建中相互嵌套耦合的运动模糊效应建模、三维几何重建以及运动路径估计三个问题,通过一个整体优化目标函数进行表达,并给出了问题的初值确定以及迭代求解算法;设计了详细的实验方案,对具有运动模糊效应的视觉图像特征进行三维坐标重建,实验结果表明,重建精度较不考虑模糊效应的常规三维重建算法提高一个量级。