1006大設(shè)計(jì)翻譯版基于結(jié)構(gòu)光深度信息提取技術(shù)實(shí)現(xiàn)

本我，本及其研究工作是由在導(dǎo)師指導(dǎo)下獨(dú)立完成的，在完成時(shí)所利用的一切資料均已在文獻(xiàn)中列出。時(shí)間：2014年6AnImplementationofStructured-Light-BasedDepthInformationExtractionTechnologyAuthor:NiuChen-Tutor:ShengWiththerapiddevelopmentofmoderntechnology,businessesincreasinglydemandhighprecisionmeasurement,withdifferentneedofefficiencyandstability.Structuredlightisthemostwidelyusedoneofvariousvisionmeasurementmethods.Thistopicreconstructsatesttargetunderthelaboratoryenvironmentusingstructured-light-basedbinocularstereovisionmeasurementsystem,withthegoaloflow-cost,high-precisionandhighstability.Withtheadvantagesoffastmeasuringspeed,highaccuracy,non–contact,easyoperation,automaticmeasuring,andsoon,thebinocularstereovisionmeasurementplaysasignificantroleinmanyareaasanewmeasuringmethod.Inthispaper,wediscussedsomekeyproblemsincludingthebasicprinciplesofmeasurementforthebinocularstereovisionmeasurement,thecalibrationmethodofthecamera’sparameters,theStructured-Light-Basedencodingmethodandthethree-dimensionalreconstruction.Themajorcontentisasfollows.Introducethesinglecameracalibrationtheoryandimagingprinciple,whicharethekeytechnologiesofthebinocularstereovisionmeasurement.Atthesametime,achieveaGray-Code-BasedandaSinusoidal-Grating-Basedencodingmethodtoassistimagematching.Thenreducethecalculationusingthestatisticsofdisparity.Finally,describethebinocularstereovisionmodel,three-dimensionalcorrectionandthree-dimensionalreconstruction,andshowtheexperimentalresults.Theaboveconstitutestheentirestructured-light-baseddepthinformationextractionsystem,realizedtheconversionfromtwo-dimensionalimagetothepointclouddatawithlowcost,highaccuracyandhighstability,canwellmeetthemarketdemand. structuredlight,DepthInformationExtraction,3D 緒 課題背 計(jì)算機(jī)視覺(jué)測(cè)量方法簡(jiǎn) 國(guó)內(nèi)外研究現(xiàn) 主要研究?jī)?nèi) 結(jié)構(gòu)介 相機(jī)標(biāo)定原 相機(jī)模 相機(jī)標(biāo) 自標(biāo)定方 平面標(biāo)定方 兩種標(biāo)定 標(biāo)定過(guò)程及結(jié) 本章小 結(jié)構(gòu)光編與匹 結(jié)構(gòu)光編碼基本原 正弦光柵相位移原 格雷碼編碼原 正弦光柵相位展開(kāi)算 空間展開(kāi)算 時(shí)間展開(kāi)算 正弦光柵誤差處 格雷碼邊緣檢 基礎(chǔ)邊緣檢測(cè)算 改進(jìn)的格雷碼邊界檢 匹配算法優(yōu) 本章小 深度提取及實(shí)驗(yàn)結(jié) 視覺(jué)深度線 雙目測(cè)距模 立體校 三維重建實(shí)驗(yàn)結(jié) 格雷碼實(shí)驗(yàn)結(jié) 正弦光柵實(shí)驗(yàn)結(jié) 本章小 總 致 參考文 附 附錄A非對(duì)稱(chēng)點(diǎn)陣標(biāo)定......................................................................................附錄B正弦光柵編碼..........................................................................................附錄C格雷碼編碼..............................................................................................緒1.1利用多幅二維圖像對(duì)三維信息進(jìn)行重建投影各種類(lèi)型的信息（超聲波，激光，電磁波，結(jié)構(gòu)光等，繼而利用回波或拍攝1.2為典型的基于1.2典型的基于正弦光柵的三維測(cè)量系統(tǒng)簡(jiǎn)圖二十世紀(jì)六十年代中期，MIT的Robert將之前對(duì)二維圖像的研究方法擴(kuò)展到先著手開(kāi)發(fā)基于結(jié)構(gòu)光的立體測(cè)量方法。1985年，地處德國(guó)慕尼黑斯費(fèi)爾德的M.A.N.光學(xué)測(cè)量技術(shù)中心開(kāi)發(fā)出基于相移法的物體形變測(cè)量以及振動(dòng)分析[2]。1986之上，對(duì)基于結(jié)構(gòu)光的三維測(cè)量技術(shù)進(jìn)行了系統(tǒng)性的研究，并且推出了許多商業(yè)化的1.3層的技術(shù)原理；綜合利用各種技術(shù)，包括綜合使用不同的編、方式和匹配方法等，提高技術(shù)的性能；由單目測(cè)量向雙目甚至多目發(fā)展、由靜態(tài)向動(dòng)態(tài)發(fā)展，利用的輸相機(jī)標(biāo)定原2.1是一個(gè)很有代表性的小孔成像模型[9]。圖中含有四個(gè)坐標(biāo)系，分別為：世界三維坐標(biāo)系(XwYwZw)、相機(jī)三維坐標(biāo)系(XcYcZc)、計(jì)算機(jī)像素二維坐標(biāo)系(uv)和相機(jī)成像平面二維坐標(biāo)系(x,y)。假定世界三維坐標(biāo)系中坐標(biāo)為(xwywzw)p在相機(jī)三維坐標(biāo)系中的坐標(biāo)為(xc,yc,zc)，其在計(jì)算機(jī)中的像素坐標(biāo)為(u,v)，則該點(diǎn)的投影 [??]=[ ??0][???? 其中，(sx,sy)是感光上的像素密度（像素/厘米），(u0,v0)是相機(jī)光軸和感光的交點(diǎn)，也就是計(jì)算機(jī)圖像中心（也稱(chēng)為相機(jī)主點(diǎn)）的像素坐標(biāo)。理想的CCD的sx和sy值相等。2.1[??]=

]

?? 1

1R3×3的正交矩陣，T3×1和其像素坐標(biāo)(u,v)????[??]

000[ 0]0010

?? 1其中，axf×sx，ay=f×sy，f

1(ywzw)，便能夠得到其在計(jì)算機(jī)中的像素坐標(biāo)(uv)。反之，如果得到計(jì)算機(jī)中某q的xwywzw)的兩個(gè)線性方程，這兩個(gè)線性方程表示由像點(diǎn)和相機(jī)光心的連線構(gòu)成的一條2.2計(jì)算過(guò)程中的數(shù)據(jù)變得不穩(wěn)定[6]2.2所示，空間點(diǎn)所成的像在鏡頭畸變的影響下偏移到了實(shí)際成像平面坐標(biāo)(x,y)，而不在理想小孔成像模型中所期望的位置(xr,yr)。????=??+????(??,{????=??+????(??, 其中，(xryr)是位于理想的小孔成像模型中的圖像點(diǎn)坐標(biāo)；(x,y)是圖像點(diǎn)的實(shí)際像素坐標(biāo)，dx和dy表示非線性畸變，它是關(guān)于點(diǎn)坐標(biāo)的函數(shù)，可以用公式(2.5)描述：????(??,??)=??1??(??2+??2)+(??1(3??2+??2)+2??1????+??1(??2+{????(??,??)=??2??(??2+??2)+(??2(3??2+??2)+2??2????+??2(??2+

k2、p1、p2、s1、s2表示非線性畸變參數(shù)。圖像的畸變之間的關(guān)系如圖2.3所示。2.3????=??(1+其中r2=x2+y2

????=??1+

式(2.6)xy說(shuō)，四周的畸變較中心處更大一些。非線性相機(jī)模型的內(nèi)參數(shù)由線性方法求得x、y、u0、v0k1、k2、p1、p2、1、2共同組成。本文實(shí)現(xiàn)的相機(jī)自標(biāo)定方法中，首先通過(guò)旋轉(zhuǎn)相機(jī)拍攝一組不同角度的，然后sift特征匹配算法查找圖像之間的匹配點(diǎn)，通過(guò)RANSAC算法求解相機(jī)的本征矩陣。特征矩陣包含著相機(jī)的參數(shù)信息。一次實(shí)驗(yàn)的匹配結(jié)果如圖2.4所示。2.4行篩選。2.4即為一次實(shí)驗(yàn)中經(jīng)過(guò)RANSAC算法篩選后的匹配結(jié)果，可以看出篩選1975年，F(xiàn)aig提出了對(duì)非線性相機(jī)模型采用非線性?xún)?yōu)化算法進(jìn)行標(biāo)定的方法[4]相機(jī)非線性畸變的介紹也是以Tsai的假設(shè)為基礎(chǔ)。性好，使用相應(yīng)的標(biāo)定代碼和測(cè)試對(duì)相機(jī)進(jìn)行標(biāo)定后得到的結(jié)果精度大約為0.352.1要小很多。例如所示CCD表面的光電子紊亂和光源的頻閃造成的灰度隨機(jī)波動(dòng)。圖2.5為一次實(shí)驗(yàn)中的平整的局部放大圖肉眼看不出明顯的灰度變化。圖2.6是利用對(duì)上述中某一行采樣300個(gè)像素得到的結(jié)果，結(jié)果反映出圖像中有175到195將近20個(gè)單位的灰度波動(dòng)。這會(huì)對(duì)后續(xù)許多實(shí)驗(yàn)的帶來(lái)干擾。圖2.5一面平整的局部放大圖2.6利用對(duì)的采樣結(jié)2.72.8為兩種標(biāo)定板的局部放大圖。查找2.72.830張，進(jìn)行了六次標(biāo)定實(shí)驗(yàn)，標(biāo)定結(jié)果如表2.2所示。2.2-00--00--00--00--00--00-大。本研究使用的是普通鏡頭，物體距離相機(jī)50cm左右，廣角畸變較小，因此受此影成功找到圓心）標(biāo)定。假設(shè)同一行相鄰圓點(diǎn)之間距離的一半為A，實(shí)際測(cè)得A=17.21mmXY軸，取標(biāo)定板的右上角為世界坐標(biāo)系的圖2.9到的點(diǎn)陣圖2.3(2A2.4M=

D= 結(jié)構(gòu)光編與匹2.6????(??,??)=??`(??,y)+??``(??,??)cos[?(??,??)+????] I'(x,y)為圖像的平均灰度，I''(x,y)為圖像的灰度調(diào)制，δi為圖像每一步的相移大小，φ(x,y)I'(x,y)，I''(x,y)和φ(x,y)，??1(??,??)=??`(??,y)+??``(??,??)cos[?(??,??2(??,??)=??`(??,y)+??``(??,??)cos[?(??,??)+??3(??,??)=??`(??,y)+??``(??,??)cos[?(??,??)+{??4(??,??)=??`(??,y)+??``(??,??)cos[?(??,??)+

?(??,??)=tan?1 3.1標(biāo)準(zhǔn)四步相移算法圖3.3為59Hz的正弦光柵四步相移后求出的相位主值。附錄B中列出了一次實(shí)驗(yàn)中左相機(jī)拍攝的59Hz64Hz70Hz頻率的正弦光柵，n+12n（2n+1個(gè)子區(qū)域，因?yàn)槿愕膱D像并不用做編碼n位長(zhǎng)在一起，一種來(lái)自格雷碼，一種來(lái)自條紋邊界，2n個(gè)子區(qū)域中的每一個(gè)都可以被P=G+{G∈{0,1,2,…,(2???S∈{0,1,2,…,(m?

其中，S是條紋邊界產(chǎn)生的低位編碼，G是格雷碼用于對(duì)低位進(jìn)行展開(kāi)，P是最終具有唯一性的編一個(gè)投影平面寬度為1024像素的投影儀9（也10233.4C222.6所示的隨機(jī)波動(dòng)影響，大量的結(jié)構(gòu)光信息被噪聲掩蓋。另外，頻率偏低對(duì)細(xì)節(jié)的辨別能力也較差。文獻(xiàn)[13]中使用頻率分別為70Hz、64Hz和59Hz的三借助的全局格雷碼圖案進(jìn)行展開(kāi)。路徑相關(guān)法和最小范數(shù)法兩大類(lèi)。GhigliaPritt在他們的文章里介紹并且詳細(xì)對(duì)比分析了各種最小范數(shù)法和路徑相關(guān)法的基礎(chǔ)原理、算法和程序[11]。小不連續(xù)算法。典型的最小范數(shù)法包括：最小Lp范數(shù)相位展開(kāi)法，未最小二乘相位展開(kāi)法和最小二乘相位展開(kāi)法等。從Ghiglia和Pritt的分析結(jié)果可以看出：上述Huntley等提出了與上述的空間展開(kāi)算法相對(duì)應(yīng)的時(shí)間展開(kāi)方法，這種方法利用投攝的數(shù)量比空間展開(kāi)算法多，當(dāng)拍攝圖像的速度足夠快時(shí)，宜選用時(shí)間相位展開(kāi)算32個(gè)區(qū)域。受到光學(xué)限制（調(diào)制傳遞參數(shù)，景深，等等3.3P只率最多只有一次，這會(huì)極大地降低錯(cuò)誤率。圖3.6中P點(diǎn)對(duì)應(yīng)的格雷碼編碼為01100B10249位（n=9）的格雷碼圖3.6格雷碼光柵Φ(,y)=?(??,??)+ (??, ?1(x)?2(x)Φb(x)3.7λ1、λ2、λb?1(x)、?2(x)Φb(x)對(duì)應(yīng)的波長(zhǎng)。Φb(x)λb經(jīng)過(guò)計(jì)算可以表 =

3.7多頻外差原理1Hz3.8通過(guò)下式對(duì)?1(x)進(jìn)行相位展開(kāi)：Φ??=?1(??)+INT(Φ??(??)×????1(??))× 3.8相位展開(kāi)文獻(xiàn)[13]中使用頻率分別為f1=70Hz、f2=64Hz和f3=59Hz的三種光柵來(lái)進(jìn)行?1(x)、?2(x)?3(x)。使用多頻外最后根據(jù)式(3.7)反向計(jì)算出?1(x)、?2(x)和?3(x)的絕對(duì)相位值。圖3.93.10合成的頻率5Hz的圖案1合成的頻6Hz31Hz的圖案。圖3.959Hz光柵相位主 圖3.1064Hz光柵相位主 圖3.125Hz合成 圖3.136Hz合成 圖3.141Hz合成差、γ畸變和非線性灰度響應(yīng)造成的光柵圖案非正弦化、圖像的離散化以及隨機(jī)噪聲[14]。位移誤差通常是由于位移設(shè)備的隨機(jī)機(jī)械誤差造成的相移步長(zhǎng)的不相等導(dǎo)致，在機(jī)能會(huì)因?yàn)閮r(jià)格昂貴而不實(shí)用、相移誤差實(shí)時(shí)檢測(cè)或者選用合適的誤差補(bǔ)償算法等措施，最大程度地降低因設(shè)備原因而帶來(lái)的相移誤差對(duì)深度提取模塊的干擾[15]。本文使用投影CCD相機(jī)的非線性灰度響應(yīng)的光柵圖像的非正弦化。下面對(duì)非正弦化過(guò)程進(jìn)行分3.15CCD相機(jī)拍攝光柵圖像的過(guò)程示意圖????(??,??)=??0+0cos[2??+(??,??)+????] a0表示基值，b0表示振幅，f表示光柵頻率。由于投影儀存在γ畸變，經(jīng)投影儀投射????(??,??) 其中fp(In)代表投影儀對(duì)輸入光強(qiáng)的響應(yīng)，也就是實(shí)際投射出的圖像強(qiáng)度??0(??,??)=??(??,??)[??(??,??)+??(??, 然后，經(jīng)被測(cè)物體反射后的光??0(??,??)被CCD相機(jī)，此時(shí)環(huán)境光會(huì)進(jìn)入相機(jī),假設(shè)進(jìn)入相機(jī)的環(huán)境光為a2(x,y)，則得到的光柵圖像的光強(qiáng)分布為：????(??,??) (??0(??,??)+??(??, 由式(3.8)-(3.11)可知，相機(jī)拍攝得到的光柵圖像是In的函數(shù)，即：????(??,??) (??(??,??)) (??(??, 正弦化。其中投影儀的非線性響應(yīng)是由其γ變換產(chǎn)生的[16]，在普通的投影儀中，γ????(??,??)=[????(??, CCD相機(jī)記錄經(jīng)過(guò)物體調(diào)制后的正弦光柵條紋的強(qiáng)度，其輸入功率與輸出數(shù)據(jù)之間的非線性映射關(guān)系即為相機(jī)的非線性響應(yīng)。CCD相機(jī)的非線性灰度響應(yīng)特點(diǎn)凸顯了CCD感應(yīng)比率失真的弊端，其中最常見(jiàn)的、影響較????(??,??)=??[??0(??,??)+??(??,??)]3+??[??0(??,??)+??(??, 3 2 +??[??0(??,??)+??(??,??)]+1 ????(??,??)=??3[????(??,??)]3??+??2[????(??,??)]2??+??1[????(??,??)]??+

由此可見(jiàn)，相機(jī)拍攝到的光柵圖像存在高階(3γ次冪)的非線性，而光柵圖像的高階????(??,??)

(??,??))= + ?? (??,??)+?? K為諧波的最大次數(shù)，akk次諧波的系數(shù)。 ????cos(??[??(??,??)+????])}

′(??,??)=?tan?1[ ????cos(??[??(??,??)+????])} K的取值為：1～5′(??,??)=tan?1[??1sin[??(??,??)]???2sin[2??(??,??)]+??4sin[??4(??,??)]???5sin[5??(??,??)]??1cos[??(??,??)]+??2cos[2??(??,??)]+??4cos[4??(??,??)]+??5′(??,??) (??,??)+ (??, ?(??,??)=tan?1[?(??2???4)sin[3??(??,??)]???5sin6??(??,??)??1+(??2+??4)cos[3??(??,??)]+??5????1 (??,??)]???2 (??, (??,??)????1 (??, (??,??)?c (??, (??,??)??c (??, 3.1602553.17所示，可50~220時(shí)，系統(tǒng)灰度響應(yīng)接近線性響應(yīng)。因此在實(shí)驗(yàn)中應(yīng)調(diào)節(jié)投影儀和相機(jī)設(shè)置，使到的正弦光柵圖案灰度變化在50~220之間，這樣有3.163.17二階Roberts梯度算子是一種最簡(jiǎn)單的算子，使用對(duì)角線方向兩個(gè)相鄰像素的差值模擬???(??,??) (??,??) (???1,??? ????(??,??) (??.???1) (???1,0000???=010]????=0000000Roberts梯度，從而判斷圖像中的邊緣位置。Roberts4個(gè)像素來(lái)計(jì)算差分，優(yōu)點(diǎn)是計(jì)算簡(jiǎn)便，缺點(diǎn)是Roberts算子好。Prewitt梯度算子水平和垂直方向上的梯度模板分別為： ???=1 1],????=133

0 Sobel Wh=1 2],Wv=144

0 SobelPrewitt梯度算子一樣，都具有抑制噪聲的作用，不Sobel算子于Sobel算子的作用，其使邊緣模糊的程度要稍低于Prewitt梯度算子。Laplacian算fxy)LaplacianG(,y)=??2(??, 其中，Laplacian

2??

G(??,??)=4??(??,??)?[??(???1,??)+??(??,???

+??(??,??+1)+??(??+1,

W= Laplacian檢測(cè)模板，其特點(diǎn)是各向同性，對(duì)孤立的點(diǎn)及線條端點(diǎn)的檢Roberts算子有時(shí)會(huì)把噪聲當(dāng)子，但是又會(huì)是邊緣信息模糊。針對(duì)上述問(wèn)題，Marr和Hildreth提出了-拉斯子，這就減少了噪聲對(duì)Laplacian算子的影響。2013年，SongZ、ChungRZhangXT等人提出了改進(jìn)的二階導(dǎo)數(shù)過(guò)零方法[10]，受到光學(xué)限制（調(diào)制傳遞參數(shù)，景深，等等，投影出的條紋邊界在獲的圖像中通常會(huì)變模糊，如圖3.18(a)。理想的格雷碼邊界檢測(cè)如圖3.18(b)所示，對(duì)于每一張格雷反增這得fP和fN的叉線無(wú)法辨別。這樣直接使用導(dǎo)數(shù)零點(diǎn)??????????，需要使用3.18邊緣檢測(cè)原理3.19fDfPfN的差值，我們fD分成兩段，fD+fD-，分別代fD>0fD<0，3.18(c)所示。fD+fD-的導(dǎo)數(shù)零點(diǎn)交叉位置分別用{?2????+=0}和{?2?????=0}表示。亞像素精度的條紋邊界位置??????????可以用如下公式獲得：??????????=({?2????+=0}+{?2?????=0}) 圖3.19所示.3.20中所展示的數(shù)據(jù)，是在某次實(shí)驗(yàn)中利用統(tǒng)計(jì)出的所有待匹配點(diǎn)的視利用統(tǒng)計(jì)出80%的點(diǎn)的視差分布范圍，然后挑選出符合相機(jī)當(dāng)前配置和物體擺30120進(jìn)行拼可能視差范圍可以設(shè)定為0到150，即每個(gè)待匹配點(diǎn)只搜索右邊相機(jī)的150方法是可行的。所用相機(jī)為1200×1600像素，在去掉了無(wú)編碼信息的點(diǎn)并且限3.20本章首先介紹了正弦光柵和格雷碼兩種主流的結(jié)構(gòu)光編碼方法各自的特點(diǎn)和基本原理，并結(jié)合現(xiàn)設(shè)備以及驗(yàn)環(huán)境以實(shí)現(xiàn)。實(shí)現(xiàn)正弦光結(jié)構(gòu)光編，選深度提取及實(shí)驗(yàn)結(jié)大s= S是物體的大小，D是物體到視網(wǎng)膜的距離，s是視網(wǎng)膜上所成物像的大小。物體離眼睛更近。具體效果如圖4.1所示。4.1遮明暗分布和顏色聚焦范4.1所示，最清晰的紙盒、次清晰的紙盒以及最模糊的遠(yuǎn)景雜物之間會(huì)產(chǎn)生一種深線4.2所示，從下往上看鐵軌越來(lái)越窄，線條越來(lái)越近，給人一種距離越來(lái)越遠(yuǎn)結(jié)構(gòu)

圖4.2線性示意4.3所示，根據(jù)結(jié)構(gòu)密度級(jí)差線索能夠得運(yùn)動(dòng)視

4.3度產(chǎn)生差異（較近的物體視角變化得快，較遠(yuǎn)的物體視角變化得慢，從而引起相對(duì)運(yùn)較近的點(diǎn)A與觀察者反向運(yùn)動(dòng)，距離較遠(yuǎn)的點(diǎn)B與觀察者同向運(yùn)動(dòng)。所示是理想的雙目測(cè)距模型，兩臺(tái)相機(jī)的成像平面精確位于同一平面上，光軸前向平行（Oc方向引出的一條射線，也稱(chēng)主光線，距離固定，焦距相同（flfr。主點(diǎn)cleftcright已經(jīng)校準(zhǔn)。4.54.6P在左右相PlPr，相應(yīng)的坐標(biāo)分別為(xlyl)和(xr,yr)，縱坐yl=yr。d=????? ???(?????????)=??，Z= 4.7視差與深度呈負(fù)相關(guān)OpenCVHartley算法，它只借助基礎(chǔ)矩比Bouguet標(biāo)定算法產(chǎn)生畸變的圖像。當(dāng)可以使用標(biāo)定模型時(shí)，Bouguet算法更簡(jiǎn)單自然?；诜菢?biāo)定立體Hartley算法旨在找到一個(gè)在將兩幅立體圖像的視差最小化時(shí)將對(duì)極點(diǎn)映射到無(wú)窮遠(yuǎn)處的單應(yīng)矩陣。這一點(diǎn)可以通過(guò)匹配兩幅圖像之間的對(duì)，Hartley所示[22]Fel=0和(er)TF用基礎(chǔ)矩陣來(lái)計(jì)算相機(jī)極點(diǎn)及其之間的關(guān)系。上面兩式分射，其他四個(gè)自由度用來(lái)選擇Hr。因?yàn)镠r的大部分選擇都會(huì)產(chǎn)生嚴(yán)重的圖像，所(er)T=(f,0,1)，給定這些坐標(biāo)后，公式(4.4)會(huì)將這樣的一個(gè)極點(diǎn)映射到無(wú)窮遠(yuǎn)處。10100G=01 ∑????(????????, BouguetR與平移面平行的旋轉(zhuǎn)矩陣R被拆為兩個(gè)合成旋轉(zhuǎn)矩陣rl和rr，兩個(gè)相機(jī)分別旋轉(zhuǎn)一部分，如此極線水平對(duì)準(zhǔn)的旋轉(zhuǎn)矩陣Rrect，需要?jiǎng)?chuàng)建一個(gè)由極線e1方向開(kāi)始的旋(cx,cy)

=

??2= ??3=??1× ?????????? {????=????

Pr100010001010010100????_r]100????=??????????_??????[

????=??????????_????′[ P[??]=[?? 1其中，屏幕的坐標(biāo)為(x/w,y/w)。如果給定了屏幕坐標(biāo)和相機(jī)的內(nèi)參數(shù)矩陣，二維點(diǎn)也 0 0Q=

???′ 其中，除??之外的所有參數(shù)都來(lái)自于左側(cè)圖像，?? =

Q1

=[?? Bouguet4.5中的理想立體模型。給旋轉(zhuǎn)后的圖像尋stereoRectify(cameraMatrix[0],distCoeffs[0],cameraMatrix[1],distCoeffs[1],imageSize,R,T,R1,R2,P1,P2,Q,0,-1,imageSize);函數(shù)參數(shù)cameraMatrix[0]和distCoeffs[0]是左相機(jī)標(biāo)定得到的內(nèi)參數(shù)和畸變參數(shù)，像的尺寸，RT是兩個(gè)相機(jī)之間的旋轉(zhuǎn)矩陣和平移向量，R1、R2分別是行對(duì)準(zhǔn)校正時(shí)左右相機(jī)各自旋轉(zhuǎn)的部分，P1、P2分別是投影方程，Q是重投影矩陣。4.84.9圖4.10(b)展示的是格雷碼編碼方法所重建出的正確4.10(a)完整點(diǎn)云的子集。如上段所述，圖4.10(a)中多出來(lái)的點(diǎn)是由正確的點(diǎn)進(jìn)行鋸齒狀平移得到。 圖4.10格雷碼編碼方法的實(shí)驗(yàn)結(jié)果4.11總致認(rèn)識(shí)了很多的同學(xué)和不吝賜教的師兄師姐。畢業(yè)設(shè)計(jì)為大學(xué)時(shí)光畫(huà)上句號(hào)，有今天的我。此外欒老師作為班為提供了許多無(wú)私的幫助。謝的理解、包容，讓我改正了許多錯(cuò)誤，學(xué)到了許多為人處世的道理。參考文[1].基于數(shù)字光柵投影的結(jié)構(gòu)光三維測(cè)量技術(shù)與系統(tǒng)研究[D][D].:華技大學(xué),[2]BreuckmannB,ThiemeW.Computer-aided ysisofholographicinterferogramsusingthephase-shiftmethod[J].Appliedoptics,1985,24(14):2145-2149.[3],張祖勛,張劍清.基于序列圖像的工業(yè)鈑金件三維重建與視覺(jué)檢測(cè)[J].學(xué)(自然科學(xué)版20044FaigW.Calibrationofclose-rangephotogrammetricsystems:mathematicalPhotogrammetricengineeringandremotesensing,Tsai,R.Aversatilecameracalibrationtechniqueforhigh-accuracy3Dmachinevisionmetrologyusingoff-the-shelfTVcamerasandlenses.IEEEJournalofroboticsandautomation,1987.3(4):323-344.ZhangZ.Aflexiblenewtechniqueforcameracalibration[J].Pattern ysisandMachineIn IEEETransactionson,2000,22(11):1330-1334.HartleyRI.Self-calibrationofstationarycameras[J].InternationalJournalofComputerVision,1997,22(1):5-23.光電測(cè)試技術(shù)[M].機(jī)械工業(yè),ZhangS,HuangPS.High-resolution,real-timethree-dimensionalshapemeasurement[J].OpticalEngineering,2006,45(12):123601-123601-8.SongZ,ChungR,ZhangXT.AnAccurateandRobustStrip-Edge-BasedStructuredLightMeansforShinySurfaceMicromeasurementin3-D[J].IndustrialElectronics,IEEETransactionson,2013,60(3):GhigliaDC,PrittMD.Two-dimensionalphaseunwrap:theory,algorithms,and.基于時(shí)間相位展開(kāi)的三維輪廓測(cè)量研究[D][J].:大學(xué),ReichC,RitterR,ThesingJ.Whitelightheterodyneprinciplefor3D-measurement[C]//LasersandOpticsinManufacturingIII.InternationalSocietyforOpticsandPhotonics,1997:236-244.NotniGH,NotniG.Digitalfringeprojectionin3Dshapemeasurement:anerrorysis[C]//OpticalMetrology.InternationalSocietyforOpticsandPhotonics,2003:372-380.HibinoK,OrebBF