視感智能檢測關(guān)鍵技術(shù)研究.pdf

1、當(dāng)前非接觸式檢測基本通過激光、雷達和超聲波等技術(shù)手段予以實現(xiàn)。但是囿于檢測信號的物理特性、裝置結(jié)構(gòu)復(fù)雜性及其經(jīng)濟成本，這些技術(shù)的應(yīng)用領(lǐng)域尚存在較大的局限性，例如：超聲波檢測距離較短，毫米波雷達在電磁波干擾下檢測精度較差，成像式激光技術(shù)（即結(jié)構(gòu)光成像技術(shù)）裝置過于復(fù)雜導(dǎo)致經(jīng)濟成本太高，而且在檢測過程中要求原先的正常作業(yè)必須停止，等等。
　　 基于圖像信息的檢測技術(shù)依靠多個傳感器采集現(xiàn)場目標的圖像，通過信號處理器對所獲得的圖像進行處

2、理、分析、匹配、識別和理解，最終重建出能夠充分體現(xiàn)物體信息的立體形態(tài)，從而達到對物體的檢測目的。其硬件系統(tǒng)結(jié)構(gòu)簡單、對環(huán)境條件要求低、技術(shù)成本低廉、信息豐富，因此日益受到人們的重視，并業(yè)已成為國內(nèi)外熱門的前沿研究課題。
　　 但是，目前基于圖像信息的檢測算法大多處于理論研究階段，其技術(shù)體系尚不完善，仍有多個關(guān)鍵技術(shù)問題需要解決。諸如多視圖特征點匹配的準確性和檢測誤差的動態(tài)修正等問題，正需要我們予以解決和完善。
　　 論文

3、針對激光、雷達和超聲波等檢測技術(shù)的適用局限性，對束縛視感智能檢測發(fā)展的若干技術(shù)難題開展研究，主要內(nèi)容包括：
　　 1、多視圖特征點匹配問題。為了獲取物體的立體信息，需要采用多個攝像機（或多個角度）對同一目標采集多幅圖像，并且在多視圖中尋找物體特征信息的匹配關(guān)系。本論文通過定位、約束和優(yōu)化三個步驟來完成對多視圖公共特征點位置的快速準確匹配，提出了基于最小特征值及其動態(tài)調(diào)整的定位方法，基于多視張量的約束方法，以及綜合了空間域、頻域和

4、顏色域相似度的優(yōu)化方法，實現(xiàn)了對多視圖特征點的準確匹配。
　　 2、坐標定位和立體重建問題。從多視圖的二維圖像數(shù)據(jù)重新獲取因投影而退化的三維信息過程，即坐標定位和立體重建技術(shù)。本論文首先將Levenberg-Marquardt方法引入到攝像機參數(shù)標定的線性和徑向算法中，提出了一種基于輔助網(wǎng)格的自動標定算法。該方法能夠自動消除鏡頭引起的非線性畸變，并實現(xiàn)對動態(tài)誤差的矯正。其次，論文探討了立體重建的視差法，包括：三角測量、立體標定、

5、視圖配準及三維重投影等運算步驟，提出了異面直線最小距離點逼近法。該方法在多視圖公共特征點自動匹配的基礎(chǔ)上，提高了公共特征點空間坐標定位的運算速度和立體重建的精度，適用于大范圍多目系統(tǒng)而無需配準視圖。
　　 3、幾何復(fù)現(xiàn)與類型識別問題。論文在立體重建的基礎(chǔ)上提出幾何復(fù)現(xiàn)的模型建立及其類型識別方法，通過模型設(shè)計、模型優(yōu)化、模型測量到模型展示的步驟，將抽象的立體重建數(shù)據(jù)轉(zhuǎn)化為適合于檢測的幾何復(fù)現(xiàn)模型。鑒于識別是檢測系統(tǒng)的組成部分和重要

6、延伸，論文還研究了對檢測模型進行分類識別的方法。從高階統(tǒng)計量和矩陣廣義特征值出發(fā)，提出了一種主分量分析的改進算法，以及表達特征分量分類能力的“混淆熵”概念及其層次網(wǎng)絡(luò)分類法，從而達到對被測對象快速識別與準確分類的效果。
　　 論文還通過工程應(yīng)用實例“大型原料場數(shù)字化與自動堆、取料技術(shù)系統(tǒng)”驗證了本論文“視感智能檢測關(guān)鍵技術(shù)研究”成果的高效性與實用性。工業(yè)應(yīng)用證實：采用本文研究成果所建立的應(yīng)用系統(tǒng)具有檢測速度快、精度高、可擴展性強