原文传递
基于计算机视觉的高精度测量方法研究及应用
| 论文题名： | 基于计算机视觉的高精度测量方法研究及应用 |
| 关键词： | 钢轨爬行位移;测量方法;计算机视觉;三维重建 |
| 摘要： | 基于计算机视觉的高精度测量是计算机视觉研究领域的热点课题之一，随着计算机视觉理论研究的不断深入以及成像设备性价比的不断提高，基于立体视觉测量理论的非接触式高精度测量方法得到了研究人员的极大重视，并在公共安全、交通运输以及国防军事等领域得到了广泛的应用。 本文从立体视觉测量理论研究出发，针对铁路现场基础设施几何结构非接触式高精度测量的迫切需求，重点研究基于场景三维结构重建的高精度三维测量方法，包括标志点定位、特征点提取以及特征点三维重建等关键技术，并提出基于计算机视觉的钢轨爬行位移测量方法，构建了钢轨爬行位移测量图像数据集，通过大量现场实验数据验证了方法的有效性，能够满足钢轨爬行位移高精度测量的实际需求。本文的主要工作及研究成果包括: (1)提出了一种基于深度学习的环状编码标志点两步精确定位法，该方法分为两个阶段，首先以钢轨爬行位移测量图像为训练集训练R-FCN模型实现标志点的初定位，然后通过基于灰度质心的标志点精确定位算法实现图像中标志点的精确定位。在现场图像数据集上的实验证明，该算法显著提高了复杂场景中标志点的检测正确率和定位精确率，为下一步标志匹配点的检测和识别奠定了基础。 (2)提出了一种基于角点空间结构特征描述的多匹配点提取算法，该算法以标志点中心为参照定位点，检测亚像素级角点空间结构特征，并以此对角点进行编码。与传统的单个标志提取单匹配点算法比较，本文算法将单个标志的匹配点提取数量扩大了4-28倍，为多视角姿态参数估计提供了更多的匹配点。在现场图像数据集上的实验验证了该方法的鲁棒性和有效性。 (3)提出了基于特征点三维重建的钢轨爬行位移测量方法。该方法基于区域分块的均匀随机采样RANSAC估计多视角相机姿态参数，采用光束平差法优化三维空间下的相机运动矩阵及特征点的空间坐标，并通过不同检测时间的特征点三维重构钢轨爬行位移的高精度测量。在现场图像数据集上的实验验证了本文提出方法的有效性和测量性能。 |
| 作者： | 胡仁东 |
| 专业： | 计算机技术 |
| 导师： | 尹辉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
