当前位置: 首页> 学位论文 >详情
原文传递 基于机器视觉的车辆几何尺寸测量系统研究
论文题名: 基于机器视觉的车辆几何尺寸测量系统研究
关键词: 机器视觉;车辆尺寸;立体视觉;视觉伺服;照相机阵列;视觉坐标测量机;自动聚焦;汽车前照灯
摘要: 本文研究的目的是建立一套自动化程度高、测试技术先进的车辆几何尺寸参数测量系统。从军用车辆几何尺寸测量的实际需要出发,根据车辆尺寸参数所具有的特点,在综合比较了各种类型的大尺寸空间坐标测量方法之后,本文结合近年来新兴的机器视觉技术,提出了两套设计方案——基于立体视觉的照相机阵列系统方案和基于视觉伺服的大型视觉坐标测量机方案。这两套方案均具有自动化、非接触、高精度、通用性的特点,并且具有系统功能上的扩展性。除设计指标所要求的尺寸参数外,系统还可溶入对汽车前照灯的检测。在车辆整车尺寸参数及通过性几何参数测量领域中,目前还未见类似技术的相关应用研究报道,本文提出的测量方案具有一定的创新性。目前,照相机阵列系统作为首选方案,已通过总装汽车试验场组织的专家组评审,并即将进入系统的现场构建阶段。 本文从理论和实践上对机器视觉技术在几何尺寸测量中的应用进行了深入的研究和探讨。在对各种视觉技术的原理进行深入分析的基础上,本文的研究立足于实际应用技术问题的解决,并对车辆几何尺寸测量系统的工程构建、测量方法等问题作了具体的阐述。文中涉及的大量算法均通过反复的实验进行测试,以验证其作为应用技术的可行性。 本文具有创新性的研究工作概括如下:1. 提出基于立体视觉的照相机阵列系统方案。该方案用多台数码相机分布于车辆周围,以两台相机为一基本测量单元,利用双目立体视觉原理恢复特征点的三维空间坐标,从而实现对车辆各部分几何尺寸的测量。介绍了系统的组成、结构,结合图示论述了各项尺寸的具体测量方法,对系统构建中的若干问题如软件设计、相机设置、测量布局及相机固定方式也作了阐述。 2. 研究并实现了立体视觉技术中的各个环节。在一些具体实施策略上,对车辆几何尺寸测量中运用到的特征提取算法作出了改进,有效的提高了算法的性能和时效。提出了一个高精度的靶标图像角点提取算法。提出基于灰度和边缘梯度方向及幅值的图像相关性评价函数,并依据若干约束设计了一套立体匹配算法;该算法简单实用,运算速度快,对边缘清晰的立体图对能达到较高的匹配率,在实际使用时获得了较好的效果。 3. 提出基于视觉伺服的大型视觉坐标测量机方案。该方案将摄像机置于垂直平面内的正交导轨组上,使摄像机可作二维运动,利用视觉伺服技术,自动识别被测点并控制瞄准;瞄准点的坐标可由导轨上的磁栅尺获得。从而将车辆各部分尺寸的测量转化为在相应投影面内二维尺寸的直接测量。论述了系统的测量原理、组成、结构和尺寸测量方法,介绍了系统标定及校准的方法,并对测量精度作出了分析。 4. 研究了电动镜头自动聚焦算法。首先对一些典型的图像清晰度判据进行了分析比较,并指出了其局限性;提出了基于梯度变换的图像清晰度判据,具有鲁棒性高、清晰度评价特性好的特点;针对电动镜头的特性,提出用爬山法与全局搜索法相结合的聚焦控制算法,避免了传统算法的缺陷。经实验验证,采用以上判据及控制算法的自动聚焦系统可靠性好、聚焦精度高、速度快,具有较高的实际应用价值。 5. 研究了在车辆几何尺寸测量系统中实现汽车前照灯检测的方法,包括远、近光光束照射方向及发光强度的检测。另外,还对利用机器视觉技术检测前照灯配光性能的方法进行了理论分析。 此外,本文主要还完成了以下几方面的工作:1. 系统的研究了照相机阵列系统的标定问题,包括单目相机的标定、双目相机的标定和整个相机阵列的全局标定。在这一部分中,对实现标定算法的各个具体步骤进行了详细的描述;对相机标定过程中的实际问题,如参考点对应问题及出现的标定失败情况作出了分析,并给出了分别对六台相机的实际标定结果及分析;对矫正畸变图像生成非畸变图像的方法进行了介绍;详细描述了双目标定及相机阵列系统全局标定的方法,全局标定借助于经纬仪坐标测量系统来实现,系统标定的整个流程和尺寸计算的方法也在最后作了介绍。2. 对双目立体视觉方法的各种测量实验进行了深入的分析,包括6种空间点三维重建算法的精度比较、相机及双目标定靶标的相对位置对精度的影响、对游标卡尺测量的实验、用4台相机对大尺寸测量的实验和物体的三维表面恢复及立体显示,并列出了详实的实验数据。对照相机阵列系统的实验研究表明:在距离相机2 m深度范围内的公共视场内,两台相机的尺寸测量极限误差不超过1.0 mm;用4台相机组成两个双目测量单元,对大尺寸进行测量的极限误差不超过2.0 mm。对大型视觉坐标测量机的精度分析也表明其测量误差可保持在2.0 mm以内。两套系统都完全可以达到对车辆几何尺寸测量的精度指标要求。
作者: 卞晓东
专业: 精密仪器及机械
导师: 张为公
授予学位: 博士
授予学位单位: 东南大学
学位年度: 2005
正文语种: 中文
检索历史
应用推荐