斜视场下弱相关散斑图像的匹配方法组成比例

技术编号:27007064 阅读:26 留言:0更新日期:2021-01-08 17:11
本发明专利技术公开了一种斜视场下弱相关散斑图像的匹配方法,方法中,双目系统立体相机标定,并进行大倾斜角或大立体角时左、右相机的散斑图像采集,基于FAST‑AIIM方法进行左、右图像间匹配点对检测,获得初始匹配点对;基于RANSAC算法对初始匹配点对进行筛选,得到点对;利用最小二乘法求解点对之间的对应关系M|d矩阵;对于左图像任一待匹配点,根据M|d矩阵将待匹配点映射至右图像获得对应的位置估计;以位置估计为初值并划定搜索域,在搜索域内基于第一匹配算法获得整像素坐标;基于第二匹配算法对整像素坐标进行亚像素搜索和匹配,获得最终的匹配结果,第二匹配算法的精度高于第一匹配算法。

【技术实现步骤摘要】
斜视场下弱相关散斑图像的匹配方法
本专利技术属于计算机视觉与图像处理
,特别是一种斜视场下弱相关散斑图像的匹配方法。
技术介绍
基于数字图像相关匹配的变形测量方法广泛的应用于航空航天、汽车、材料、交通等领域,尤其是基于数字图像匹配和双目立体视觉的立体匹配更是备受关注。该方法借助两个工业CCD相机组成一套双目测量系统,采集有明显特征的物体表面图案,并通过图像的匹配得到图像对应点,再利用三维重建算法获取物体不同时刻的三维点云,通过跟踪三维点运动可求取物体表面的位移场和应变场。立体匹配是通过像素灰度值和相似性度量函数进行双目图像上同名点的搜索和对应的过程。左、右相机图像匹配的完成主要借助于相关系数,该系数用于度量图像子区域之间的相似性,完全相似时相关系数为1,弱相关为1~0,不相关为0。理论上要求图像采集时相机光轴需尽可能的正对被测物体表面,物体表面法线偏离相机光轴的角度不能过大,也即不能有较大的倾斜角或立体角,否则很容易带来图像间的弱相关甚至不相关问题。实际测量中因工况复杂、双目测量系统布置困难等原因,往往不易获得正对图像,因此需要对本文档来自技高网...

【技术保护点】
1.一种斜视场下弱相关散斑图像的匹配方法,所述方法包括以下步骤:/nS1、双目系统立体相机标定,并进行大倾斜角或大立体角时左、右相机的散斑图像采集,其中,大倾角为大于45°的角度,大立体角为大于30°的角度;/nS2、基于FAST-AIIM方法进行左、右图像间匹配点对检测,获得初始匹配点对Int_PtPairs;/nS3、基于随机抽样一致算法对所述初始匹配点对Int_PtPairs进行筛选,得到点对Final_PtPairs;/nS4、利用最小二乘法求解所述点对Final_PtPairs之间的对应关系的旋转平移矩阵;/nS5、对于左图像任一待匹配点(Xo,Yo),根据所述旋转平移矩阵将所述待匹...

【技术特征摘要】
1.一种斜视场下弱相关散斑图像的匹配方法,所述方法包括以下步骤:
S1、双目系统立体相机标定,并进行大倾斜角或大立体角时左、右相机的散斑图像采集,其中,大倾角为大于45°的角度,大立体角为大于30°的角度;
S2、基于FAST-AIIM方法进行左、右图像间匹配点对检测,获得初始匹配点对Int_PtPairs;
S3、基于随机抽样一致算法对所述初始匹配点对Int_PtPairs进行筛选,得到点对Final_PtPairs;
S4、利用最小二乘法求解所述点对Final_PtPairs之间的对应关系的旋转平移矩阵;
S5、对于左图像任一待匹配点(Xo,Yo),根据所述旋转平移矩阵将所述待匹配点映射至右图像获得对应的位置估计(Xr,Yr);
S6、以位置估计(Xr,Yr)为初值并划定搜索域,在所述搜索域内基于第一匹配算法获得整像素坐标(Xrw,Yrw);
S7、基于第二匹配算法对所述整像素坐标(Xrw,Yrw)进行亚像素搜索和匹配,获得最终的匹配结果(Xrs,Yrs),所述第二匹配算法的精度高于所述第一匹配算法。


2.根据权利要求1所述的方法,其中,优选的,步骤S1中,采用基于摄影测量的柔性标定,立体相机采集平面标定板八个不同方位的图像,经过图像处理和标定计算后获得双目相机的内、外方位参数和相对外参数,其中,所述平面标定板上布置有标志点,标志点包括以规则的行和列排列的环形编码点以及圆形非编码点;将表面喷涂有黑白相间散斑图案的物体放置在相机视野内,相机光轴与物体被测表面不垂直时为斜视场,当物体表面与相机光轴在三维空间呈倾斜角时分别称为左倾角,右倾角,前俯角,后仰角;双目立体相机光轴之间存在固有的立体角使得成像倾斜;当左倾角,右倾角,前俯角,后仰角大于45°,立体角大于30°时,控制双目相机同步触发采集得到左、右相机的散斑图像。


3.根据权利要求1所述的方法,其中,步骤S2中,FAST-AIIM方法基于特征检测的仿射不变性得到左、右图像上一一对应的二维点群集合的所述初始匹配点对Int_PtPairs。


4.根据权利要求1所述的方法,其中,步骤S3中,随机抽样一致算法为RANSAC算法,所述RANSAC算法基于Int_PtPairs中左图像上的特征点与右图像上的特征点之间存在点对数据间的对应模型,利用概率统计与反复迭代选择出点对之间最正确...

【专利技术属性】
技术研发人员:梁晋叶美图苗泽华李文攀陈仁虹
申请(专利权)人:西安交通大学
类型:发明
国别省市:陕西;61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1