变焦摄像机跟踪定位与测量技术
【摘要】:变焦(变倍率)光学成像系统是指被摄物距在沿光轴方向发生变化时,为了得到合适大小的图像,光学系统的焦距可以在一定范围内连续调整的光学系统。变焦光学成像系统目前在摄影、摄像、安全监控、视觉跟踪、精密测量等领域得到广泛应用。民用摄影领域中,变焦距镜头已经代替固定焦距镜头,成为照相机的重要组成部分。在全景成像时,让变焦镜头绕着透视投影中心旋转,拍摄多幅图像,采用图像拼接技术可获得更大画幅的全景图像。在视觉跟踪与导航领域,使用方位角、俯仰角和倍率可以调整的Pan-Tilt-Zoom (PTZ)摄像机或相机,在被跟踪目标距离发生变化时,能够保持跟踪得到的图像大小不变,同时保持较高的影像分辨率,还可能获得目标的姿态和位置信息。因此,研究变焦光学系统成像过程中的相关技术与科学问题,具有重要的学术研究与应用价值。
对于由固定焦距组成的定焦光学系统,视觉模型参数是固定的常量,模型的定标只需要我们对系统进行测量和估计模型中常数项的值。但对于变焦镜头组成的光学成像系统,这些参数随着不同镜头结构设置而变化,因此使用变焦光学系统进行跟踪、定位与测量,在技术上具有巨大的挑战。本论文在国家863项目课题的支持下,针对变焦光学成像系统在精密跟踪、定位与测量中存在的一些科学与技术问题,开展分析与研究。论文主要研究工作和取得的研究成果如下:
(1)针对变焦光学系统结构参数随着倍率、对焦和光阑孔径大小的调整而发生变化的特点,对变焦光学系统的小孔模型和厚透镜模型进行了详细的分析与讨论,研究结果表明厚透镜视觉模型具有更高的建模精度,更适合变焦光学成像系统的建模。
(2)从理论分析和实验验证两个方面出发,阐明了变焦光学系统小孔透视模型透视中心的物理位置,分析与研究了变焦成像光学系统影像中心的变化规律。研究结果表明,变焦光学系统的透视中心在变焦镜头的入瞳位置;在变焦光学系统视觉透视建模时,影像中心位置应该用透视中心到像面垂线的交点来定义;为了获得理想的模型精度,变焦镜头的入瞳位置在变焦过程中应保持恒定不变。这些结论为建立高精度的变焦光学系统视觉模型和设计能够用于精密跟踪、定位与测量的变焦光学系统,提供了理论支持。
(3)研究了PTZ摄像机通过改变水平旋转角、俯仰角、倍率和对焦等参数,实现跟踪、定位与测量物体的方法,建立了包含全局坐标系、水平和俯仰旋转云台坐标系、相机坐标系、实时变化的相机内部参数的三维视觉模型数学表达式。
(4)研究了一种基于PTZ摄像机的视觉跟踪6D测量技术及系统。该变焦视觉跟踪6D测量系统主要由自变焦视觉跟踪摄像机、彩色伪随机编码六自由度测头和计算机组成,利用测头编码标准球上的彩色伪随机编码在摄像机成像面上的位置变化来确定靶标的姿态,从而实现大尺寸空间六自由度的测量。在组合测量、大型设备安装定位中具有广阔的应用前景。
(5)研究了变焦视觉跟踪图像中基本几何特征——角点、直线和椭圆等基本几何特征的识别方法与算法。针对经典Hough变换算法直线检测技术的不足,提出了改进的算法,提高了检测准确度的同时降低了运算时间;研究了两种基于计算边缘曲率的新的角点检测算法——小波变换检测法与轮廓多边形近似检测法;研究了在强噪声环境下提高椭圆检测正确率的迭代Hough变换算法;给出了一种新的椭圆检测算法——改进的曲线弧分割检测法,通过实验验证了此方法可用于解决Hough变换算法与最小二乘算法的遗留问题。
(6)总结了像素级和亚像素级边缘检测技术,提出了两种改进的亚像素边缘检测算法,一种是基于高斯曲面拟合亚像素边缘检测算法,另外一种是基于径向基函数插值亚像素边缘检测算法。这两种算法的基本原理是首先选用Canny算子对图像进行边缘粗定位,然后在粗定位的边缘基础上给定一个窗口,对窗口内进行精细定位。实验结果表明,这两种算法均可达到0.1个像素的精度,分辨率为0.03个像素。
(7)基于研制的PTZ摄像机的视觉跟踪6D测量实验系统,对本文提出的一些观点、算法进行了实验验证,对PTZ变焦跟踪实验系统的性能进行了测试,总结了PTZ变焦跟踪视觉测量的特点和应用前景。
论文最后还对未来的工作重点进行了简要说明。
|
|
|
|
1 |
周传德;王见;尹爱军;;基于平面标靶的物体空间姿态精确测量[J];重庆大学学报;2011年08期 |
2 |
王芳;李航;杨丙乾;;基于机器视觉的微工作台位姿三点法测量[J];河南科技大学学报(自然科学版);2008年03期 |
3 |
高珊;韩艳铧;;一种基于机器视觉的航天器交会对接相对位置和姿态确定算法研究[J];航天控制;2011年01期 |
4 |
朱铮涛,黎绍发,杨敏,陈华平;基于机器视觉的气门杆几何参数测量方法研究[J];组合机床与自动化加工技术;2004年05期 |
5 |
С.И.Мишкинд
,丁柏;用于生产自动化的机器视觉系统[J];机器人;1985年04期 |
6 |
李炜,黄心汉,王敏,万国红;基于机器视觉的带钢表面缺陷检测系统[J];华中科技大学学报(自然科学版);2003年02期 |
7 |
彭金华;;基于稀疏RAM的N-tuple神经网络的足球机器人识别法[J];江西电力职业技术学院学报;2006年02期 |
8 |
;NI拓宽智能相机系列产品选择[J];电子测量技术;2008年10期 |
9 |
林三宝;伏喜斌;;机器视觉焊后检测技术的发展[J];现代制造;2008年43期 |
10 |
Marc DAMHAUT;;机器视觉彩色成像应用分析[J];工业设计;2009年05期 |
11 |
刘凌云;;基于机器视觉的螺母垫圈分拣系统设计[J];湖北汽车工业学院学报;2009年02期 |
12 |
谭刚;董祥龙;徐继;王琦;;基于机器视觉的玻璃瓶表面缺陷检测[J];上海工程技术大学学报;2009年02期 |
13 |
吴杰;;基于机器视觉的电线绝缘厚度自动测量设备的研究[J];中国新技术新产品;2010年05期 |
14 |
冯恩娟;康敏;傅秀清;杨勇;;机器视觉的电解车削对刀间隙检测[J];现代制造工程;2010年04期 |
15 |
邹木春;曾应坚;;基于机器视觉的船舶升沉检测方法[J];自动化与信息工程;2010年03期 |
16 |
陈艺峰;;CMOS摄像机标定实验研究[J];机电技术;2011年02期 |
17 |
石争浩,冯亚宁,付长龙,徐伟,李生斌,李长河,黄士坦;基于机器视觉的铸件表面缺陷人工神经网络检测方法[J];重型机械;2004年02期 |
18 |
朱瑞;机器视觉在复杂零部件检测方面的应用—iGauge[J];国外电子元器件;2004年06期 |
19 |
刘兆妍,马翠红,刘兆妮;基于机器视觉的机械零件测量技术[J];机械设计与制造;2005年07期 |
20 |
马玉真;陶立英;王新华;;计算机视觉技术的应用[J];试验技术与试验机;2006年01期 |
|