水火弯板机系统中三维重建技术的研究

本资料包含pdf文件1个，下载需要1积分

2.1照相机标定照 相机 的标 定是为确 立 图像 中的某- 点u(u0，v。)与其空间点U(Xo，Y。，Z0)之间的对应关系，这个对应关系可由-个3×4的矩阵来表示。

通过引入摄像机坐标系，照相机坐标系和世界坐标系等辅助坐标系，推导出得到世界坐标系中P(X ，Y ，Z )点和其在图像坐标系中的p(u，v)点之间的对应关系为 ：0Or u o M IM 2Xw 其中M。为照相机内参数矩阵，M 为照相机外参数矩阵。确定M ，M：矩阵参数的过程称为照相机的标定。

本文利用camera calibration tools这个标定工具进行标定。

2.2特征点图像坐标系的求取在广船项 目中，由于三维重建的目标物体为大面积的钢板，表面平整，先用Led点阵向钢板投影，双目照相机对钢板拍照如图1左图所示，通过图像处理，可以得到质量较好的右图像。

视光点为正方形，寻找特征点的工作简化为寻找图像中白色方块的中心坐标。其处理过程为：收稿日期：2013-03-10基金项目：广东省省部产学研结合项目 (2010B090400126)作者简介：钟华 (1986-)，男，重庆人，硕士研究生，研究方向为计算机控制技术。

[102] 第35卷 第8期 2013-08(上)厂 0 0 ，，. .. ... .. .. .。

‰ 0 。 - o-出 0 0务l 訇 化图1 处理前后的Led点阵图像对比1)特征点的个数是不定的，需要用-个单向链表来保存白色方块的首个像素的坐标，每次检测到-个新的白色方块，就将此白色方块的首像素的坐标插入链表的尾部，直到程序检测到所有的白色方块位置。此链表称为集团链表。

2)由于白色方块的大小未定，即每个方块中包含多少白色像素点不能确定，所以以集团链表的每个节点为起始点，创建-个新的链表，此链表称为子集团链表，每当检测到某个白色像素点属于某个集团，就将此白色像素点纳入该集团内。

对每个集团链表的特征点都采用此方法进行聚类，完成整个数据结构的建立。

完成整体数据结构的创建以后，遍历每-个子集团链表 ，得 出其第-个结点图像坐标数据(XO，Y。)和最后-个结点图像坐标数据(x ，Y )的数据，则此白色方块的中心坐标(x ，Y )可有下列的公式得到：半 (2) 数据结构如图2所示。

谢 #-- mm1 -TIn-mm图2 数据结构形成示意图单x：raqtJ图3 双 目照相机 不意图对于两图像的集团链表来说，其特征点是相对应的。也就是说按照从上到下，从左到右的顺序，左右图像特征点是相互对应的。对左右两幅钢板图像进行特征点聚类操作，完成特征点的匹配工作。其结构如图4所示。

器H器H器H器 工 工 工器H器H器H器在图4中，两个集团链表节点之间的双向箭头表示这两个节点所在的特征方块的中心坐标点是- 对特征点对。

2.4多个空间点的重建在图3中，左图像中的某-点P ，其对应为空间直线P口 ，若要得到P点，则需要另外-台照相机在另外-个角度对P点进行拍照，得到右图像，在有图像中P 点对应的空间直线Pp2，P 和P 2相交于唯-的空间点P，Pl和P 称为特征点对。设其投影矩阵分别为M ，M ，得到下列方程组：#A1旺#nl1 1(3)：[辜][薹2曩2薹2暮2 jfX "f其中(Ul，v )是p 点在图像坐标系中的坐标，(u2，V2)是p：点在图像坐标系中的坐标。(x，Y，z)是p点在世界坐标系中的坐标♀这个方程组，就可以求出P点在空间坐标系中的坐标。

本论文中的试验用到了34个点，实验过程如第35卷 第8期 2013-08(上) [10313 试验数据对实验室中任取的-个弧面进行了重建，弧面如图5左图所示。

弧面的重建用到了20个特征点，均匀的分布在如图5左图的170mm×100mm弧面上，以下为数据：序号 左图像素坐标 右图像素坐标 三维坐标1 50 164 5 29 7.8778 .19.6392 -13.33872 46 232 11 177 31.474 -18.6601 -3.403473 37 324 l5 331 57.70599 -18.6601 -3.403474 29 436 21 477 84.57015 -18.4306 5.090985 19 566 24 604 1 10.6301 18.66345 14.18276 48 878 75 820 162.7013 -12.7067 13.12837 175 168 l27 34 9.0149 1.34101 .13.22528 175 235 137 179 32.25229 2.68216 -3.55149 172 324 143 329 57.820239 3.28795 4.80806710 175 235 150 457 81.3211 4.2372 10.3437811 159 579 145 614 113.358 2.41914 14.177412 144 708 141 718 136.5365 0.72096 15.34213 198 881 190 820 163.4527 8.3964 12.885814 336 174 268 44 10.9O48 26.99794 .12.557515 338 235 295 175 32.0944 29.5736 -4.078216 338 314 291 3l1 55.14077 29.222 3.7304 17 321 716 280 717 137.6525 25.9468 14.3932218 326 572 285 605 112.1683 27.2305 1 13.699719 32l 716 280 717 137.6525 25.9468 14.3932220 340 890 299 824 165.128 28.38589 12.6562实际弧面和Matlab重建的弧面图形如图5所示。

- 图5 任取面和重建弧面[1041 第35卷 第8期 2013-08(上)为了验证精度，在这2O个点中任意取7组相邻点，比如取：3、5、8、12、15、17、20这7个点，对任意两点间的x，Y，z距离进行测量，与三维重建中的三维坐标得出的两点间的X，Y，z坐标进行对比，得出以下表格：序号 计算距离 实际测量距离△X △Y △Z △X △Y △Z3-5 52.9 O.23 9 51 O.1 65-8 78.4 21-3 l8 79 20 148～12 104 1.96 19 105 0.8 1412～15 104 28.9 19 1O5 25 l51517 50-3 2.64 14 48 l 1017-20 82.8 1.45 3 80 l 1.5可以看出，此方法得到的三维重建值存在-定的误差，其中可以看出X，Y方向的重建精度高于Z整体数据满足项目的基本要求。

4 结束语为了节约三维重建成本，提出基于特征点的三维重建方法。三维重建结果满足项 目对三维重建的精度需求。