1 江苏科技大学 计算机学院， 江苏镇江22000
2 南京大学 计算机软件新技术国家重点实验室， 江苏南京10046
为了提高动态场景RGB-D SLAM中相机位姿精度，基于实例分割与光流算法，提出一种高精度RGB-D SLAM方法。首先，通过实例分割算法检测出场景中的物体，删除非刚性物体并构造语义地图。接着，通过光流信息计算运动残差，检测场景中动态刚性物体，并在语义地图中追踪这些动态刚性物体。然后，删除每一帧中非刚性物体和动态刚性物体上的动态特征点，利用其他稳定的特征点优化相机位姿。最后，通过TSDF模型重建静态背景，并以点云的形式显示动态刚性物体。在TUM和Bonn数据集中测试表明，本文方法与当前最先进的SLAM工作ACEFusion相比相机精度提升约43%。消融实验结果表明，保留动态刚性物体处于静止状态下的特征点对相机位姿估计结果提升约37%。稠密建图实验结果表明，本文方法在动态场景中重建结果优于当前先进的工作，平均重建误差为0.042 m。代码开源在https：//github.com/wawcg/dy_wcg。
动态场景 同步定位与地图构建 实例分割 光流 dynamic scenes SLAM instance segmentation optical flow
江苏科技大学计算机学院, 江苏 镇江 212003
在双目结构光系统下,提出一种基于二值空间的条纹边界编解码方法。提出二值空间的定义;按投影顺序将投影图案分层,并为第一层条纹图像构造初始二值空间;根据初始二值空间内黑白条纹的顺序,分别在两个子空间内提取第二层条纹图像的边界线;重复上述操作,每一层条纹图像的边界线都从上一层构造的二值子空间内提取,在此过程中,同时考虑左、右视角下二值空间状态的一致性,并按边界线提取顺序对条纹边界解码,对于断开边界,则根据二值空间的方向在空间内连接边界线;最后,分别拟合正、反条纹边界点的灰度直线,通过求直线交点得到亚像素边缘点。实验结果表明,该方法能完整准确地提取条纹边界线,解码正确率为100%,对平面重建的误差为0.0993 mm,对复杂场景的条纹图像具有较强的抗干扰性。
机器视觉 光学三维测量 结构光 边界编解码 三维点云 激光与光电子学进展
2020, 57(2): 021509
江苏科技大学 计算机学院, 江苏 镇江 212003
为了使用两台标定的高速相机获取点特征柔性物体的三维运动轨迹, 提出了一种实用的点特征柔性物体三维运动恢复方法, 包括图像空间重建、时间序列重建等步骤。其中空间和时间序列重建是三维运动恢复的核心部分, 在空间重建方面, 使用椭圆拟合得到图像上点的坐标, 并根据马氏距离寻找匹配点, 然后利用三角测量法计算空间三维点; 在时间序列重建方面, 利用搜索方法匹配点前后图像坐标, 从而实现运动过程的三维恢复。然后利用重建结果计算运动柔性物体的速度、加速度、曲率变化等重要参数。实验结果表明, 该三维运动恢复方法提高了空间序列匹配的速度和准确度, 有效地实现了时间序列的匹配, 减少了整个重建过程的时间。通过对目标的重建, 准确地获得了物体的三维运动数据。
三维重建 点特征 匹配 柔性物体 运动 3D reconstruction point feature matching non-rigid object motion 红外与激光工程
2018, 47(9): 0917009
1 江苏科技大学 电气与信息工程学院, 江苏 张家港 215600
2 江苏科技大学 计算机科学与工程学院, 江苏 镇江 212003
3 南京大学 计算机软件新技术国家重点实验室, 江苏 南京 210023
本文提出了一种新颖且实用的三维重建系统, 以获取大型物体的三维数据。文中对该系统的组成以及所采用的方法和原理进行了研究。该系统由一个基于红外的三维扫描仪、两个导轨和一个基于PLC(可编程逻辑控制器)模块的高精度运动控制系统组成。运动控制系统控制安装在导轨上的三维扫描仪做匀速运动; 三维扫描仪向物体投射红外线, 并重建物体上所投射的红外线段; 接着, 系统根据三维扫描仪的运动速度, 拼接局部重建数据, 最终获得大型物体完整的三维重建数据。实验结果表明: 与基于激光测距拼接的方法相比, 该方法的测量速度约提高了7倍, 测量精度约提高了2.5倍。基本满足工业生产中大型物体自动三维重建的稳定可靠、精度高、速度快等要求。
大型 扫描 三维重建 测量 Large scanning 3D reconstruction measurement
江苏科技大学 计算机科学与工程学院, 江苏 镇江 212003
提出了基于投影的三维测量拼接方法，用于测量大尺度钢板表面的三维形状。首先，利用光学扫描仪、背景投影仪两种装置实现大尺度钢板的三维测量。其中，三维光学扫描仪负责测量大尺度钢板不同部分的三维数据，背景投影仪用于向被测钢板投射背景纹理；然后，利用基于随机抽样一致性算法(RANSAC)的拼接算法，将不同时刻测量的局部三维数据进行拼接，得到完整的钢板三维数据；最后，提出了一种拼接误差的评价方式来检验拼接精度。实验结果表明:所提方法的单次拼接精度为0.5 mm左右；测量一个7.5 m长的钢板，其累计拼接误差为2 mm左右。得到的结果基本满足船舶外板加工的精度要求，具有较高的实用价值。
三维测量 三维拼接 计算机视觉 结构光 大尺度钢板 3D measurement 3D registration computer vision structured light large-scale plate
