1 福建农林大学 机电工程学院, 福建 福州 350002
2 福建省农业信息感知技术重点实验室, 福建 福州 350002
为了实现基于单目相机的弱或无表面纹理特征目标精确测距，提出了一种基于保留边缘频谱信息的改进散焦图像测距算法。通过对比以傅立叶变换和拉普拉斯变换为计算核心的两种经典散焦测距理论，构建相应的清晰度评价函数，根据灵敏度更好的频谱清晰度函数选择基于频谱的散焦测距法，并根据频谱清晰度函数在保留目标边缘信息的基础上选择频域计算范围，从而进行测距。为验证算法的可行性，本文采用6组不同的鸭蛋样本，获取不同光圈、不同距离的散焦图像，利用该改进算法求解鸭蛋到相机镜头的距离。实验结果表明，基于边缘频谱保留的散焦图像测距改进算法具有良好的测距效果，相关系数为0.986，均方根误差为11.39 mm，并发现对于斜放拍摄的鸭蛋图像进行图像旋转处理后，可有效地提升测距能力，均方根误差从11.39 mm下降至8.76 mm，平均相对误差从2.85%下降至2.28%，相关系数提升至0.99。基本满足了弱或无表面纹理特征目标测距的稳定、精度等要求。
机器视觉 散焦测距 边缘频谱 图像处理 弱或无纹理特征 machine vision defocused image ranging edge spectrum image processing non/weak-texture
浙江大学 光电科学与工程学院 现代光学仪器国家重点实验室, 浙江 杭州 310027
传统的成像方式单次曝光只能获取物空间二维横向分辨率信息, 无法获取纵向深度信息, 导致单次拍摄过程中物空间的深度信息丢失,无法对物空间的目标物进行三维重构。光场相机内部采用光场传感器, 不同于传统成像系统单次采集只能获取二维信息而造成的信息缺失, 光场传感器可获取物空间的多维光场信息, 同时其还具有便携等优点。采用光场相机进行拍摄, 利用数字重聚焦以及散焦测距和相关计算的方法, 实现密集深度图像的获取, 基于matlab软件平台, 对所获取的图像深度数据矩阵进行处理, 最终实现物空间的三维重构。得到物空间的相对深度的归一化结果。本实验中, 在深度范围为100 mm~1 500 mm范围内, 实现平均误差为5.47%深度信息的表面三维重构, 最大重构误差为8.30%。
应用光学 三维重构 数字重聚焦 散焦测距 密集深度图像 applied optics three dimensional reconstruction digital refocusing defocusing depth measurement high quality depth image
