针对高超声速风洞试验段内来流过强、总压总温过高导致的光学测量设备不易布局的问题, 设计了一种适用于高超声速风洞的双目视觉测量系统布局方案及姿态测量方法。通过试验段内外布置的高速相机及LED光源, 实现对测试模型六自由度数据的采集; 为了验证布局合理性, 利用静态试验加以验证, 采用双目视觉系统中模型标志点技术解算模型位移和姿态信息。通过在试验中与实际送进机构对模型姿态的改变量进行对比, 证明了双目视觉系统布置方案的可行性, 同时验证了此系统在测量距离1.2 m、测量空间范围0.5 m3内, 对模型转动姿态测试误差低于0.08°, 位移测试误差低于0.05 mm。

为建立目标表面的真实彩色三维点云数据模型, 以编码标志点作为定位介质, 利用目标的无色点云和彩色图像, 提出一种三维点云颜色复原方法。在目标附近放置多组编码标志点, 用基于激光线的三维扫描设备获取目标无色的三维点云和编码标志点信息; 用彩色相机从多视角采集目标及编码标志点的彩色图像, 通过Canny边缘检测及亚像素定位算法得到编码标志点的图像坐标; 再利用改进的直接线性变换法由编码标志点的世界坐标值及像素坐标值求解出相机相对世界坐标系的位姿矩阵, 通过相机成像模型建立点云与彩色图像像元的映射关系; 最后, 利用插值法计算局部点云的颜色并完成整个点云颜色的融合。采用该方法对多个模型进行了颜色复原实验, 彩色三维点云的颜色空间位置偏差小于0.6 mm, 重建效率为7.3×104 point/s, 彩色三维点云与目标相似度高。该方法可以实现目标彩色三维点云重建, 计算精度和效率均能够满足使用需求。

圆环编码标志点广泛应用于三维测量领域中,标志点的中心提取精度直接影响了系统的测量精度。针对当前圆环编码标志点中心提取方法易受拍摄角度影响的问题,提出了一种基于编码环带径向直线拟合提取标志点中心的方法。首先对图像进行预处理,提取其边缘,分割出编码标志点环带中的径向直线,然后利用高斯拟合法对边缘点进行亚像素定位。将提取出的亚像素边缘点集映射到参数空间变成曲线,求出所有曲线的交点。最后利用随机采样一致性算法进行拟合,映射到原始坐标空间得到中心坐标。仿真结果表明,随标志点尺寸和拍摄角度的增大,该方法提取的中心坐标误差从1 pixel降低为0.05 pixel。实验测量发现,在标靶尺寸、拍摄角度不同的情况下,该方法提取的中心坐标误差保持1 pixel以内,与椭圆拟合法相比,标定相机的重投影误差减少了20%,标定结果更加精确。

圆形标志点检测通常被视为椭圆检测。由于光线、角度等原因,采集到的标志点会出现残缺,另外,当背景或物体较复杂时,非标志点边缘为标志点的提取带来干扰。为此,提出了一种基于椭圆外切矩形性质的圆形标志点检测方法。通过拟合椭圆的准圆来检测椭圆的中心,利用椭圆外切矩形的几何性质来确定椭圆的长短轴位置及旋转角度。为了去除非标志点的干扰边缘影响,进一步构造验证参数,并结合聚类算法,最终提取有效的标志点类。仿真与实物实验表明,该算法拟合精度高,检测性能优良,对具有部分残缺的椭圆有良好的识别效果,且对于复杂情况下的标志点识别仍具有较高的精度和稳健性。

在散斑视觉测量中,通常引入标志点以提高散斑的测量效率。针对传统标志点匹配过程中存在的匹配时间长、匹配准确率低等问题,提出了一种采用改进KLT(Kanade-Lucas-Tomasi)算法的标志点匹配方法。该方法在利用改进加速稳健性特征(SURF)算法对标志点进行检测以建立初始匹配点的基础上,采用改进的KLT算法实现标志点的匹配,并利用最大双向误差作为约束条件删除匹配过程中存在的误匹配点,以提高匹配的可靠性。最后,对机翼颤振测量中涂敷在机翼模型散斑区的标志点进行了匹配实验验证。结果表明,与传统的尺度不变特征转换(SIFT)与SURF匹配算法相比,所提方法在匹配时间上分别减少了75.9%和42.8%,在匹配准确率上分别提高了30.6%和22.2%。

在单目结构光的三维测量系统中, 由于投影仪倾斜投影,参考平面上的条纹周期展宽, 给测量带来误差, 降低了测量精度。同时受大物体自身几何和形貌等因素的影响, 以及相交轴测量系统的限制, 其单幅面测量范围受限, 很难一次测量大物体完整的三维形貌, 而且在测量大物体时, 摄像机镜头非线性畸变也影响测量精度。根据参考平面上光栅条纹的周期变化规律, 提出了一种适用性好、方便快捷的条纹周期校正的理论模型,在此基础上,提出了基于条纹周期校正的四步相移法的理论模型, 进而提出了基于条纹周期校正的时间相位展开法的理论模型。采用摄像机镜头非线性畸变校正模型, 提高测量精度。在被测物表面粘贴标志点, 获取其三维坐标, 利用SVD分解和L-M优化算法求取转换矩阵, 并在设定的全局坐标系下实现三维图像拼接, 采用线性加权算法, 对重叠区域进行图像融合。实验结果表明, X轴的拼接误差为0.14 mm, Y轴的拼接误差为0.16 mm, Z轴的拼接误差为0.19 mm, 其拼接误差均在测量误差允许范围之内。

为了实现双目立体视觉系统大范围高精度三维测量, 提出了一种大视场双目立体视觉系统柔性标定方法, 该方法将系统中各相机内部参数标定与相机间的姿态标定进行分离, 标定内部参数时, 只需要令标靶相对于相机任意摆放至少三个姿态, 对标靶上的编码标志点进行识别, 根据标靶上编码标志点信息, 建立各姿态下视图的对应关系, 粗略计算标志点的初始三维坐标; 建立多姿态下逆向投影误差最小的目标函数, 采用非线性最小二乘优化获取精确的相机内部参数和标志点三维坐标; 最后, 建立基于双相机逆向投影误差最小的目标函数, 优化得到精确的相机间姿态的外部参数。实验结果表明: 当测量空间为1 200 mm×1 000 mm×1 000 mm时, 立体视觉系统的测量精度优于0.1 mm, 满足大范围双目立体视觉系统的高精度测量需求。

在数字散斑相关测量方法中, 可靠的变形初值估计是获得亚像素精度的关键。利用标志点匹配技术, 提出了一种新的变形参数初值估计法。该方法在散斑上粘贴反射系数极高的圆形标志点, 为消除散斑背景对标志点提取的影响, 提出一种改进的尺度不变特征转换算法, 将极值点检测约束在显著的边缘区域, 从而大大减少冗余特征点的提取, 最后通过单应性变换得到全场变形, 进而使得感兴趣区域中各像素点快速完成初值估计。制作散斑板子进行实验验证, 结果表明, 该方法得到的变形初值, 只需要3~4次迭代就能够使亚像素迭代收敛, 并获得准确、可靠的测量结果。

针对圆形标志点标定鱼眼镜头模型参量准确度不高的问题, 提出一种基于质心点优化的鱼眼相机标定方法.首先在已有的鱼眼镜头成像模型的基础上, 获取模型内外参量的初值, 并利用两步求解法求取畸变参量的初值；然后通过模型求取标志圆的投影椭圆, 对该投影椭圆和图像上的椭圆分别求质心, 进而建立目标函数并优化模型各参量, 最后实现鱼眼镜头的精确标定.模拟实验和真实图像实验结果均表明: 本文提出的方法能够明显提高鱼眼镜头的标定准确度, 为鱼眼视觉相关问题的研究提供了可靠的参量依据.

为提高双目立体视觉测量图像精确匹配的稳定性，提出一种基于特征点能量的稳健匹配新算法。该算法基于极线约束获取左右图像中特征点的初始匹配，根据特征点之间极线约束关系定义了一种不受仿射变换影响的能量来描述特征点，通过比对特征点能量值来剔除误匹配。该算法有效降低了误匹配率和误剔除率，从而满足多视角测量数据拼合过程中严格限制误匹配率的要求。实验结果表明，该算法正确匹配率大于95%，误剔除率小于2%，具有较强的稳健性。