1、對(duì)現(xiàn)實(shí)世界的物理模型進(jìn)行三維外形數(shù)據(jù)采集并構(gòu)建其數(shù)字化模型，在航空、航天、汽車、船舶、機(jī)械制造、生物醫(yī)學(xué)、游戲娛樂(lè)等行業(yè)有著廣泛的應(yīng)用需求，而對(duì)測(cè)量數(shù)據(jù)的處理是架設(shè)在數(shù)據(jù)采集與數(shù)據(jù)應(yīng)用之間的橋梁，是三維外形測(cè)量技術(shù)中的重要環(huán)節(jié)。隨著數(shù)字圖像處理技術(shù)快速發(fā)展，以面陣攝像機(jī)為主要傳感器件的三維外形測(cè)量技術(shù)可以快速獲取物體表面的深度圖，產(chǎn)生的稠密點(diǎn)云能在較高的分辨率下刻畫被測(cè)物體上的細(xì)節(jié)特征。特別是近年來(lái)芯片制造技術(shù)的迅速發(fā)展、相應(yīng)產(chǎn)品的價(jià)格

2、不斷下降，使得基于面陣攝像機(jī)的三維外形測(cè)量技術(shù)得到了長(zhǎng)足的發(fā)展。本文深入研究了基于面陣攝像機(jī)三維外形測(cè)量系統(tǒng)中數(shù)據(jù)處理的若干關(guān)鍵技術(shù)，包括數(shù)據(jù)預(yù)處理、深度圖粗配準(zhǔn)、深度圖精配準(zhǔn)、深度圖融合以及網(wǎng)格模型的光順與簡(jiǎn)化。本文的主要內(nèi)容和創(chuàng)新點(diǎn)總結(jié)如下：
　　 1、針對(duì)基于面陣攝像機(jī)的測(cè)量系統(tǒng)所獲得的海量數(shù)據(jù)同時(shí)具有深度信息和像素結(jié)構(gòu)信息的特點(diǎn)，分別提出了稠密點(diǎn)云三角化和自適應(yīng)取樣三角化方法。其中稠密點(diǎn)云三角化方法可以快速得到測(cè)量數(shù)據(jù)的

3、全分辨率網(wǎng)格模型；自適應(yīng)取樣三角化方法通過(guò)對(duì)測(cè)量數(shù)據(jù)的不同區(qū)域進(jìn)行不同比例取樣。在簡(jiǎn)化顯示測(cè)量數(shù)據(jù)的同時(shí)保持物體三維外形輪廓，解決了海量測(cè)量數(shù)據(jù)的實(shí)時(shí)顯示問(wèn)題。
　　 2、在對(duì)已有粗配準(zhǔn)算法進(jìn)行深入分析的基礎(chǔ)上，提出了基于兩種不同原理的深度圖粗配準(zhǔn)方法。第一種方法中首先提出一種新的基于多分辨最小主曲率的網(wǎng)格角點(diǎn)檢測(cè)算法，通過(guò)該算法直接提取網(wǎng)格曲面上的角點(diǎn)特征，并查找兩幅深度圖間相匹配的角點(diǎn)，利用最小二乘法實(shí)現(xiàn)深度圖的粗配準(zhǔn)。第二

4、種方法根據(jù)深度圖數(shù)據(jù)的特點(diǎn)，利用深度圖中每個(gè)空間點(diǎn)的形狀指數(shù)，將深度圖映射為二維合成灰度圖像，并利用二維圖像領(lǐng)域的特征檢測(cè)與匹配技術(shù)提取合成灰度圖像上的特征點(diǎn)，再通過(guò)映射關(guān)系間接地在深度圖網(wǎng)格上提取三維匹配特征點(diǎn)對(duì)，最后通過(guò)進(jìn)一步去除誤匹配的優(yōu)化策略實(shí)現(xiàn)深度圖粗配準(zhǔn)。大量實(shí)驗(yàn)表明，兩種粗配準(zhǔn)算法對(duì)噪聲和數(shù)據(jù)重疊度均具有較高的魯棒性，特別地，當(dāng)深度圖上幾何特征較少時(shí)，第二種方法表現(xiàn)出更高的穩(wěn)定性。
　　 3、深入研究了多視角測(cè)量數(shù)

5、據(jù)的精配準(zhǔn)理論和方法，對(duì)基于虛擬彈簧力系統(tǒng)的全局精配準(zhǔn)算法提出了改進(jìn)。主要的改進(jìn)之處有兩點(diǎn)：一是克服了原算法中不存在外點(diǎn)的假設(shè)條件，在最近對(duì)應(yīng)點(diǎn)查找算法中增加邊界約束，并依據(jù)迭代過(guò)程中的配準(zhǔn)誤差自動(dòng)設(shè)置相應(yīng)的權(quán)重，提高了配準(zhǔn)精度；二是針對(duì)算法計(jì)算效率較低的問(wèn)題，采用基于GPU的高效并行加速技術(shù)，明顯提高了對(duì)應(yīng)點(diǎn)的搜索效率。
　　 4、提出了一種基于網(wǎng)格融合的多視點(diǎn)深度圖同時(shí)融合算法。算法依次將每幅深度圖定義為基準(zhǔn)圖，在基準(zhǔn)圖基礎(chǔ)

6、上同時(shí)對(duì)其它多幅深度圖重疊區(qū)域進(jìn)行檢測(cè)和優(yōu)化調(diào)整，有效降低了融合累積誤差。為使去除冗余后的基準(zhǔn)圖之間的縫隙能夠光滑連接，融合算法中提出了邊界重疊對(duì)應(yīng)點(diǎn)約束方法以及設(shè)置層次邊界加權(quán)方法，在縫隙縫合過(guò)程中綜合考慮了數(shù)據(jù)的重疊與刪除信息，簡(jiǎn)化了縫合難度，使得無(wú)需重新三角化或增加新點(diǎn)即可縫合多視圖之間的縫隙，形成單一拓?fù)淞餍蔚娜诤暇W(wǎng)格曲面。在實(shí)現(xiàn)幾何數(shù)據(jù)融合的同時(shí)，提出了一種紋理融合方法，能夠在幾何數(shù)據(jù)融合的統(tǒng)一框架下得到平滑過(guò)渡的紋理融合結(jié)果

7、。多個(gè)實(shí)際測(cè)量模型的融合實(shí)驗(yàn)結(jié)果驗(yàn)證了本文融合算法有很好的效果。
　　 5、提出了一種具有各向異性的混合濾波算法。該算法定義了一種基于二階鄰域面的雙邊濾波算子，并通過(guò)分析比較該算子與基于一階鄰域點(diǎn)的雙邊濾波算子對(duì)光順噪聲和保持特征的不同原理，將這兩種算子通過(guò)自適應(yīng)設(shè)置的權(quán)重進(jìn)行加權(quán)合并得到新的混合濾波算子，新算子可以在對(duì)噪聲進(jìn)行有效光順的同時(shí)對(duì)光滑區(qū)域起到很好的保持作用，并有效抑制了多次光順迭代所產(chǎn)生的網(wǎng)格模型收縮或擴(kuò)張。