1、雙目立體視覺(jué)是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的重要分支之一，它通過(guò)直接模擬人類(lèi)視覺(jué)系統(tǒng)的方式感知客觀(guān)世界，廣泛應(yīng)用于三維非接觸測(cè)量、機(jī)器人導(dǎo)航和虛擬現(xiàn)實(shí)等領(lǐng)域。原木材積檢測(cè)，特別是整車(chē)、成捆、成堆原木的材積檢測(cè)目前常用稱(chēng)重測(cè)量法、視覺(jué)平面測(cè)量法等，不能精確測(cè)量每根原木尺徑。因此，利用雙目立體視覺(jué)的技術(shù)研究成堆原木野外尺徑測(cè)量具有一定的理論價(jià)值和十分重要的現(xiàn)實(shí)意義。論文圍繞雙目標(biāo)定技術(shù)、匹配策略與匹配算法、陰影消除等重點(diǎn)與難點(diǎn)問(wèn)題展開(kāi)研究。論文的主要

2、工作包括以下幾個(gè)方面。
　　(1)針對(duì)正交消隱點(diǎn)標(biāo)定在實(shí)際應(yīng)用中誤差大、容易退化等問(wèn)題，提出了最優(yōu)正交消隱點(diǎn)標(biāo)定方法。該方法最少只需兩幅圖像，根據(jù)提出的消隱點(diǎn)優(yōu)化方法，每幅圖像提取最優(yōu)的兩對(duì)正交消隱點(diǎn)實(shí)現(xiàn)內(nèi)外參數(shù)標(biāo)定。首先，對(duì)單個(gè)攝像機(jī)先進(jìn)行線(xiàn)性求解求得主點(diǎn)和焦距初始值;考慮到鏡頭徑向畸變，采用非量測(cè)方法，利用直線(xiàn)約束進(jìn)行畸變校正;再提出優(yōu)化的差分進(jìn)化算法，以線(xiàn)形求解的內(nèi)參數(shù)為初值，直線(xiàn)的共線(xiàn)特征為約束優(yōu)化內(nèi)參數(shù);最后，根據(jù)轉(zhuǎn)換后

3、的4對(duì)消隱點(diǎn)坐標(biāo)，利用無(wú)窮單應(yīng)旋轉(zhuǎn)矩陣的正交約束條件，得到旋轉(zhuǎn)矩陣和平移矩陣。該標(biāo)定方法只需要攝像機(jī)拍攝模板平面在不同方向的圖像，模板可以自由的運(yùn)動(dòng)，無(wú)需其運(yùn)動(dòng)參數(shù)。雙目標(biāo)定的平均重構(gòu)誤差為0.598pixel，跟傳統(tǒng)方法標(biāo)定誤差相當(dāng)。該標(biāo)定算法重構(gòu)誤差與傳統(tǒng)算法在一個(gè)級(jí)別，能滿(mǎn)足標(biāo)定中穩(wěn)定可靠、精度高、抗干擾能力強(qiáng)等要求。
　　(2)為了解決Meanshift分割參數(shù)選擇不合適引起的過(guò)分割和過(guò)合并問(wèn)題，提出了自適應(yīng)閾值的合并。為

4、了保證不過(guò)合并，首先判斷區(qū)域面積大小，區(qū)域面積大于某個(gè)閾值，可判斷為單根原木端面，不做合并處理;由于每幅圖像中區(qū)域之間的距離大小不同，根據(jù)合并前的預(yù)分割區(qū)域，計(jì)算相鄰區(qū)域間的距離，再取整幅圖中相鄰區(qū)域距離平均值為閾值，實(shí)現(xiàn)自適應(yīng)合并。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)陰影、背景和端面三類(lèi)不同區(qū)域分割較為準(zhǔn)確，采用自適應(yīng)閾值較好地改善了固定參數(shù)Meanshift分割在本類(lèi)圖像分割中存在的過(guò)分割和過(guò)合并缺點(diǎn)。
　　(3)由于自然環(huán)境下，原木在堆放

5、時(shí)其端面不在一個(gè)平面，凹進(jìn)去的原木很容易陷入陰影中，陰影和原木間的空隙很難區(qū)分。為了能準(zhǔn)確分割陽(yáng)光下自然堆放的原木端面圖像，解決陰影消除的問(wèn)題，提出了模式識(shí)別的方法。對(duì)分割后的區(qū)域提取共30維的顏色直方圖和LBP紋理直方圖特征量用于分類(lèi)器的訓(xùn)練和預(yù)測(cè)。本文通過(guò)對(duì)多根原木堆積的端面圖像分割，證明了該算法的有效性，實(shí)驗(yàn)結(jié)果證明該方法特別適用于有陰影存在的圖像分割問(wèn)題。
　　(4)針對(duì)立體匹配的速度與精度以及圖像分割等問(wèn)題，提出了FSA

6、D和Meanshift圖像分割相結(jié)合的立體匹配算法。該算法首先利用相機(jī)內(nèi)外參數(shù)對(duì)左右圖像做極線(xiàn)校正，并在左右圖像中提取同名點(diǎn)作為約束完成校正，保證校正后的圖像同名點(diǎn)有相同的縱坐標(biāo);再利用FSAD算法，計(jì)算原始視差圖;為了更好的提取圖像邊緣，對(duì)原始圖像進(jìn)行Meanshift圖像分割，優(yōu)化原始視差圖得到最終視差。實(shí)驗(yàn)結(jié)果表明，該匹配算法可得到致密的視差圖，并在邊緣等視差不連續(xù)區(qū)域可獲得較好的匹配精度。利用最小外接矩陣計(jì)算端面的長(zhǎng)徑和短徑，尺