CN103822581B - 一种基于压缩感知的不规则物体体积测量方法 - Google Patents
一种基于压缩感知的不规则物体体积测量方法 Download PDFInfo
- Publication number
- CN103822581B CN103822581B CN201410066892.5A CN201410066892A CN103822581B CN 103822581 B CN103822581 B CN 103822581B CN 201410066892 A CN201410066892 A CN 201410066892A CN 103822581 B CN103822581 B CN 103822581B
- Authority
- CN
- China
- Prior art keywords
- view
- irregularly shaped
- shaped object
- volume
- compressed sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
一种基于压缩感知的不规则物体体积测量方法,首先,对***进行标定,获取***的像素当量;其次,利用三个摄像头分别获取待测物体俯视、左视、右视三个方向的原始图像,并通过俯视图获得待测物体的最大***长度图像坐标参数,同时利用俯视最大长度像素数为依据分割左右视图所对应的重构范围,用明暗恢复形状法分别对左视图与右视图进行三维重构,随机地选择明暗恢复形状法得到的部分坐标点,以部分坐标点为测量值,选择压缩测量矩阵和稀疏基,重建左右视图的原始坐标,提高坐标值的准确度,在图像坐标下分别计算左右视图重构物体的体积,然后求和;最后,根据像素当量计算世界坐标系中待测物体的实际体积,本发明可以实现不规则物体的体积测量。
Description
技术领域
本发明涉及一种利用数字图像处理技术实现不规则物体体积测量的方法,具体涉及一种基于压缩感知的不规则物体体积测量方法。
背景技术
在实际生活和工业领域中,有一些不规则物料需要测量其体积,如工业原材料的在线检测***。随着测量技术的发展,不规则物体的测量环境复杂多变,测量方法也不断革新。
传统的测量方法是人用卷尺现场丈量规则对象的几何形状,虽然简单、易行,但需对观测对象进行整理,人工现场测量时效性差,精度不高,不适合大型物体的测量,也难以实现非接触式测量。现有基于计算机视觉测量主要是通过双(多)目视觉对不规则物体进行三维重构,然后计算三维重构的物体的体积。双(多)目视觉测量是获得不同角度的物体图像信息,多台摄像机之间的相对位置要得到精确的固定,同时要保证多台摄像机在拍摄的同步性和稳定性,控制上难以实现,基本上只能实现小范围的应用,需要寻找图像间用于匹配的特征点,而特征点匹配又是图像处理中的难点,因此利用多幅图像进行三维重建后的体积计算操作复杂、计算量大,不适用于动态场景等问题。单目视觉测量方法不存在图像特征点的匹配,是直接利用场景中的已知几何特征,在相差一个仿射变换的意义下获得物体的三维结构,对设备的要求简单,无需多幅图像的匹配,成本低廉,易于实现,节约了时间,提高了效率,明暗恢复形状法(SFS)法是最常用的单目视觉法,是根据图像中物体表面的明暗变化,恢复物体表面各点的相对高度,但由于假设条件物体的重建精度不高,现有的不规则物体体积测量方法在一定程度上限制了其在工业过程中的应用。
利用压缩感知(CS)对物体进行三维重建是用明暗恢复形状法得到的部分数据对物体进行二次恢复,提高物体的重建精度,该方法能降低双目视觉三维重建进行体积计算的复杂度,减小了不规则物体的体积计算误差。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于压缩感知的不规则物体体积测量方法,以工业生产中不规则物料体积测量为背景,利用明暗恢复形状得到的部分数据对不规则物体进行二次重构,用于实现不规则物体体积的软测量,加快测量速度,提高生产效率。
为了实现上述目的,本发明采用的技术方案是:
一种基于压缩感知的不规则物体体积测量方法,包括如下步骤:
安装三个摄像头位于待测不规则物体的左、右、上三个方向组成体积测量***,首先对体积测量***进行标定,获取***的像素当量;
其次,利用三个摄像头分别获取待测物体俯视、左视、右视三个方向的原始图像,并通过俯视图获得待测物体的最大***长度图像坐标参数,同时利用俯视最大长度像素数为依据分割左右视图所对应的重构范围,用明暗恢复形状法分别对左视图与右视图进行三维重构,随机地选择明暗恢复形状法得到的部分坐标点,以部分坐标点为测量值,选择压缩测量矩阵和稀疏基,重建左右视图的原始坐标,提高坐标值的准确度,在图像坐标下分别计算左右视图重构物体的体积,然后求和;
最后,根据像素当量计算世界坐标系中待测物体的实际体积。
所述对***进行标定,获取***的像素当量的方法是:利用该***对一个几何参数L已知的物体进行测量,得到代表其参数的像素数M,然后利用公式ε=L/M计算像素当量ε,得到单位像素所代表的实际尺寸。
利用大津法阈值分割对俯视图进行二值化处理,然后求出俯视图上下顶点位置,取两者横向对称中心线,利用俯视最大长度像素数为依据分割左右视图所对应的重构范围。
用明暗恢复形状法分别对左视图与右视图进行三维重构的过程是:
首先,将左右视图与背景进行分割,将背景灰度值设为0;
其次根据不规则物体左右视图的灰度信息,引入物体表面的光滑条件,解得物体表面的梯度值;
最后由梯度值得到物体的高度值,进而得到物体的三维结构。
实验结果表明,本发明涉及的基于压缩感知对不规则物体体积进行测量,可以实现不规则物体的体积测量,是一种较准确地非接触式体积测量方法。若将本发明应用于工业生产领域,可以较好的解决工业原始物料的体积无法准确、快速、非接触测量的问题,减少人工操作,促进工业发展,提高国民经济,具有很大的市场潜力。
附图说明
图1为本发明体积测量方法处理流程图。
具体实施方式
本发明以石块作为被测对象,处理流程如附图1所示,具体实施步骤如下:
Step1、安装三个摄像头位于待测不规则物体的左、右、上三个方向组成体积测量***,首先对体积测量***进行标定,即利用该***对一个几何参数L已知的物体进行测量,得到代表其参数的像素数M,然后利用公式ε=L/M计算像素当量ε,得到单位像素所代表的实际尺寸。
Step2、通过CCD摄像头获得待测物的俯视图和左右两幅侧视图。
Step3、利用大津法阈值分割对俯视图进行二值化处理。
Step4、求出俯视图上下顶点位置,取两者横向对称中心线,利用俯视最大长度像素数为依据分割左右视图所对应的重构范围。
Step5、根据明暗恢复形状法,对左右视图进行三维重构,恢复左右视图的三维图像,得到左视图的三维模型NL个图像坐标集合:(xi,yi,zi)';右视图的三维模型NR个图像坐标集合:(xi,yi,zi)'。
Step6、对左视图的NL个(xi,yi,zi)随机选取ML个坐标点作为测量值YML×1,其中YML×1的每个元素是1×3的点的坐标值,选择压缩矩阵ΦML×NL,稀疏基ΨNL×NL,利用压缩感知来恢复左视图的原始坐标(xi,yi,zi)。
Step7、统计左视图三维模型空间中所包含的实际立体像素块数目,计为sum_left。
Step8、对右视图的NR个(xi,yi,zi)随机选取MR个坐标点作为测量值YMR×1,其中YMR×1的每个元素是1×3的点的坐标值,选择压缩矩阵ΦMR×NR,稀疏基ΨNR×NR,利用压缩感知来恢复右视图的原始坐标(xi,yi,zi)。
Step9、统计右视图三维模型空间中所包含的实际立体像素块数目,计为sum_right。
Step10、图像坐标系中,左右三维模型包含的立体像素块数目为sum=sum_left+sum_right。
Step11、利用像素当量,利用公式V=sum×ε3,将图像坐标系中的体积换算为实际测量体积。
Step12、输出物体实际体积。
上述右视图的三维重构过程:
Step1:将灰度化处理后的右视图与背景进行分割,将背景灰度值设为0;
Step2:将不规则物体的右视图的曲面表示为z=z(x,y),表面梯度为(p,q),即 则曲面的法向量为(p,q,-1),光线的入射矢量估计为:(ps,qs,-1)。
Step3:明暗恢复形状法假设物体表面点的灰度值E仅由该点光源的余弦决定:
Step4:引入可积性约束条件解得表面梯度(p,q)。
Step5:根据(p,q)解偏微分方程得到z(x,y),对于物体右视图中点的(xi,yi),坐标值为(xi,yi,zi(xi,yi))',即(xi,yi,zi)',进而得到右视图的三维结构。
左视图的三维重构过程:
Step1:将灰度化处理后的左视图与背景进行分割,将背景灰度值设为0;
Step2:将不规则物体的左视图的曲面表示为z=z(x,y),表面梯度为(p,q),即 则曲面的法向量为(p,q,-1),光源方向的估计梯度为(ps,qs)。
Step3:明暗恢复形状法假设物体表面点的灰度值E仅由该点光源的余弦决定:
Step4:引入可积性约束条件解得表面梯度(p,q)。
Step5:根据(p,q)解偏微分方程得到z(x,y),对于物体左视图中点的(xi,yi),坐标值为(xi,yi,zi(xi,yi))',即(xi,yi,zi)',进而得到左视图的三维结构。
Claims (4)
1.一种基于压缩感知的不规则物体体积测量方法,包括如下步骤:
安装三个摄像头位于待测不规则物体的左、右、上三个方向组成体积测量***,首先对体积测量***进行标定,获取***的像素当量;
其次,利用三个摄像头分别获取待测物体俯视、左视、右视三个方向的原始图像,并通过俯视图获得待测物体的最大***长度图像坐标参数,同时利用俯视最大长度像素数为依据分割左右视图所对应的重构范围,用明暗恢复形状法分别对左视图与右视图进行三维重构,其特征在于,
随机地选择明暗恢复形状法得到的部分坐标点,以部分坐标点为测量值,选择压缩测量矩阵和稀疏基,重建左右视图的原始坐标,提高坐标值的准确度,在图像坐标下分别计算左右视图重构物体的体积,然后求和;
最后,根据像素当量计算世界坐标系中待测物体的实际体积。
2.根据权利要求1所述的基于压缩感知的不规则物体体积测量方法,其特征在于,所述对***进行标定,获取***的像素当量的方法是:利用该***对一个几何参数L已知的物体进行测量,得到代表其参数的像素数M,然后利用公式ε=L/M计算像素当量ε,得到单位像素所代表的实际尺寸。
3.根据权利要求1所述的基于压缩感知的不规则物体体积测量方法,其特征在于,利用大津法阈值分割对俯视图进行二值化处理,然后求出俯视图上下顶点位置,取两者横向对称中心线,利用俯视最大长度像素数为依据分割左右视图所对应的重构范围。
4.根据权利要求1所述的基于压缩感知的不规则物体体积测量方法,其特征在于,用明暗恢复形状法分别对左视图与右视图进行三维重构的过程是:
首先,将左右视图与背景进行分割,将背景灰度值设为0;
其次根据不规则物体左右视图的灰度信息,引入物体表面的光滑条件,解得物体表面的梯度值;
最后由梯度值得到物体的高度值,进而得到物体的三维结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410066892.5A CN103822581B (zh) | 2014-02-26 | 2014-02-26 | 一种基于压缩感知的不规则物体体积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410066892.5A CN103822581B (zh) | 2014-02-26 | 2014-02-26 | 一种基于压缩感知的不规则物体体积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103822581A CN103822581A (zh) | 2014-05-28 |
CN103822581B true CN103822581B (zh) | 2016-11-23 |
Family
ID=50757758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410066892.5A Active CN103822581B (zh) | 2014-02-26 | 2014-02-26 | 一种基于压缩感知的不规则物体体积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103822581B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105279785B (zh) * | 2014-06-24 | 2021-10-15 | 北京鸿合智能***有限公司 | 一种展台三维建模的方法和装置 |
CN105944976A (zh) * | 2016-05-16 | 2016-09-21 | 陕西科技大学 | 一种利用数字图像处理技术分拣大块煤矸石的方法及装置 |
CN108240732B (zh) * | 2016-12-23 | 2020-11-06 | 青岛海尔智能技术研发有限公司 | 一种冰箱及具有特定轮廓的食材统计方法和*** |
CN109903328B (zh) * | 2017-12-11 | 2021-12-21 | 宁波盈芯信息科技有限公司 | 一种应用于智能手机的物体体积测量的装置及方法 |
CN109307638A (zh) * | 2018-08-07 | 2019-02-05 | 江苏大学 | 一种馒头比容的测定方法及装置 |
CN110095083B (zh) * | 2019-04-28 | 2020-12-25 | 南京工程学院 | 一种基于压缩感知算法的热铸件测量方法及装置 |
CN111986250A (zh) * | 2019-05-22 | 2020-11-24 | 顺丰科技有限公司 | 物体体积测量方法、装置、测量设备及存储介质 |
CN113192015A (zh) * | 2021-04-13 | 2021-07-30 | 广西师范大学 | 基于深度信息的表面缺陷检测方法和*** |
CN113252103A (zh) * | 2021-05-11 | 2021-08-13 | 安徽理工大学 | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101893552A (zh) * | 2010-07-06 | 2010-11-24 | 西安电子科技大学 | 基于压缩感知的高光谱成像仪及成像方法 |
CN103186891A (zh) * | 2013-03-11 | 2013-07-03 | 西安电子科技大学 | 基于压缩感知的六边形图像重构方法 |
CN103237204A (zh) * | 2013-03-21 | 2013-08-07 | 上海交通大学 | 基于高维压缩感知的视频信号采集与重构*** |
CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
CN103337087A (zh) * | 2013-07-04 | 2013-10-02 | 西北工业大学 | 一种基于伪逆自适应算法的压缩感知图像重构方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9121915B2 (en) * | 2010-12-09 | 2015-09-01 | The Board Of Trustees Of The Leland Stanford Junior University | Multi-dimensional cardiac and respiratory imaging with MRI |
-
2014
- 2014-02-26 CN CN201410066892.5A patent/CN103822581B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101893552A (zh) * | 2010-07-06 | 2010-11-24 | 西安电子科技大学 | 基于压缩感知的高光谱成像仪及成像方法 |
CN103186891A (zh) * | 2013-03-11 | 2013-07-03 | 西安电子科技大学 | 基于压缩感知的六边形图像重构方法 |
CN103237204A (zh) * | 2013-03-21 | 2013-08-07 | 上海交通大学 | 基于高维压缩感知的视频信号采集与重构*** |
CN103278090A (zh) * | 2013-05-14 | 2013-09-04 | 陕西科技大学 | 一种不规则物体体积的视觉测量方法 |
CN103337087A (zh) * | 2013-07-04 | 2013-10-02 | 西北工业大学 | 一种基于伪逆自适应算法的压缩感知图像重构方法 |
Non-Patent Citations (1)
Title |
---|
基于单幅灰度图像的微胶点体积测量;陈从平 等;《计算机测量与控制》;20101231;第18卷(第10期);第2238页右栏第3段-第2239段右栏倒数第4段,图2-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN103822581A (zh) | 2014-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103822581B (zh) | 一种基于压缩感知的不规则物体体积测量方法 | |
CN107767442B (zh) | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 | |
CN100476345C (zh) | 基于双目立体视觉技术的空间圆几何参数的测量方法 | |
CN102376089B (zh) | 一种标靶校正方法及*** | |
CN103278090B (zh) | 一种不规则物体体积的视觉测量方法 | |
CN102697508B (zh) | 采用单目视觉的三维重建来进行步态识别的方法 | |
CN105300316B (zh) | 基于灰度重心法的光条中心快速提取方法 | |
CN100388319C (zh) | 三维主动视觉传感器的多视点姿态估计和自标定方法 | |
CN102589530B (zh) | 基于二维相机和三维相机融合的非合作目标位姿测量方法 | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN105157609A (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN102221331B (zh) | 一种基于不对称双目立体视觉技术的测量方法 | |
CN102054276B (zh) | 物体三维几何重建相机定标方法和*** | |
CN101398886A (zh) | 一种基于双目被动立体视觉的快速三维人脸识别方法 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN102252653A (zh) | 基于tof无扫描三维成像的位姿测量方法 | |
CN108596975A (zh) | 一种针对弱纹理区域的立体匹配算法 | |
CN111260720A (zh) | 一种基于深度学习方法的目标高度测定*** | |
CN104408762A (zh) | 利用单目和二维平台获取物体图像信息及三维模型的方法 | |
CN107796370B (zh) | 用于获取转换参数的方法、装置及移动测图*** | |
CN103948196A (zh) | 人体数据的测量方法 | |
CN106500625A (zh) | 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN105277144A (zh) | 基于双目视觉的土地面积快速检测方法及其检测装置 | |
CN104778716A (zh) | 基于单幅图像的卡车车厢体积测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |