基于正交消失点及圆投影先验单幅图像卡车体积解算方法论文修改5.docxVIP

基于正交消失点及圆投影先验的单幅图像卡车体积解算方法内容基本可以，本周可以完成，主要问题：1，前面的坐标定义及公式，后面要进行引用；2，文章改为5段式，增加边缘检测的图片3，精度有点低，有改进余地,激光，单目，双目4,摘要1 引言传统的卡车体积测量大都采用光电体积测量系统[1-3]，需要同时使用激光器、摄像机和传感器等设备，其实施方法复杂，成本较高，且只能应用于位置固定的检测通道。随着计算机技术的发展，利用基于图像建模和绘制技术进行物体体积测量得到了越来越多的研究。传统的图像的三维重建是基于图像的明暗[4]、纹理[5]、焦距[6-7]等先验知识的基础上完成的，其对场景的光源、纹理规则、反射属性有严格的要求，对于不同环境下的体积测量其通用性较差。Eisert P等人[8]利用基于运动的建模方法实现物体的三维重建，通过在两幅[9-10]或多幅未标定[11]的图像中检测匹配的特征点集，同时恢复相机的内外参数，重建出物体三维模型。这种方法对图像中特征点匹配的精度很敏感，在图像中包含特征点较少时，其建模精度较低，体积测量误差大。Henry P等人[12-13]利用深度图像可以较为精确的建立物体三维模型，深度图像包含了物体颜色信息及各像素点的深度信息，生成深度图像的方式有多种，包括采用结构光源[14]、激光传播时间计量以及其他一些计算机视觉手段，但成本很高，操作不便，使该方法的应用范围受到了限制。Kholgade[15]与Xu[16]等利用虚拟现实技术通过对已有同类物体3D模型的变换，实现模型与单幅未标定图片的3D匹配，可以从单幅图像中恢复物体的三维模型及纹理。此方法存在尺度上的模糊，只能用于3D场景的漫游，不适用于物体体积的测量。针对现有方法需要复杂特征点匹配或深度信息计算的缺点，本文根据实际的卡车特点提出了一种基于单幅图像的卡车车厢体积测量方法。该方法以车轮半径为先验信息，不用进行多幅图像之间的特征点匹配，也无需计算卡车图像中每个点的深度信息，而是仅利用卡车图像中存在的消失点与车轮提供的单圆特征计算出各车厢顶点的唯一空间三维坐标，进而求出卡车车厢的体积，不存在尺度上的模糊，且具有较高的精度，可用于针对特定卡车图片的卡车车厢体积实时测量。本文的主要贡献如下：1）本方法仅利用单幅图像中包含的消失点与车轮圆特征直接解算出卡车与相机的相对位姿关系，并结合车厢平面方程与相机成像的矩阵运算方程计算出车厢各顶点的唯一三维坐标，省去复杂特征点匹配与深度信息计算过程，降低了计算量且适用于实时的体积测量；2）本方法可以通过单幅卡车图像计算出卡车车厢的体积，克服了传统的光电体积测量系统只能应用于位置固定的检测通道且需要多个激光器、摄像机和传感器的缺点。本文的具体章节安排如下：在第2节详细的给出了本方法的具体理论推导及计算过程，其中包括相机内参求解、卡车位姿解算与车厢体积求解；在第3节列出了本方法的主要实施步骤并给出了总体框图；在第4节进行了实验验证与误差分析；第5节概述了我们的方法并给出了其中的不足。2 单元特征及消失点约束下的体积测量方法本文在基于空间圆特征定位和消失点理论[17]的基础上，利用卡车车厢的几何形状为立方体的条件，检测出卡车图像中三正交方向上的消失点，完成相机内参矩阵的求解，并以车轮半径为先验信息，结合车轮在像平面投影的椭圆方程解算出相机坐标系下车轮的位姿信息，利用车轮的位姿信息并将世界坐标系建立在车轮圆心处，可以快速的得出卡车与相机的相对位姿关系。然后将车厢平面方程与相机成像的矩阵运算方程联立求出卡车图像中各车厢顶点所对应的唯一空间三维坐标，进而求出卡车车厢的体积。2.1 相机内参求解现有的相机一般采用针孔模型，为了准确地描述相机成像几何模型，本文定义4各坐标系，分别是世界坐标系；以相机光心为原点，以垂直与图像平面的相机光心轴为轴，轴和轴平行于图像平面的相机坐标系；图像的物理坐标系以及像素坐标系，它们的相对位置关系如图1所示：图1 针孔成像几何模型根据各个坐标系之间的关系，可以得出像素坐标系与世界坐标系的关系为：(1)其中K为相机的内参矩阵，R为3×3正交单位矩阵，称为旋转矩阵，反应了世界坐标系与摄像机坐标系之间的旋转关系，t为三维平移向量，表征世界坐标系与摄像机坐标系之间的平移关系，表示物理坐标系原点在像素坐标系中的坐标，表示世界坐标系下一点的三维坐标。图像中两个互相正交的消失点能提供一组对绝对二次曲线的约束[18],由于卡车车厢几何形状为立方体，可在卡车图像中检测出三正交方向的消失点，因此本文利用三正交方向的消失点与绝对二次曲线之间的关系完成相机内参数计算。1）消失点坐标计算卡车在经过透视投影变换以后，车厢中三正交方向上相互平行的直线分别相交与消失点，如图2所示：图2车厢三正交方向消失点示意图将卡车的图片进行Canny边缘检测[19]