基于机器视觉的三维小范围建模研究.docxVIP

?

?

基于机器视觉的三维小范围建模研究

?

?

林潇锐胡省锟汤杰

摘??要：随着我国科技的迅速发展，地图定位技术日趋成熟，人们在生活中经常使用各种二维定位软件来寻找目的地，例如高德地图、百度地图等，早已融入人们的生活。文章分析三维数字立体模型的形成设计，利用机器视觉技术，对现有的小范围三维立体模型进行拍摄、计算和分析，估算出其物理模型，并将其应用于地图中，从而加强空间的资源利用率和地图的使用效率，使人们更直观地识别小范围内的路况。三维技术与二维技术相比，虽然数据分析较慢、占用网络资源较多，但是具有直观明朗、通俗易懂等特点，故文章采取小范围研究，其不单是现存社会未成熟、亟待发展的一种技术，更是当前地理信息系统技术研究的热点之一。

关键词：机器视觉;小范围;三维立体模型;直观

1??机器视觉技术

机器视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机学、图像学、指纹识别等多个领域的交叉学科，主要是利用计算机模拟人的视觉功能，从图像中提取正常信息，对其进行计算和分析，最终用于实际的测量、控制以及检测。其最大特点是速度快、信息量大、功能多，应用了人工智能与虚拟现实技术，并以数字图像识别与处理为基础，当前已经得到了一定程度的推广，在航天航空以及医疗检测等多个领域都取得了不错的应用效果。但实际上，由于现实当中的识别环境有较高的复杂程度，目标自身也是如此，因此，如何高效而精准地对图像进行识别，已经成为该技术发展的主要焦点。具体来说，本文所要用到的机器视觉识别主要包含以下几种技术。

1.1?图像预处理技术

为了降低后续算法的复杂程度，提高数据的读取速度，在图像识别时，通常采用图像预处理技术。在这一步对图像去噪，并通过特殊方法将其转换为高清晰度的点线图，从而提取图像特征。但在图像预处理过程中，图像分割质量会对最终的分析结果产生相应的影响。在现有科学理论的帮助下，类似算法已经有上百种，但如何有效识别目标特征仍是一个关键问题。就像目前广泛使用的图像侵权方法—灰度方差法等，如果图像本身太干或太单薄，就不能取得很好的效果。

图像分割也可以基于方向图，根据图像的方向，分析图像的准确性。图像本身的对比度对图像分割的效果影响很小，但在单个灰度图像的区域中，该方法的应用一般不能获得良好的图像分析结果。通常情况下，图像的构图可分为4种类型：清晰区域、可恢复区域、不可恢复区域和背景区域。图像分割的主要功能是去除背景和不可恢复区域，以确保清晰区域和可恢复区域的完整性。当前，最新的图像分割技术是三级分割。首先，划分背景区域;其次，将前景区域中的模糊区域划分;最后，从模糊区域中提取出无法恢复的区域。不但能节省时间，而且可以降低計算机的运算成本。总而言之，当前，图像分割技术体系已经基本完善。所以，在图像分割的过程中，若采用单一技术无法获得理想的效果，则可将多种技术联合应用，以期取得较好的分割效果。例如，在估算模型前将不同角度的图形进行画面优化，再进一步分析。

1.2?提取图形特征

特征提取的效率影响图像识别的效率。特征提取过程是对图像的信息进行分割以形成多种类别的特征项。通常，这些特征主要是孤立的点集，或可以是连续的曲线集或连接的区域集等。图像的特征主要包括图像的纹理特征、颜色特征、形状特征以及图像不同部分的图像空间关系，其中，颜色是最明显的特征之一。

图像区域中每个场景经常将特征点作为表面特性。所以，特征点不能够完全反映图像的大小和方向，不适合捕捉事物的局部信息。纹理特征能够反映物体表面的特征信息，但是不能反映图像表面的基本信息，不适合高层次的内容捕获。

纹理特征需要对同一部分的图像区域进行处理，与颜色的特征不同，其具有很强的稳定性。由于图像分辨率的变化，其在抗干燥和抗干扰能力方面具有优势，但同时也影响了特征提取的结果。在切换方面，通过检测图像的特殊区域来提取相同的属性。但是形状特征提取在数据模型方面仍然不够完备，如果图形发生变化，就不能起到较好的效果。另外，如果需要一次提取所有目标，则需要处理设备的性能要求更高，增加了设备的成本。空间关系特征分为两类：图像中目标的绝对位置关系和图像中目标的相对位置关系。前者一般判断目标区域的距离、位置和其他信息，后者一般描述目标区域的位置关系。经过这一步，计算机能够很轻易地计算出不同图形特征所适应的显示环境，方便图像的匹配。

1.3?图像匹配

图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中，比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。实质是在基元相似性的条件下如何运用匹配准则的最佳搜索问题。

2??三维建模研究

2.1?技术指标

本文提供了各种模拟环境，可以在不同的模拟环境中体验真实的三维、测量和色彩空间;支持