立体视觉多信息检测与量测技术及应用

本书系统地介绍了立体视觉多信息检测与量测的理论基础、关键技术及应用前景，内容涵盖立体视觉的基本原理、立体匹配、目标检测、深度估计、三维重建、变形测量、算法加速等方面，旨在帮助读者掌握立体视觉多信息检测与量测的核心技术，推动立体视觉技术在各个领域的广泛应用。
本书可为从事立体视觉研究的技术人员和工程师提供全面的理论指导和实践参考，也可作为相关领域研究生和本科生的教材。

第1章 绪论
1
1.1 视觉技术研究现状 1
1.1.1 高精度相机参数标定方法研究现状 1
1.1.2 基于数字图像相关技术的变形测量研究现状 2
1.1.3 视觉检测技术研究现状 4
1.1.4 立体视觉位姿估计关键问题研究现状 5
1.2 智能视觉系统构成 6
1.2.1 图像采集单元 7
1.2.2 图像处理单元 8
1.3 视觉技术应用领域及产业发展面临的问题 9
1.4 本章小结 10

第2章 目标特征识别、匹配与编码 11
2.1 特征类型概述 11
2.2 特征识别与提取 12
2.2.1 基于筛选区域线段重组的长方体精确提取算法 12
2.2.2 椭圆边缘检测与中心点定位 19
2.2.3 基于改进Zernike矩的边缘定位算法 21
2.2.4 椭圆中心点坐标偏差修正与补偿 24
2.3 特征点编码 27
2.4 本章小结 28

第3章 立体视觉相机内、外部参数标定 29
3.1 单目相机标定 29
3.1.1 基于径向约束的相机标定 29
3.1.2 基于加权差分进化-粒子群优化联合算法的相机参数标定 31
3.2 双目相机标定 36
3.2.1 极线几何关系 36
3.2.2 极线约束方程 38
3.2.3 双目相机关系矩阵求解 39
3.3 多目相机联合优化标定 39
3.3.1 光束法平差原理 39
3.3.2 基于多相机间固定约束关系的联合标定 40
3.4 本章小结 44

第4章 视觉检测架构与方法 45
4.1 视觉检测前置技术 45
4.1.1 架构介绍 45
4.1.2 OpenCV数据结构 45
4.2 机器学习目标检测 46
4.2.1 支持向量机 46
4.2.2 K均值聚类 49
4.2.3 集成学习 50
4.3 基于跨层连接的AGV目标识别 51
4.3.1 托盘测量模型和标志点制备 52
4.3.2 基于跨层连接的目标识别算法 53
4.3.3 标志点精确定位 54
4.3.4 识别准确性验证实验 56
4.4 本章小结 61

第5章
立体视觉量测系统
62
5.1 量测原理与量测模型 62
5.1.1 立体视觉三维量测原理 62
5.1.2 立体视觉量测模型 63
5.2 空间点三维坐标重建 65
5.3 量测系统精度分析与评价 66
5.3.1 系统结构参数对精度的影响 68
5.3.2 相机焦距对精度的影响 71
5.3.3 相机基线和物距对精度的影响 72
5.4 本章小结 74
第6章 基于数字图像相关技术的变形测量
75
6.1 数字图像相关技术原理 75
6.2 散斑图像亚像素匹配 77
6.2.1 IGGA的散斑图像亚像素匹配 77
6.2.2 N-R算法的散斑图像亚像素匹配 79
6.2.3 IC-GN算法的散斑图像亚像素匹配 81
6.3 基于多相机系统的立体变形测量技术 83
6.3.1 基于多相机网络联合约束优化配准的新型相关函数构建 83
6.3.2 三维重建及变形信息拟合 85
6.4 变形测量实验与误差分析 87
6.5 本章小结 91
第7章 基于视觉的位姿估计
92
7.1 刚体变换 92
7.1.1 刚体变换过程 92
7.1.2 旋转矩阵表示形式 93
7.2 基于SVD的位姿变换矩阵估计 94
7.3 迭代式位姿估计 95
7.3.1 多点迭代问题描述及分析 95
7.3.2 基于特征点测量误差加权的广义正交迭代位姿估计 99
7.4 合作目标位姿估计测试 106
7.5 本章小结 109
第8章 立体视觉三维信息解算硬件加速技术
110
8.1 CUDA编程平台 110
8.1.1 CUDA线程组织架构 110
8.1.2 CUDA存储结构 111
8.2 基于CUDA架构的GPU并行计算实现方式 112
8.2.1 GPU硬件构架与CUDA程序执行原理 112
8.2.2 NVCC编译CUDA源程序的GPU并行编程实现 113
8.3 基于CUDA架构的变形信息测量并行算法设计与实现 114
8.3.1 图像子区散斑匹配并行计算方案设计 114
8.3.2 基于CUDA架构的亚像素匹配并行算法性能分析 118
8.4 异构并行计算下的模拟叶片变形测量实验 120
8.4.1 基于视觉的立体变形测量系统介绍 120
8.4.2 CPU串行与CUDA架构并行计算下的匹配速度对比 123
8.5 本章小结 126
参考文献 128