应用计算机视觉技术进行物体三维重构

吉林大学学报(工学版)

应用计算机视觉技术进行物体三维重构

王芳荣^1,2，赵丁选²，尚涛²，李晓天³

1.吉林大学通信工程学院，长春 130022；2.吉林大学机械科学与工程学院，长春 130022；3.吉林大学物理学院，长春 130022

收稿日期:2007-02-16 修回日期:1900-01-01 出版日期:2008-11-01 发布日期:2008-11-01
通讯作者: 赵丁选

3D object reconfiguration by computer vision

WANG Fang-rong^1,2，ZHAO Ding-xuan²，SHANG Tao²，LI Xiao-tian³

1.College of Communication Engineering，Jilin University，Changchun 130022，China；2.College of Mechanical Science and Engineering，Jilin University， Changchun 130022，China；3.College of Physics， Jilin University，Changchun 130022，China

Received:2007-02-16 Revised:1900-01-01 Online:2008-11-01 Published:2008-11-01

摘要/Abstract

摘要： 基于计算机视觉技术，提出了一种三维物体重构方法；利用激光三角测量原理，建立了几何光学模型；采用新方法对摄像头进行了精确标定，获得了Homography矩阵，实现了三维小物体的重构。针对三维转动的不平行度和激光散斑的影响，提出了激光刀口斜率拟合校正法。对4～30 mm的物体三维重构表明，测量精度达到0.05 mm。

关键词: 计算机应用, 结构光, 激光三角测量法, Homography矩阵, 三维重构

Abstract:

Based on computer vision technique, a 3D object reconfiguration scheme is proposed. In this scheme, the geometrical optical model is constructed using laser triangulation principle. The camera lens is accurately calibrated using a new method. The H matrix is obtained and the 3D small object reconfiguration is achieved. To overcome the impacts of nonparallelism of 3D rotation and laser speckle on the accuracy of measurement, modification is made by slope fitting of the laser blade. Reconfiguration of 3 mm~40 mm objects shows that the measuring accuracy is 0.05 mm.

Key words: computer application, structured light, laser triangulation principle, Homography matrix, 3D reconfiguration

中图分类号:

TP391.4

王芳荣，赵丁选，尚涛，李晓天3 . 应用计算机视觉技术进行物体三维重构[J]. 吉林大学学报(工学版), 2008, 38(06): 1424-1428.

WANG Fang-rong，ZHAO Ding-xuan，SHANG Tao，LI Xiao-tian . 3D object reconfiguration by computer vision[J]. 吉林大学学报(工学版), 2008, 38(06): 1424-1428.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed