基于雙目視覺的皮革尺寸測量與紋理辨別方法研究及實現(xiàn).pdf

1、隨著圖像處理和雙目視覺技術的研究和發(fā)展，這兩種具有低成本、非接觸、高精度特點的技術，已經應用到了越來越多領域。處于經濟發(fā)展方式轉型期的皮革制造行業(yè)，面臨著一系列機遇與挑戰(zhàn)，傳統(tǒng)勞動力密集型低效率高浪費的發(fā)展模式必將改革。而以圖像處理和雙目視覺為代表的現(xiàn)代化技術，正是可以為傳統(tǒng)制造行業(yè)注入新的發(fā)展動力，提升制造過程的自動化、智能化水平，相應地，這些技術將改變皮革制造行業(yè)的傳統(tǒng)模式，有效保護員工安全，減少原料的浪費、提升利用率，甚至實現(xiàn)制造

2、過程的無人自動化加工。通過現(xiàn)代化技術提升傳統(tǒng)產業(yè)的競爭力，勢必鞏固中國制造的世界地位。
　　 正是基于這樣的行業(yè)和時代背景，根據(jù)皮革制造流程，本文針對皮革測量方法做了如下研究：
　　 1)針對本文皮革圖像采集的特點提出了雙目視覺技術的實現(xiàn)方案。根據(jù)雙目相機標定結果，結合相機外部非線性畸變因素造成的成像誤差，確立了左右相機受畸變影響最小的圖像采集區(qū)域。為了更好的提升皮革圖像特征點的重建精度和準確度，在本文的雙目視覺模塊中引

3、入了矯正方法，使得左右相機的成像平面達到行對準模式，這將使皮革圖像特征點的搜索范圍和計算量都將大大減小，從而進一步提高皮革測量精度。
　　 2)實現(xiàn)皮革圖像紋理辨別與邊緣提取，便于后期制造過程中的自動化控制。經過紋理提取后的皮革圖像，能更有效地區(qū)分出不同質地的面料，由此完成對皮革原料進一步的自動化篩選。隨后，皮革圖像經過由灰度轉換、高斯平滑、閾值分割和形態(tài)學閉運算組成的一系列處理后，再由Canny算子提取單像素精度的皮革邊緣輪廓

4、，為后期視覺處理中的特征點提取建立良好基礎。
　　 3)改進了基于曲率空間的皮革邊緣特征點檢測算法。以多尺度基于曲率空間的檢測算子作為本文提取算法的基礎，在傳統(tǒng)引入提取方法之上作了部分改進，通過全局和局部的約束提高所檢測出的特征點的可靠性，并在C++平臺上借助OpenCV實現(xiàn)提取算法，通過實驗結果驗證了本算法的有效性。
　　 4)提出了皮革邊緣特征點的匹配算法，進而通過特征點重建得到皮革尺寸的測量結果。結合行對準模式的優(yōu)