基于計(jì)算機(jī)視覺(jué)的高精度測(cè)量方法研究及應(yīng)用.pdf

1、基于計(jì)算機(jī)視覺(jué)的高精度測(cè)量是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的熱點(diǎn)課題之一，隨著計(jì)算機(jī)視覺(jué)理論研究的不斷深入以及成像設(shè)備性價(jià)比的不斷提高，基于立體視覺(jué)測(cè)量理論的非接觸式高精度測(cè)量方法得到了研究人員的極大重視，并在公共安全、交通運(yùn)輸以及國(guó)防軍事等領(lǐng)域得到了廣泛的應(yīng)用。
　　本文從立體視覺(jué)測(cè)量理論研究出發(fā)，針對(duì)鐵路現(xiàn)場(chǎng)基礎(chǔ)設(shè)施幾何結(jié)構(gòu)非接觸式高精度測(cè)量的迫切需求，重點(diǎn)研究基于場(chǎng)景三維結(jié)構(gòu)重建的高精度三維測(cè)量方法，包括標(biāo)志點(diǎn)定位、特征點(diǎn)提取以及特征點(diǎn)

2、三維重建等關(guān)鍵技術(shù)，并提出基于計(jì)算機(jī)視覺(jué)的鋼軌爬行位移測(cè)量方法，構(gòu)建了鋼軌爬行位移測(cè)量圖像數(shù)據(jù)集，通過(guò)大量現(xiàn)場(chǎng)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了方法的有效性，能夠滿足鋼軌爬行位移高精度測(cè)量的實(shí)際需求。本文的主要工作及研究成果包括:
　　(1)提出了一種基于深度學(xué)習(xí)的環(huán)狀編碼標(biāo)志點(diǎn)兩步精確定位法，該方法分為兩個(gè)階段，首先以鋼軌爬行位移測(cè)量圖像為訓(xùn)練集訓(xùn)練R-FCN模型實(shí)現(xiàn)標(biāo)志點(diǎn)的初定位，然后通過(guò)基于灰度質(zhì)心的標(biāo)志點(diǎn)精確定位算法實(shí)現(xiàn)圖像中標(biāo)志點(diǎn)的精確定位

3、。在現(xiàn)場(chǎng)圖像數(shù)據(jù)集上的實(shí)驗(yàn)證明，該算法顯著提高了復(fù)雜場(chǎng)景中標(biāo)志點(diǎn)的檢測(cè)正確率和定位精確率，為下一步標(biāo)志匹配點(diǎn)的檢測(cè)和識(shí)別奠定了基礎(chǔ)。
　　(2)提出了一種基于角點(diǎn)空間結(jié)構(gòu)特征描述的多匹配點(diǎn)提取算法，該算法以標(biāo)志點(diǎn)中心為參照定位點(diǎn)，檢測(cè)亞像素級(jí)角點(diǎn)空間結(jié)構(gòu)特征，并以此對(duì)角點(diǎn)進(jìn)行編碼。與傳統(tǒng)的單個(gè)標(biāo)志提取單匹配點(diǎn)算法比較，本文算法將單個(gè)標(biāo)志的匹配點(diǎn)提取數(shù)量擴(kuò)大了4-28倍，為多視角姿態(tài)參數(shù)估計(jì)提供了更多的匹配點(diǎn)。在現(xiàn)場(chǎng)圖像數(shù)據(jù)集上的實(shí)