三维立体建模（共9篇）
三维立体建模 篇1
随着社会的进步,人们对空间合理利用越来越重视。在很多工厂中存在存储空间利用不足而造成的浪费,货物进出库效率不高等问题。随着全球化经济竞争的激烈化和我国对外开放步伐的加快,物资储存技术越来越引起人们的重视,在物流系统中自动化立体仓库则起着非常关键的作用[1]。自动化立体仓库由于使用方便,可最大限度的利用仓库空间,维护工作量小,出错情况少,无论是在存储、分类、配送等物流领域都得到了人们的信任和喜欢[2]。
1自动化立体仓库的组成及工作原理
1.1自动化仓库的组成
设计的自动化立体仓库由进出库识别系统RFID(Radio Frequency Identification)、计算机管理系统、运输车、货物传送床、堆垛机等主要部分组成,立体式存储货架和进出库识别系统主要是对进出库货物进行识别,计算机管理系统是对识别后的货物进行数据管理,运输车和货物传送床则是把货物送到指定位置。堆垛机负责把货物放到指定的货架。
1.2自动化立体仓库的工作原理
1.2.1进库过程
当有货物进库时,系统数据处于初始状态,然后物资依次通过货物运输床到RFID检测系统,RFID检测系统对货物进行扫描识别,数据传送到计算机,识别出货物的种类,计算机进行数据分类管理,并分配库位号,同时启动相应的程序,控制堆垛机运动。当货物被运输到相应的库位时,堆垛机把货物放到指定的货架上。当所有货物放置完毕,系统回到初始状态。进库流程图如图1所示。
1.2.2出库过程
当有货物出库时,首先在计算机系统确定物类别及库位号,然后计算机控制堆垛机将货物从货架上取出,通过运输车运送到货物传送床,经过RFID系统,RFID系统扫描过后,将数据传给计算机,与调货参数进行比较,如果相同则通过货物出库,若不同则报错。货物运输机再把货物运回原来的库位流程图如图2所示。
2自动化立体仓库在cinema 4d中的建模
图3为自动化立体仓库概览图,其中,蓝色部分是货架,横20列,高40层,起存放货物的作用。货架之间是堆垛机,前面是货物传送机,货物传送机后面是运输车。
图4、图5、图6分别是自动化立体仓库的部分模型。采用的是基本几何体(如cube,cylinder,sphere),转换成可编辑多边形后,经过多次调整得到最终模型。其中图4是货架,主要用于存放货物;图5是运输车,在货物运输床和货架之间运输货物;图6为货物传送床,负责把货物传给运输车。
3结论
自动化立体仓库,最大限度的利用了空间资源。而且很好的提高货物进出库的效率,同时采用了严谨的管理技术,减少进出货的错误率,是存储,分类管理货物的理想选择。在cinema 4d建模过程中,分别使用了c4d的clone(克隆),loft nurbs(放样),extrude nurbs(挤压)等基本工具,对自动化立体仓库进行了三维建模,具有很好的直观性,对后期进一步设计提供参考和依据。
参考文献
[1]马殷元,杜亚江.基于以太网的自动化仓库设备监控协议的设计[J].起重运输机械,2007(1):22-25.
[2]陈惠群,李华雄.RFID技术在自动化立体仓库中的应用设计[J].河南科技大学学报:自然科学版,2010,31(3):38-40.
三维立体建模 篇2
巧家一中 生物组 徐嘉佳
一、教学目的：
1、制作动物细胞三维立体模型。
2、加深学生对细胞结构和功能的理解和应用。
3、培养学生的动手操作能力和团队合作精神，启发学生的想象，充分发挥他们的自主创造力，利用各种材料制作动物细胞的三维立体模型。
二、准备工作：
（一）材料：用泡沫削成半球型（买不到琼脂，可到广告公司买8cm厚的泡沫，经济而且可重复使用）；购买彩泥（制作细胞结构）；大头针（固定彩泥）。
（二）分组：6人一组，让学生商量后选出组织能力强的人担任组长。
（三）复习细胞的结构和功能：可让学生画动、植物细胞结构模式图，对比动植物细胞的区别，复习各种细胞结构的功能。
三、开展教学活动：
（一）强调制作模型的要求：
1、活动目的：“制作动物细胞三维立体模型”
问：动、植物细胞的区别是？
学生答：中心体、细胞壁、叶绿体、液泡。问：制作动物细胞模型时那些结构不能做？ 学生答：细胞壁、叶绿体、液泡。
2、要保证模型知识点正确。
3、注意细胞结构之间大小比例问题。如，核糖体不应做得太大。
4、要知道自己用彩泥做的模型代表细胞的什么结构，小组内要统一看法。
（二）实施活动: 将事先准备的材料发给学生，让小组长协调，分配任务到每个成员，合作完成模型的制作。
随时视察各小组制作进度，对做得好的、有创意的给予鼓励，对有知识错误的地方给予指正。并提问彩泥的各部分代表什么。尽量激发学生的创造欲，不要束缚学生的思维，只要能给出合理解释，像不像不太重要。另外尽量让每个学生参与进来，对于乱窜的学生让组长批评，不参与回答问题的学生要及时提醒。
模型做好后集中放到讲台，让各小组观看其他小组的成果，取长补短，相互学习。
四、教学反思：
1、对做得好的小组应给予更多的鼓励。
2、在提问时可以连带问各个细胞结构的功能，这样不仅让学生通过制作模型巩固了对细胞结构的理解，还复习了细胞器的功能。
三维立体建模 篇3
关键词：立体视觉,摄像机标定,三维重建,特征匹配,极线校正
1、引言
视觉是人类获取外界信息最有效的手段, 人类感知外界信息的80%以上是通过视觉得到。计算机视觉就是试图用计算机模拟人眼的视觉功能, 从图像或图像序列中提取信息, 对客观世界的三维景物和物体进行形态和运动识别。计算机视觉的研究目的是使计算机具有通过二维图像认知三维环境信息的能力。
1.1 双目立体视觉
立体视觉是计算机视觉领域的一个重要分支和研究热点, 它主要是运用单个或多个摄像机对同一景物从不同位置成像并根据几何原理恢复景物的精确的三维几何描述, 定量地确定景物中物体的空间性质, 其过程是成像过程的逆过程。双目立体视觉是立体视觉最常用的实现方式, 是最接近于人类视觉的三维数据恢复方式, 也是计算机被动测距方法中最重要的距离感知技术。双目视觉系统的工作原理是基于人眼视差的原理, 在己知两摄像机之间的位置关系的基础上, 恢复出目标物体的三维空间信息, 并进一步重建目标物体的三维形状与空间位置。在逆向工程、快速成型和快速制模等领域中占有重要的地位, 是三维建模技术发展的一个重要方向。
1.2 三维重构
双目立体视觉系统中的三维重构建模, 是指用两台数字摄像机作为图像传感器, 综合运用图象处理、视觉计算等技术进行非接触三维测量, 用计算机程序自动获取物体的三维信息。在工业品零件的数字化设计与制造、医学整容、人脸识别、计算机三维动画中, 快速、实时、准确地建立物体的CAD模型是十分必要的, 这就要求重构有较高的精度、效率, 且能实现实时计算。传统的利用计算机辅助设计 (CAD) 技术进行的三维建模工作量极大、模型扩展性差、效率极低不利于生产的高度自动化和新产品的快速设计制造。高精度的三维激光扫描仪在工业产品造型领域能够实现高精度的快速建模, 但方法扫描对象尺寸有限、成本较高。基于图像的三维重构建模技术研究的热点是如何通过工业摄像头实现灵活、高效、高精度与低廉的三维重构建模[1]。已有的方法包括用单摄像机进行地图重建[2]、利用双摄像机获取物体几何模型的技术[3]、利用结构光的技术[4]等。尽管这些方法解决了三维重构建模中的一些关键问题, 但目前大多处于试验阶段, 尚未形成产业化。
国内外许多学者对此做了大量的系统研究, 基本形成了理论体系。但由于该学科是一门交叉学科, 受新技术的影响较大, 为此, 有必要对现有的理论和方法做出归纳和总结, 并提出存在的难题和发展方向。
2、三维重构建模研究内容及方法
图像的三维重建需要在同一场景的不同位置拍摄两幅或两幅以上的图像, 根据图像所提供的信息进行三维重构。
2.1 摄像机标定技术
三维重建的实质是从摄像机获取的图像信息出发计算出三维空间中物体的几何信息, 而空间物体表面某点的几何位置与其图像中对应点的相互关系是由摄像机成像的几何模型决定的, 这些几何模型就是摄像机的参数, 亦称为内外参数, 确定摄像机内外参数的过程被称为摄像机的标定。
2.1.1 摄像机模型
常用的摄像机模型有两种:线性模型和非线性模型。线性模型又称为针孔模型, 如图所示, 空间任何一点P在图像平面上的成像位置p为光心O与P的连线OP与图像平面的交点, 这种关系也称为中心射影或透视投影。
这便是针孔模型的透视投影方程, 其中:M=A[R|T], 这里, A只与摄像机内部结构有关, 称为摄像机的内参数;R, t完全由摄像机相对于世界坐标系的方位决定, 称为外部参数, M为3×4的矩阵, 称为投影矩阵, 即从世界坐标系到图像坐标系的转换矩阵。
2.1.2 摄像机标定
确定摄像机参数的过程称为摄像机标定。标定过程是根据一组已知其世界坐标系坐标和图像平面像素坐标系坐标的对应点来确定摄像机的内、外参数。
摄像机标定方法根据标定方式的不同, 主要可以归结为三种:传统标定方法、自标定方法[5]和基于主动视觉的标定方法[6]。1998年, 张正友[7]提出了一种介于传统标定方法和自标定之间的平面标定方法, 广泛应用在实际的视觉系统中。还有人不用任何摄像机模型, 利用神经网络优化摄像机内外参数[8,9,10,11]。
2.2 极线约束与立体匹配
双目视觉一般采用的方法是两个摄像机从不同角度同时获取目标物体及其周围景物的两幅数字图像, 或者用单摄像机在不同时刻从不同角度获取周围景物的两幅数字图像, 基于视差原理, 在己知两摄像机之间的位置关系的基础上, 恢复出目标物体的三维空间信息, 并进一步重建目标物体的三维形状与空间位置。
2.2.1 立体匹配
立体匹配是根据特征提取后获得的数据, 建立特征间的对应关系, 将同一个空间物理点在不同图像中的映像点对应起来, 由此得到相应的视差图像。根据匹配基元的不同, 立体匹配可分为区域匹配、特征匹配和相位匹配三大类。区域匹配和特征匹配都是建立在一定的约束条件下的匹配, 匹配的目的是为了获得像点间的视差, 并根据视差确定像点的深度, 来求解图像对中的对应点, 但是物像投影是一个畸变的过程, 因此建立了许多约束条件来减少对应点的误匹配。常用的约束有:外极线约束、一致性约束、唯一性约束和连续性约束。
实践证明, 特征匹配速度快, 对环境照明的变化和强光不敏感, 受噪声影响小, 在简单曲面重建中应用广泛。
2.2.2 极线约束
立体匹配是视觉计算中的难点, 为简化立体匹配的过程, 降低计算的复杂性, 需给匹配添加约束。外极线约束是一种常用的约束方法, 它使匹配搜索的范围由二维变为一维, 提高匹配速度。
如图2所示, 由极线几何关系可以看出, 对于图像点p1, 对应点必定在其极线p2e2上, 这就叫做极线约束, 它建立了一个摄像机成像平面中一点和另一个摄像机成像平面中一条直线的映射关系。
2.2.3 极线校正
立体图像对之间特征点的匹配一直是立体视觉中解决各种问题的关键。立体图像对中匹配点的搜索是分别沿着像点的对应外极线进行的, 校正使互相对应的外极线变成共线并且平行于图像平面的一条坐标轴, 进而将匹配点的搜索从二维降为一维, 使得搜索速度和搜索结果的精度大大提高, 因此立体视觉图像的极线校正对于提高匹配算法的性能有着极为重要的意义。
关于图像校正的算法很多, 其中Fusiello.A提出的基于QR分解的极线校正算法[12]是在对摄像机完成标定的基础上进行的, 该算法假设基线位于成像平面内 (与成像平面平行的特例) , 利用两摄像机校正前的透视投影矩阵M来计算校正后的投影矩阵Mn。采用基于QR分解的极线校正算法, 在MATLAB环境下编程实现, 图3经过校正如图4所示, 可以看出, 经过极线校正, 原来并不水平的极线变得基本水平。
2.3 基于特征点的三维重构建模技术
三维重建是在摄像机标定的基础上研究如何从得到的匹配点中计算出该点的空间三维坐标。在标定的基础上, 已知两相机参数矩阵的条件下, 根据空间任一点在两个图像中的对应坐标, 建立以该点的世界坐标为未知数的4个线性方程, 利用最小二乘法求解该点的世界坐标。
3、结束语
AutoCAD三维建模 篇4
关键词：UCS；三维变换；三维建模；教学
UCS三维变换教学是AUTOCAD-2004教材的重点和难点。学生从二维绘图到三维绘图要经过建立三维空间概念的过程，三维坐标系的空间变换是这个学习过程的关键理论。
讲解每一个实例的过程中，以明晰的操作步骤慢漫地引入UCS三维变换的概念。在学习实例的操作步骤中，加入三维建模的应用技巧，使学生对所学的概念能融会贯通。
用户坐标系：UCS用户坐标系 是一种可变动的坐标系统。大多数CAD的编辑命令取决于 UCS 的位置和方向。UCS 命令设置用户坐标系在三维空间中的X，Y，Z三个方向，它还定义了二维对象的拉伸方向。CAD共有七种方法定义新坐标系。
1． X轴旋转90度确定UCS ：
同理UCS绕Y轴旋转90度与UCS绕Z轴旋转90度会得到不同的用户坐标系。（图1）四个图中X轴方向不变， UCS每绕X轴旋转90度，Z轴的方向改变一次。Z轴的方向即拉伸方向.
例1：（图2）对象绕X轴旋转90度（图3），（图2）对象绕Y轴旋转180度, 相当于连续执行两次绕Y轴旋转90度（图4），（图2）对象绕Z轴旋转90度。（图5）。
2．三点确定UCS
（图6）: 指定新 UCS 原点及其 X 和 Y 轴的正方向。Z 轴的正方向由右手定则确定。用此选项可指定任意坐标系。 第一点指定新 UCS 的原点。第二点定义了 X 轴的正方向。第三点定义了 Y 轴的正方向。
例2：在立方体的表面画园锥体（图7）：三点确定UCS的顶面和Z轴的正方向。
例3：在立方体的左侧面画窗（图8）： 三点确定UCS的左侧面及Z轴方向。
例4：在立方体的前面画门（图9）：三点确定UCS的前面及Z轴方向。用户坐标系UCS定义好后，可用厚度与标高确定三维网格模型。对象的标高对应该平面的Z值。对象的厚度是对象被拉伸的距离。雨蓬的标高对应该平面的Z值。雨蓬的厚度是对象被拉伸的距离。
例5：绘制五角顶曲面（图10）：1，2，3三点定UCS，两点加半径画弧。重复5次三点定UCS画弧（图11）。画弧命令用“起点，端点，半径”选项。
例6：绘制翘屋顶：三点确定UCS（图12），用ARC命令绘制翘屋顶弧线（图13）。同理，在其它面绘制弧线，都要变换UCS。也可用三维镜像命令绘制其它弧线。用边定曲面命令分别点击四条弧形边界（图14）。
3．拉伸正Z轴方向确定UCS
：
例7：圆柱从球中伸出（图15）：先点击
图标，点击球的原点，既新的坐标原点，再确定Z轴方向，绘制小圆，执行拉伸命令，沿正Z轴方向拉伸小圆。
例8：拉伸三角支架（图16）：先点击
图标，点击支架截面的原点，确定Z轴方向，执行拉伸命令，沿正Z轴方向拉伸支架的三个小圆。
4．改变坐标原点的位置，确定新的UCS
（图15）：通过移动当前 UCS 的原点，保持其 X、Y 和 Z 轴方向不变，从而定义新的 UCS。相对于当前 UCS 的原点指定新原点。
例9：绘制楼梯：先点击
图标，点击楼梯截面的新原点，新的 UCS由此确定（图17）。拉伸楼梯截面时，与Z轴
摘要：三维建模的关键理论是UCS三维变换，UCS三维变换是AUTOCAD-2004教程的重点与难点，本文用三维建模的实例详细解析了七种UCS的三维变换方法，收到较好的效果。
关键词：UCS；三维变换；三维建模；教学
UCS三维变换教学是AUTOCAD-2004教材的重点和难点。学生从二维绘图到三维绘图要经过建立三维空间概念的过程，三维坐标系的空间变换是这个学习过程的关键理论。
讲解每一个实例的过程中，以明晰的操作步骤慢漫地引入UCS三维变换的概念。在学习实例的操作步骤中，加入三维建模的应用技巧，使学生对所学的概念能融会贯通。
用户坐标系：UCS用户坐标系 是一种可变动的坐标系统。大多数CAD的编辑命令取决于 UCS 的位置和方向。UCS 命令设置用户坐标系在三维空间中的X，Y，Z三个方向，它还定义了二维对象的拉伸方向。CAD共有七种方法定义新坐标系。
1． X轴旋转90度确定UCS ：
同理UCS绕Y轴旋转90度与UCS绕Z轴旋转90度会得到不同的用户坐标系。（图1）四个图中X轴方向不变， UCS每绕X轴旋转90度，Z轴的方向改变一次。Z轴的方向即拉伸方向.
例1：（图2）对象绕X轴旋转90度（图3），（图2）对象绕Y轴旋转180度, 相当于连续执行两次绕Y轴旋转90度（图4），（图2）对象绕Z轴旋转90度。（图5）。
2．三点确定UCS
（图6）: 指定新 UCS 原点及其 X 和 Y 轴的正方向。Z 轴的正方向由右手定则确定，
用此选项可指定任意坐标系。 第一点指定新 UCS 的原点。第二点定义了 X 轴的正方向。第三点定义了 Y 轴的正方向。
例2：在立方体的表面画园锥体（图7）：三点确定UCS的顶面和Z轴的正方向。
例3：在立方体的左侧面画窗（图8）： 三点确定UCS的左侧面及Z轴方向。
例4：在立方体的前面画门（图9）：三点确定UCS的前面及Z轴方向。用户坐标系UCS定义好后，可用厚度与标高确定三维网格模型。对象的标高对应该平面的Z值。对象的厚度是对象被拉伸的距离。雨蓬的标高对应该平面的Z值。雨蓬的厚度是对象被拉伸的距离。
例5：绘制五角顶曲面（图10）：1，2，3三点定UCS，两点加半径画弧。重复5次三点定UCS画弧（图11）。画弧命令用“起点，端点，半径”选项。
例6：绘制翘屋顶：三点确定UCS（图12），用ARC命令绘制翘屋顶弧线（图13）。同理，在其它面绘制弧线，都要变换UCS。也可用三维镜像命令绘制其它弧线。用边定曲面命令分别点击四条弧形边界（图14）。
3．拉伸正Z轴方向确定UCS
：
例7：圆柱从球中伸出（图15）：先点击
图标，点击球的原点，既新的坐标原点，再确定Z轴方向，绘制小圆，执行拉伸命令，沿正Z轴方向拉伸小圆。
例8：拉伸三角支架（图16）：先点击
图标，点击支架截面的原点，确定Z轴方向，执行拉伸命令，沿正Z轴方向拉伸支架的三个小圆。
4．改变坐标原点的位置，确定新的UCS
（图15）：通过移动当前 UCS 的原点，保持其 X、Y 和 Z 轴方向不变，从而定义新的 UCS。相对于当前 UCS 的原点指定新原点。
例9：绘制楼梯：先点击
图标，点击楼梯截面的新原点，新的 UCS由此确定（图17）。拉伸楼梯截面时，与Z轴
方向相反，这时只需输入负拉伸高度（图18）。
例10：绘制螺母：先点击
图标，点击螺母辅助截面的中点（图19），即新原点。选中丝杆轴线上的圆心，用MOVE命令使丝杆轴线上的圆心与螺母辅助截面上的中点重合（图20），用布尔减命令先点击螺母，点击右键，点击丝杆即可得到螺母（图21）。
5．面确定新的UCS
（图22）：将 UCS 与选定的面对齐。如果要选择某一个面，就在此面的边界内或面的边界上单击，被选中的面将亮显。X 轴将与找到的面上的最近的边对齐。
例11：管道的拉伸（图23）：关键是用面确定新的UCS后，拉伸路径垂直于管道截面，管道截面与XY平面平行。
例12：沿路径拉伸弧形墙体（图24）：面确定新的UCS后，拉伸路径垂直于要拉伸的墙面。
例13：拉伸吊桥（图25）：选定立柱的辅助截面，定义新的坐标系，铁索的截面与立柱的辅助截面是同一坐标系。拉伸时，先选中铁索截面，再点击弧形路径。吊桥的其它部分拉伸前都要确定新的UCS。
6．对象确定新的UCS
：根据选定的三维对象定义新的坐标系。
例14：拉伸三维面上的圆（图26）：先点击
，再选定三维面上的圆，定义新的坐标系。执行拉伸命令，沿正Z轴方向拉伸三维面上的圆。
例15：绘制曲面屋顶: 先点击
，再选定立方体上的边，定义新的坐标系。在四个不同的坐标系下绘制四条弧形边界（图27）。再用边定曲面命令分别点击四条弧形边界（图28）。
例16：绘制圆锥滚子轴承：在正视图上绘制轴承外圈，内圈和圆锥滚子（图29），在当前UCS下用
REVOLVE命令旋转外圈，内圈（图30），先点击
，再选定圆锥滚子的轴心，定义新的坐标系，用REVOLVE命令旋转圆锥滚子（图31）。
7．视图确定新的UCS
（图32）：建立的新坐标系，是平行于屏幕的平面即 XY平面，UCS 原点保持不变。剖切面与当前视口视图的XY平面平行。
例16：获取平行于屏幕的平面：点击图标
（图33），点击
section，三点确定剖的切面（图34），用MOVE命令把剖切面移出立方体外既可得到平行于XY平面的剖切图形（图35）。
例17：给三维视图标注文字：在三维视图中标注文字，文字与UCS对齐（图36）。在三维视图中标注的文字若需以正常形式显示，那么就要用
变换UCS后，再输入文字（图37）。
例18：绘制亭子（图38）：亭子顶面用三维面
三维立体建模 篇5
图1所示为一个完整的平面户型图以及三维立体效果图。虽然我们可以利用计算机辅助技术CAD和三维建模技术3D MAX进行模型创建, 但是它们只是运用了人眼对光影、明暗、虚实的感觉得到的视觉立体效果, 不仅工作量大、模型扩展性差、效率低, 而且在真实感方面都存在很多问题, 比如缺乏细节的表面纹理、材质和贴图数据, 无法有效解决光照变化与交互性问题。因此, 我们研究了一种对三维物体进行快速反向建模的方法, 对需要创建实时、真实的几何模型提供了一种新的途径与实现方法。
1 基于双目立体摄像机图像的三维建模原理
所谓视觉方法实施三维重建, 实际上是以同一物体从不同角度拍摄而得到的至少两幅图像为基础, 对该物体进行三维信息回复的过程。具体的实现步骤有:
1.1 图像获取
二维图像始终是立体视觉信息的本源, 一般可以通过数码相机、摄像机或者扫描仪等输入设备实现。以需要进行三维重建的物体为对象, 从两个以上的不同角度拍摄获取该物体的图像。
1.2 摄像机标定
该步骤主要是为了建立成像模型, 对于摄像机位置以及内外属性参数进行确定, 以达到确定物体点和它的像点二者之间存在的对应关系。如果对于精确度要求不高的情况下进行模型创建, 可以采用线性模型描述摄像机进行标定。
1.3 特征提取
所谓图像特征即是获得的图像数据中最能够突出物体属性的相关信息, 实质上就是对同一物点不同角度下图像中存在的特定对应关系进行确定。包括物体的点、线、面等, 比如建筑物特征提取时需要确定梁、柱、墙等。
1.4 立体匹配
对所选特征进行计算并建立起特征间对应关系的过程, 是整个双目立体摄像机图像中最为关键也是最为困难的一步, 其基本原理是选择出合理的基元, 借助一定的计算获得两幅图像中基元间的对应。
1.5 三维重建
经过前面几部分的工作后, 我们就可以获得摄像机成像模型, 提取出匹配关系, 在此基础上就可以对场景中的物体点实施三维重建了, 也即是对物体表面点所蕴含的三维信息进行恢复。
2 特征点提取的优化算法
本研究中对于传统边缘提取以及特征点提取两种算法的优缺点进行有效整合后, 提出了一种优化过的, 基于边缘约束的特征点匹配传播新型算法, 较为简单有效。
2.1 边缘提取
Canny检测算子除了具有定位性能优越、单响应的特征外, 还具备信噪比高的优势, 因而在实际中经常用来进行立体匹配的边缘检测。在实验中, 为了有效避免边缘检测受到来自于噪声以及微小干扰等因素的不良影响, 同时也为了尽量减轻运算的复杂性和难度, 本研究中对于当前常用的双阈值选取方法进行了一些改进。我们知道, 立体匹配中的每一对图像对间均存在不少差异, 这些差异虽然非常细微但是却不能忽视, 影响重大, 所以我们在确定一个固定阈值不能简单的下结论, 必须参照各个图像的灰度状况等各种因素, 只有这样才能够对初始灰度差值实施较为准确的定位。在选取双阈值时, 我们可以挑选一幅规格为m×n的图像, 引入T 0。综合考虑图像各像素及其周围邻域之间具有的某种关联性后, 根据实际情况采取相应措施应对局部噪声干扰以及边缘丢失等不良现象。首先, 我们可以任意选择图像中的一点, 用P (x, y) 来表示, 对P点和它8邻域点, 即Pi (x, y) (i值为0-7间的整数) 的灰度差值, 用Ti (i值为0-7间的整数) 进行表示, 取其中最大的一个值, 用Tjmax (j值为1, 2, …) , 用Tjavg (j值为1, 2, …) 来表示平均值。其中T0充当了门限作用, 一旦Tjmax的值超过它, 就可以把这一点记数Nj (j值为1, 2, …) , 用Thtot表示最大值的集合, 将Tjmax存储到其中, 用Tltot表示平均值集合, 并将Tjavg存储到其中。当对整幅图像全部遍历后, 我们就能够获得所有满足条件点的参数, 我们假设t1
符号意义上, TH和TL分别代表的是双阈值中的最大阈值和最小阈值。通过TL获得边缘图像TL[i, j]的8个相邻域位置, 具体情况如图2所示。利用递归跟踪算法对TL[i, j]进行不断的搜集边缘, 如果像素点的边缘强度值大于高阈值, 那么就可以将其标记为边缘点。
在对双阈值的Canny边缘检测算法实施过上述的优化后能够有效获得不同图像的边缘信息。需要注意的是, 实际处理中为了尽可能的增强边缘定位的准确性, 有效降低边缘毛刺, 我们还应当实施进一步的细化工作。本研究中采用的细化方法, 是利用认可度较高的形态学中骨骼化的方法。具体的表达式如下:
符合意义上, A的含义是已经检测得到的边缘, B的含义为3×3的结构元素, (AΘk B) 是一个较为关键的关系式, 表示的是边缘A的连续k次腐蚀, 相应的, k的含义就是A被腐蚀为空集合前进行的迭代次数, S (A) 代表的是本次试验最终获得的细化边缘。
2.2 完成上述步骤后, 就可以进行以边缘为约束的特征点提取方法
本研究中将边缘连接点以及端点作为两个关键点, 其中连接点充当的是两条边缘的转折点, 端点主要充当的是边缘的起始点和终点。所有边缘点均处于它的8邻域内, 扫描时应当从左上角入手, 方式选择逆时针, 一旦0和1的二者变换次数不小于6时, 就表明这一点位于其8邻域内并和大于2的点进行连接, 就可以视作连接点;反之, 如果变换次数等2, 也即是说只和一个点进行了连接, 那么该点应当视作端点。
接着我们就可以依照标记跟踪特征关键点, 逐次连接出需要的真实边缘, 在连接的过程中还应当进行去除虚假边缘和短小边缘。具体流程如下: (1) 搜索起始点:首先对边缘像素做出键点判定, 然后再进行线性标记。如果这一点属于关键点而且尚没有得到标记, 那么就可以将它记为某一线段的起始点。 (2) 进行双向搜索next_p:搜索的起点可以由其边缘起始点充当, 然后对其8邻域内进行搜索, 方式依旧是逆时针, 其中首个没有被标记的连接点用next_p进行表示, 还应当对其赋予与相同标记, 然后返回1;反之, 如果搜索过程中没有发现连接点同时又有边缘点, 那么就可以将被标记过且小于2个的用next_p进行表示, 如果不是, 则应把邻域中搜索到的最后一个边缘点做出同样的标记。根据这种方法持续搜索, 一直到不能再发现新的next_p, 然后返回该起始点, 用上述方法再次从反方向入手继续搜索next_p。 (3) 进行边缘连接:把上述我们搜索获得的全部相同标记的点依次进行, 由此形成一个连续的边缘。 (4) 最为关键的一步, 也就是删除边缘毛刺。我们通过对每一连接点4个邻接方向上的边缘进行逐次比较, 然后选择长度小于某一阈值的分枝作为删除对象, 接着对剩余的几个分枝进行连接, 最终获得一个完整边缘。完成后, 就可以重复上述步骤搜索下一段边缘。
边缘连接完毕, 综合考虑真实边缘以及特征关键点的实际情况, 选用常用的直线分割的方法增加一些可靠特征点, 当然数量必须合理。进行直线分割过程中, 我们所用到的分割点实质上就是实验中的边缘特征点。主要步骤有四步, 一是从已提取的特征关键点入手, 用特征关键点充当初始分割点, 然后以顺序的方式对这些点逐次地连接, 就可以获得一个初始多边形。二是在关键点中, 随机选择两个相邻的A、B, 在这两点之间沿着边缘搜索新点C, 接着找出这一点到线段AB的距离, 用d表示, 如果d值和预先设定的阈值相比较低的话, 就可以将该店当做新的分割点。三点的坐标分别用, C (x, y) 、A (x1, y1) 、B (x2, y2) 来表示, 那么C到AB连线的距离用以下公式进行表示:
符号意义上, D代表的是AB的长度;d则代表C到AB的距离。三在已经取得的线段基础上还应当进行继续分割, 如果分割的线段长已经能够达到预先设定的阈值, 才可以结束整个迭带, 否则就要继续进行。四是提取出全部的分割点充当特征点, 然后获取相关坐标信息, 该环节结束。
3 基于Open GL平台的三维重建
3.1 Open GL (Open Graphics Library) 平台及其优势
Open GL是一种在IRIS GL基础上开发起来的三维图形标准, 也是当前行业领域内应用率最高的2D/3D图形API, 该平台速度较快, 和射线跟踪程序相比, 其速度要快好几个数量级。总体来说, 其特点主要体现在以下两个方面:
开放性:能够独立于窗口系统以及操作系统, 利用Open GL开发的应用程序能够在当前使用的各种平台间随意移植;能够和Visual C++紧密接口, 能够方便的完成相关的图像计算, 同时计算结果具有极高的准确性和可靠性。
扩展性:实际操作中利用Open GL扩展机制, 就可以借助API实现功能扩充。就其功能来说, Open GL平台包括建模 (常见的点、线、面, 包括复杂的三维物体的绘制) ;变换 (基本变变换和投影变换) 、颜色模式设置 (RGB模式和颜色索引) 、光照和材质设置 (自发光、环境光、漫反射和高光) 以及贴图映射 (能够较为逼真的反应出物体表面细节) 等。
就现阶段来说, Open GL动态库的运行需要处于Windows 95以及Windows NT3.5以上的操作系统的运行环境, 而其静态库则需要处于VC++2.0以上的环境中。本研究中借助了Windows XP操作系统以及VC++6.0的版本而进行的, 其中在微机版本中, Open GL涵盖了基本库、实用库以及辅助库这几个主要的函数库。Open GL中基本描述和绘制操作则包括图元、光照、材质。
3.2 Open GL中深度数据的三维表面重建
众所周知, 我们对于曲面物体的表面进行处理时通常会选择多边形小平面作为逼近对象来进行处理, 而三角形的性质决定了它可以确保三个顶点同时处在一个平面上, 所以这种方式最为常用。我们在基于Open GL下对三维图形进行绘制时, 一般可以通过以下几个程序进行。
(1) Open GL初始化, 也即是根据实验对象情况设置像素格式, 一般需要输入绘制风格 (线型、宽度、颜色) 以及深度位元等较为重要的数据。
(2) 将基本像素作为依据, 依此来建立和物体相符的三维模型, 然后对模型做相关数学描述的处理, 通常来说会借助Open GL平台自带的GL_POLYGON以及gl Vertex3d来实现。
(3) 将物体放置到三维空间中一个特定的位置, 同时启动三维透视视觉体, 根据需要在其中一个场景中加入合理的光照、光照条件以及材质等, 尽量保证场景的准确性。
(4) 将物体和物体颜色信息转化成能够在屏幕上显示的相关像素信息。
另外, 我们在进行三维显示中应当重点关注下述信息:
(1) Open GL平台本身就拥有比较便捷的绘制三角形的命令:
gl Begin (GL_TRIANGLES) ;//标志开始画三角形
gl Vertex3fv (m3dpoint[0]) ;//标志三角形的顶点
gl Vertex3fv (m3dpoint[1]) ;
gl Vertex3fv (m3dpoint[2]) ;
gl End () ;//结束三角形的绘制
(2) 对三角网格进行绘制时, 还应当高度重视法向量, 物体的法向量主要功能在于对其表面在空间中的方向进行定义, 尤其是对相对于光源的方向进行定义, 而我们使用的这款平台正是借助向量对于物体的顶点处所能够接收的光进行的确定, 还具有能够为任何一个多边形或者顶点指定法向量的功能。为了得到更好的逼近效果, 我们可以使用函数进行平滑明暗处理。
3.3 实验结果
3.3.1 空间数据重建实验仿真
为了验证前文所述算法的可行性和优越性, 选用了Visual C++6.0版本, 同时对标定下的相关图像数据点实施了空间点三角网格化, 具体的结果如图2所示, 其中图3 (a) 表示的是空间点三维显示情况, 图3 (b) 表示的是X-Z平面投影情况, 图3 (c) 表示的则是Delaunay二维情况, 三维三角网格情况如图3 (d) 所示。我们首先把空间离散点投影到X-Z平面, 然后再上面利用上述优化过的特征点提取方法, 实现二维图像点的三角网格化, 然后把所得到的结果射映到三维空间, 最终实现较高质量的空间点的三角网格化。
从三角网络化的结果可以看出, 优化过的算法具有使用简便, 效率较高, 应用效果优良的特点, 最为重要的是, 它能够有效解决离散点几何信息不足的难点, 从而大大提高了生成之后的平面三角片可信度, 也可以更为清晰明确的获得离散点集的几何拓扑关系。实验中有时需要对三维效果进行强化, 这时我们不需要再借助其他软件, 只需要用Open GL自带的光照处理即可, 具体情况如图4所示。
3.3.2 实物重建
为了防止数据处理可能出现的错误, 也进一步验证算法的实用性以及可靠性, 本文又进行了实物重建实验。在前文所说的标准空间数据实验仿真基础之上, 又选择一个普通实物作为研究对象, 对其实施了三维重建。
实验采用了JAI公司生产研制的CV-A11仪器CCD、DALSA研制生产的PC2-VISION图像采集卡以及一个普通光学仪器。需要注意的是, 实验进行前, 实验人员还必须对双目立体视觉系统作出必要的调试: (1) 调节光学平台, 确保台面能够维持在一个水平面上; (2) 借助计算台面上的螺纹孔个数, 测量物距; (3) 合理调整基线距离, 使其和物距比值合理; (4) 需要保持两台设备高度的一致性; (5) 旋转角度、俯仰角度均应当调整到相同角度。上述调试全部完成后, 检查左右摄像机以及光轴是否平行, 检查图像坐标X轴, 观察其是否共线, 同时还应当注意, 两幅图像极线除了要共线之外还必须平行于摄像机基线。本次试验中, 摄像机标定得到参数为:fu的值为1668.32, fv为1649.51, s、uo以及vo的值分别为12.09、1267.49、936.57。另外, 系统基线长度选择的是2cm, 采用本研究中的特征提取以及匹配算法所得到的二维图像如图5所示, 边缘提取如图6所示, 特征点提取和特征点匹配结果如图7和图8所示, 图9 (a) 和 (b) 分别为LEGO三维重建结果的左视图和顶视图。
从图5显示的结果来看, 物体边缘提取非常清晰, 且具有较好的连续性, 从各长方形积木块轮廓角度来看, 拼接处边缘, 除了定位准确外还具有棱角分明的特点。图6显示, 能够对大多数长方形积木块的四个角点进行成功提取, 本次试验中, 提取的对数总共为702, 经过计算可以得出, 其和边缘点的压缩比值应是5.3%, 基于以上, 我们能够得出特征点提取定位准确, 分布情况合理和全面。实验中经过计算和观察, ZNCC>0.9和符合C-CC、BFS策略的相关可靠匹配点对, 总数一共达到了598对, 同时基于视差梯度等约束条件下进行匹配传播算法, 一共得到的可靠匹配点对达到了1674对, 具体情况参照图8。实物结果已经完成了三维重建模型应当具备的放大、缩小以及平移等相关操作功能, 便于我们从各种角度观察。从图9可以看出, 重建结果从形状来说和原物比较, 符合率高, 能够给人以较强的真实感, 同时还具有较为优良的可视效果。所以, 我们可以得出结论, 本研究中的三维重建算法具有较高的可行性和优越性。
4 结束语
本文首先对于双目立体摄像机图像的三维建模方法进行了概述, 接着针对特征点提取这一重要步骤提出了一种基于边缘约束的特征点匹配传播优化算法, 并基于Open GL平台进行了有效验证和实践, 证明了该方案的有效性和优越性, 具有一定的应用价值。
参考文献
[1]张铖伟, 王彪, 徐贵力.摄像机标定方法研究[J].计算机技术与发展, 2010 (11) .
[2]雷彦章, 赵慧洁, 姜宏志.一种单双目视觉系统结合的三维测量方法[J].光学学报, 2008 (07) .
三维立体建模 篇6
应用领域:家庭影院, 三维游戏, 互动教学, 医疗显示, 地理空间显示, 等对立图像和复杂数据显示效果要求较高的领域。
合作方式:商业融资, 技术入股
项目负责人简介:孙小卫, 1998年于香港科技大学博士毕业, 现任职于新加坡南洋理工大学电子与电机工程学院。主要研究项目包括氧化锌以及显示技术。并任南洋理工大学微电子中心副主任, 国际信息显示学会 (Society for Information Display) 新加坡/马来西亚分会主席。
矿山井巷工程立体建模系统开发 篇7
随着现代科技的不断发展还有完善，计算机的应用也越来越广泛，受到各个行业的关注。如何将计算机技术完美的运用到矿山井巷工程当中，是很多矿山测量工作者还有地质学者都在探究的问题，如何能够高效的将矿山本身已经得到了的测量资料还有地质资料都输入到电脑当中并且能够直接的将矿山本身的地下巷道还有地上的地理风貌、巷道与矿体、采空区与矿体等直接的关系展现出来，这已经是我们必须克服的一个难题。本文介绍的是建立一个立体建模系统，将上述关系以一种直观简单的方式展示出来，是目前较为理想的解决方案。
1 地貌
所谓的地貌指的是地面本身所呈现出来的高低起伏还有凹凸不平等自然形态，虽然地球表面本身看起来各种地形之间各有形态，都是不一样的，但是如果从宏观上来看的话却都只是一个不规则的曲面而已。所以在本次开发当中对于地貌的表示，用的是NURBS曲面来描述，而且MDT又提供了一个为AMLOFTU的命令，可以将一组三维曲线转变为NURBS曲面。通过这个系统，我们只需要知道能够将地貌形态还有地面的高低起伏真实反映出来的三维等高线之后就可以据此建立一个地貌的三维立体模型。至于如何获取三维等高线，既可以在现有的地图当中获取也能够在野外的采集碎步点当中生成。
1.1 地图上获得三维等高线的方法
相对于建模系统当中的三维等高线来说，虽然地形图表示地貌的方法也是用等高线，但是两者之间还是有着一定的差别：
(1) 三维等高线不能够出现间断的情况。为了能够顺利的将三维曲面生成，在建模当中对于三维等高线的描绘必须是从头到尾、光滑且不间断的曲线。相对而言地图上面，等高线在地图当中所发挥的作用最为普遍，如果在地图上要表示出来沟、坎或者是建筑物的时候，等高线就会断开而不连续。
(2) 三维等高线以空间曲线作为表示。在三维等高线上面，每一个点本身的Z坐标都是一样的并且是这一条等高线当中的高程值。相对而言在地形图上面所有的等高线都只是表示一个平面上的地貌而已。
(3) 三维等高线上面等高距并不需要相同。三维等高线之间的等高距是要根据实际的情况进行灵活的调整的，所根据的是描绘地点高差的大小、生成出来的曲面精度以及电脑本身的性能等，这些因素的变化具有多样性，所以调整也是时常出现的。例如描绘的地方如果高差变化不大，那么使用的等高距就能够比较小，相反的话等高距就需要使用较大的。
经过多番的尝试还有分析之后，总结出要在地形图上面获得三维等高线可以用以下的方法：先将地形图使用扫描仪输入到电脑当中并且校正，校正处理之后就会形成栅格地形图；将形成的栅格地形图用命令IMAGE导入到MDT当中然后在进行定位还有缩放等细节的处理；以一条等高线作为依据，找到它的起点并以该等高线的高程作为标准，用命令UCS对用户的坐标系进行设置；使用PLINE的命令以屏幕跟踪的方法将这一条等高线数字化；在数字化的过程当中要特别注意一定要将断开的部分填补上去，之后就用命令PEDIT对生成出来的等高线拟合，通过这些步骤之后就能够得到光滑的等高线。然后不断的重复进行这些步骤知道所有的等高线都数字化。
1.2 野外插加碎步点生成三维等高线
因为从野外采集出来的碎步点都是一些不规则没有规律可循的离散点，如果想过以此获得三维等高线就需要让系统先将三角形格网生成的方案。具体程序如下：想要能够顺利的建立起三角形格网就需要将碎步点当中的重复点先删除了，三角形的边线就是地貌特征线，以此将三角形格网构造出来，这个步骤要等到所有的离散点都连成为了三角形才可以停止；将等高线的高程设为H，然后对这条等高线进行判断，判别它本身是开等高线还是闭等高线，判断的依据就是高程在三角形格网的边界上面是有存在有内插点，判断之后就能够得到这条等高线的起点；根据高程H值，用命令UCS设置用户的坐标系；使用命令PLINE将网格三角形边上以线性内插跟踪的方式来找到这一条等高线，接着用命令PEDIT将生成的等高线进行拟合，这样也就能够得到我们想要的等高线了。然后不断的重复进行这些步骤知道所有的等高线都数字化。
2 巷道
我们根据巷道本身的形状将巷道分为三个类型，分别是圆形均匀巷道、非圆形均匀巷道还有非均匀巷道这三种。所谓的圆形均匀巷道指的就是横断面形状是圆形而且直径都一样的巷道，这种巷道的建模方式相对比较简单，和管线建模方式是一样的。本文主要介绍非圆形均匀巷道还有非均匀巷道的建模方式。
2.1 非圆形均匀巷道建模
所谓的非圆形均匀巷道，指的是横断面的形状虽然不是圆形但是在形状还有大小来看却都是一样的巷道。对于这种巷道的建模方法如下：以管线画三维中心线的方式来对巷道本身的三维中心线进行描绘；然后以命令UCS来建立一个将三维中心线起点的坐标原点，Z轴就是这个起点的切线方向然后这个用户坐标系的水平方向是X轴；在命令AMVIEW当中的选项SKETCH将在当前的视口平面设置到用户坐标当中的XOY平面当中；然后以命令PLINE将巷道横截面当中的外围轮廓线给画出来；在这个步骤之后以命令UCS将这个视口设置变成为世界坐标系；用AMSWEEPSF命令扫描，扫描的对象是横断面的外围轮廓线，沿着三维中心线，这样就能够得到这个非圆形均匀巷道的三维模型。
2.2 非均匀巷道建模
非均匀巷道本身无论是横断面还是形状、大小等都不统一，所以没有办法只用一条中心线就能够将它所处的空间位置表示出来，所以要根据现场数据采集所得到的特点，使用一些列的横断面外围轮廓线对于非均匀巷道的空间位置进行表示，接着就是用命令AMLOFTU把所有的轮廓线都转换成为NURBS曲面，这样就能够完成非均匀巷道的建模。
3 矿山井巷工程立体建模系统简介
到现在已经有很多相关的研究报道，从里面我们能够知道要建立矿山井巷工程立体建模，客户需要对于MDT有一个非常深入的了解，那么以MDT作为平台来建立矿山井巷工程立体模型，是能够成功的。但是一般来说客户都是对于MDT停留在掌握的阶段，谈不上深入，所以要组建这种三维模型本身有着一定的难度。本文当中对于方法的介绍都仅仅是原理性的，完整的操作步骤难以完整的表述出来。MDT本身是一个通用的三维机械设计软件所以对于特定的应用对象需要有一定的修改或者是调整，所以才需要在MDT平台这个基础上面建立矿山井巷工程离题建模系统。这个系统本身能够让用户更加全面还有快捷的完成三维建模的过程。在建立起来的整个系统当中，除了碎步点的生成三维等高线是用ObjectARX进行开发之外，其他的步骤都是用MOT本身内置语言进行开发的。这样更加方便客户根据自己本身的实际情况进行修改或者是变动。
参考文献
[1]车德福, 殷作如, 张瑞玺, 鲁远杰, 管大鹏.井巷工程三维建模及无缝开挖模拟技术[J].煤炭学报, 2012 (05) .
[2]何帅.煤矿进行工程三维建模及其应用研究[J].东北大学, 2009 (02) .
三维立体建模 篇8
关键词：三维重建,机器视觉,全自动,三维立体模型拼接
摄影测量是从摄影影像和其他非接触传感器系统获取所研究物体,并对其进行记录、量测、分析与应用表达的科学和技术[1]。摄影测量和遥感学科是地理空间信息学科的有机组成部分,为数字地球提供实时、动态、全球、廉价而且其他方法都无法取代的空间框架图像及从中导入语义与非语义信息的唯一技术手段[2]。作为基于影像的空间信息科学, 摄影测量除了将继续在影像城市、虚拟数字地球和地理环境中得到应用之外,还有很大的潜力用于工业制造、医学诊断、文化遗产保护等方面[3]。本文就是973文化遗产数字化保护项目中,针对建立完整的敦煌莫高窟三维立体模型提出的解决办法。
三维重建是建立完整的三维立体模型的前期过程。对真实场景的三维重建一般有两种方法: 一是通过三维扫描设备的三维重建技术; 二是基于图像的三维重建技术[4]。由于利用激光扫描费时费力, 而且对周围环境的光照要求很高,通常选用第二种方法。基于图像的三维重建依此要经过相机标定、 三维点云数据获取和简化、曲面重构以及纹理映射这几个步骤[5]。
目前,专业人士已经通过综合利用3S技术以及摄影测量技术,将卫星传输的数据形成数字式三维地球。但是由于地球范围广,卫星数据传输的延迟性,三维地球模型拼接时的精度只能停留在米( m) 级[6]。而本文是针对某些具体的小范围场景的三维重建,旨在实现快速地、高精度地、全自动拼接出完整的三维立体模型。
只要研究出两个三维立体模型拼接的方法,就可以举一反三,实现多个三维立体模型的拼接。本文主要介绍两个三维立体模型的自动拼接方法。
三维立体模型的自动拼接体现在自动地提取特征点、自动地匹配特征点、自动地计算RT矩阵。图1为两个三维立体模型拼接流程图。
1特征点的自动提取
三维立体模型是具有图像纹理的,三维立体模型特征点的提取就利用上了图像特征。图像特征有很多,通常是提取图像角点。首先在三维立体模型对应的左右两幅图像上提取角点,再将左右图像上的角点匹配起来,计算出该点的空间坐标,也就得到了需要的特征点。
1.1图像的角点提取
图像上角点的检测算法历史悠久,且与时俱进, 不断改进完善。较早的有1977年Moravec提出利用灰度方差的Moravec算法[7],1995年由牛津大学的S. M. Smith和J. M. Brady提出的SUSAN算法[8],接着Harris等人在Moravec的基础上改进的Harris算法[9,10],最新崛起的也有SIFT算法[11]等等。虽然SIFT算法有着尺度不变、稳定等优势[12]; 但是由于Harris算法检测速度快,抗噪声抗干扰能力强、检测效果好,而且有函数可以直接调用等等的优点,足够满足本文角点提取的要求,最终选择选择Harris算法。
1.2图像的角点匹配
角点匹配的精度直接影响了特征点提取的好坏。为了使得左右图像上角点快速地自动匹配,充分利用上了三维立体模型的点云数据。三维点云数据包括各个点分别在左右两幅图像上的图像坐标以及它的三维空间坐标。若左图像的某个角点附近有点云数据,则其在右图像的匹配点必定也在这些点云附近。确定图像上一个角点的匹配点在另一图像上的搜索区域后,对该区域里的所有角点利用区域相关法计算相似度[13]。
式( 1) 中是相关窗口内所有像素灰度值的平均值:
取相似度Ni,j最大的点,而且Ni,j大于一定域值的点为最终的匹配点。
1.3特征点空间坐标计算
将一个三维立体模型的左右图像的角点与匹配之后,离该模型特征点的获取就差计算特征点的空间坐标了。当已知了同一个点在左右两幅图像上的图像坐标,根据相机标定的知识[14],可以列出以下方程:
根据方程可求出点的空间坐标 ( X,Y,Z) 。
2特征点的自动匹配
通过特征点的获取得到两个三维立体模型的特征点点集,通过以下两个步骤可以将这两组特征点一一匹配起来。
2.1粗匹配
粗匹配与特征点获取时的角点匹配一样,都是根据图像的灰度信息进行区域相关法匹配,称之为平面约束。不同的地方是此处不能在利用三维点云数据确定匹配点的搜索区域,因为两个三维立体模型的三维点云数据都是不相关的。只能采用遍历法寻找匹配点,这就大大增加了计算时间。粗匹配之后得到两组点集{ pi} { qi} ,两点集中的点都是一一对应的。
2.2精匹配
粗匹配不仅耗时,匹配精度也值得怀疑。精匹配就是将粗匹配后误匹配点剔除。精匹配利用的是空间两点距离客观不变这一条件,也称为空间约束法。
点集{ pi} 里第i点与j点的距离dpipj对应于点集 { qi} 里两点距离dqiqj误差最小的两对匹配点,即可认为它们分别真实代表着同一个点,当做参考点 { pa,pb} 、{ qa,qb} 。经过实验证明: 此处的距离误差用绝对误差较相对误差科学,点的匹配精度只和点的位置有关,与两点距离无关。
判断pi和qi为正确的匹配点的方法是: 参考图2,记pi到pj的距离与qi到qj距离误差为| dpipj- dqiqj| , 当| dpipa- dqiqa|和| dpipb- dqiqb|同时小于一定的域值时,则认为pi和qi为正确的匹配点; 否则当做误匹配点,从点集{ pi} { qi} 中剔除。
2.3匹配精度
为了直观检验两种匹配方法的匹配效果,拟定了一个验证某种方法的匹配精度的表达式:
Δ 表达的意思是在两个模型上,任意两对匹配点之间的空间距离的绝对误差。由于距离dpipj、dqiqj的单位均为米( m) ,Δ 的单位也为米( m) 。Δ 越小,精度越高。
3RT矩阵计算
计算空间坐标变换系数时,理论上已知四对匹配点对即可。而此时,已知了远远超过四对匹配点, 那是因为每对匹配点都是存在误差的。传统的方式是利用 所有的匹 配点对数 据,在利用最 小二乘[15,16]、四元组等数学算法,计算出RT矩阵。在这里提出一种大胆的想法,在所有的匹配点对里,挑选出最合适的四对匹配点来计算RT矩阵。所谓最合适,得满足三个要求: 1四对匹配点匹配精度要高; 2四对匹配点在各自的空间坐标系里分布不能太紧密; 3四对匹配点在各自的空间坐标系里不能共面。
如何描述匹配点对的匹配精度,这是个问题。 每个点的真实匹配点均是未知的,无法将算法寻找的匹配点与真实点作比较,算出误差,得到精度。在这里,继续利用上特征点精匹配时的两对参考点 { pa,pb} 、{ qa,qb} ,它们之间的距离误差在任意两点中是最小的,认为这两对点是匹配正确的点。匹配点对的精度可以利用精匹配的判定标准,某对匹配点的匹配精度:
Δi越小,表示匹配精度越高。
如果四对匹配点在各自空间坐标系分布太密集,坐标系变换时旋转误差将被放大,这并不是我们期待的结果。这时候就得考虑四个点的分布问题。将点集{ pi} 与{ qi} 中的匹配点对按以上匹配精度排序之后,在精度靠前50对匹配点中,组合四对匹配点。最终取四点最小间距最大的一组用作RT矩阵计算。
对于要求3,四点不能共面。四点共面概率是很小的,如若真的遇上,RT矩阵是计算不出来的。
同样的,为了直观检验RT矩阵计算出来之后拼接的效果,拟定了一个拼接精度的表达式:
这里不考虑三维立体模型特征点匹配时的误差,认为匹配点对都代表着同一个空间点。Δ拼越小, 拼接精度越高,其单位为米( m) 。
4实验结果验证
实验的硬件环境都是物理内存为2 G、32位Win7系统、奔腾处理器的三星台式电脑,软件环境均为Visual C++ 6. 0平台,利用Open Cv1. 0的库函数。
4.1Harris角点提取
实验处理的是四目测量系统在同一个视角下不同相机拍摄的两幅图像,两图像的像素为6 016 × 4 000,大小为7 M左右,格式为JPG文件。
匹配的精度和效率很大程度上受特征点提取的影响。没有必要把不在公共区域的角点掺合进来。 在提取角点前,先选定区域,可以达到事半功倍的效果。
角点提取函数cv Good Features To Track( ) 的参数quality_level设定的是0. 06,min_distance设定的是20个像素。图3是图像上的角点提取结果。
图3提取出的角点效果还是比较可观的,像佛像眼角、眉角、嘴角等地方的角点提取的都比较准确。
4.2角点匹配
在角点提取的基础上,进行角点匹配。
区域相关法的矩形窗口大小为15 × 15个像素, 相似度域值设定为0. 8。图4为二维图像角点匹配结果。图4中红色的叉点为利用cv Good Features ToTrack( ) 提取出的的特征点,白色叉点为利用三维点云数据匹配好的角点。
从图4可以看出,利用三维点云数据很成功的把两幅图像的角点匹配起来。肉眼几乎挑不出错误。
4.3特征点匹配
实验处理的是四目测量系统在不同视角下同一个相机拍摄的两幅图像,两图像的像素为6 016 × 4 000,大小为7 M左右,格式为JPG文件。
粗匹配时用区域相关法时的窗口大小是15 × 15,设定的域值是0. 8。
图5为利用平面约束和空间约束后特征点的匹配的结果: 绿色叉点是导入的三维立体模型的特征点,而且是未匹配上特征点的,红色叉点为平面约束后的粗匹配点,白色叉点为空间约束后的精匹配点。
肉眼可以定性地看出精匹配精度高于 粗匹配,为了进一步 定量描述 精匹配与 粗匹配的 差距,在两个三维立体模型提取了三组不同的特征点来匹配,计算式( 4) 的匹配精度 Δ,进行比较分析。
从表1可以看出,精匹配精度达到了mm,比粗匹配提高了两个数量级。
4.4三维立体模型拼接
为了具有比较性,分别利用最小二乘法、四元组法、四点法三种方法计算RT矩阵,进行三维立体模型拼接。图6为两个独立的三维立体模型的点云、三角网格、3D图; 图7为两个模型拼接之后的完整模型。
三种方法计算出的RT矩阵拼接效果用肉眼是看不出差别的。同样的,分别计算出三种方法的拼接精度[式( 6) 的 Δ拼],实验结果见表2。
从表2可以看出,三种方法的拼接精度顺序由高至低是: 四点法、四元组法、最小二乘法。在此,可能便会产生疑问,最小二乘法和四元组法的计算原理就是让误差最小,为什么拼接精度却比不上只用四对点来计算的四点法。这是一个比较容易走进的误区。 最小二乘 和四元组 法让误差 最小是
5结束语
提出了一种新型的对中小范围的真实场景的三维立体模型快速、高精度、全自动的拼接方法。
( 1) 特征点提取过程中的角点匹配利用三维点云数据,提高速度以及精度。
( 2) 特征点匹配时利用两点空间距离客观存在条件有效剔除误匹配点,保证匹配精度。
( 3) RT矩阵计算时,仅仅利用四对匹配点对, 突破常规。
三维立体零件的线切割加工 篇9
电火花线切割加工是用一根长长的金属丝做工具电极, 并以一定的速度沿电极丝轴线方向移动, 它不断进入和离开切缝内的放电区。加工时, 脉冲电源的正极接工件, 负极接电极丝, 并在电极丝与工件切缝之间喷射液体介质;另外, 安装工件的工作台, 则由控制装置根据预定的切割轨迹控制伺服电机驱动, 从而加工出我们所需要的零件。如图1所示。
线切割机床具有X、Y、Z三个坐标轴, 但是, 大多数线切割机床只有X、Y轴可以进行联动, 而Z轴是手动调节高度的, 不能与X、Y轴进行联动。两个轴联动只能加工平面图形, 对于图2所示的立体造型零件, 在线切割加工过程中用常规的加工方法是无法完成的。
1 零件工艺分析
如图2所示的零件, 底座的长和宽均为10mm, 零件总高度为35mm, 在线切割机床上加工这样的零件, 用常规加工显然是无法完成的, 需要进行两次加工才能完成。
第一次加工, 主要任务是完成零件总体轮廓的加工, 第一次加工完后将工作翻转90°进行第二次加工, 两次的加工路线不同, 第一次加工将三维零件的整体轮廓加工出来, 加工路线如图3所示, 第二次加工将底座以上的部分进行加工, 第二次加工前在零件的头部最顶端做加工起始点, 加工路线如图4所示。
2 加工程序
零件的造型和加工程序的生成在CAXA线切割软件中完成, 具体步骤如下:
(1) 第一次加工程序。首先在CAXA线切割软件中完成如图3所示的零件造型, 加工起始点为右下角直角处, 点击“线切割”下拉菜单, 选择“轨迹生成”选项, 在弹出的选项卡中, 设置“偏移量/补偿量”, 其它选项为默认值, 生成加工轨迹。点“线切割”下拉菜单, 选择“生成3B代码”选项, 按提示选择绿色的加工轨迹生成程序代码。
(2) 第二次加工程序。首先完成如图4所示的零件造型, 在生成加工轨迹时, 步骤与第一次加工程序的生成步骤相同, 不同点的地方在于选项卡“切入方式”中要选择“指定切入点”, 设置“偏移量/补偿量”为零, 生成加工轨迹, 生成程序代码。
3 加工实施
(1) 将100mm×100mm×10mm的钢板固定在工作台上, 用百分表找正, 设置电参数, 将钼丝移动到加工起始点, 开始第一次加工。
(2) 将第一次加工好的工作旋转90°后装夹在工作台上, 用百分表找正, 以头部圆环区为基准区, 利用机床的靠边定位功能找到加工起始点, 开始第二次加工, 加工完成后, 零件加工结束。
4 技术总结
(1) 第一次加工中在生成程序代码时可以在CAXA线切割程序中设置间隙补偿量, 第二次加工时需要在机床上设置间隙补偿量, 否则无法生成第二次零件的加工轨迹。
(2) 应当选择电极丝损耗小的电参数, 工作液浓度要偏低一些, 工作台进给速度要慢。
(3) 第二次加工前, 应将第一次加工完成的工作进行清洗, 这样做的目的是提高第二次加工前钼丝加工起始点的定位精度。
参考文献
[1]杜春平, 苏庆勇.电火花线切割加工技术及常见问题分析[J].热加工工艺, 2013, 07:209-211.
[2]胥宏, 张世凭, 连帅梅.国内电火花线切割技术研发的探讨[J].成都工业学院学报, 2013, 02:39-42.
[3]张晨亮, 刘晓青.浅析在线切割加工中提高锥度零件加工效率的措施[J].科技信息, 2011, 21:120+70.