基于机器视觉的奶牛体型非接触测量与三维重建关键技术研究

深入研究机器视觉领域内的关键技术并根据现代奶牛遗传育种中体型参数的重要性，利用该技术进行非接触测量以及三维重建。重点研究：（1）通过研究样条函数及采用多尺度的分析方法，结合Harris算法，提高角点检测准确性；利用小波与脊波进行多尺度空间分析，并结合SIFT算法，对奶牛图像特征点进行检测；深入分析此两种算法类型的内在机理，力图将此两种方法紧密结合起来以期找到更加准确、快速的特征点检测算法。（2）针对匹配算法的难点，拟提出一种基于奶牛体型特征先验知识下的待匹配特征点预估计算法，建立更有效的图像表达形式和立体视觉模型，以便更充分地反映景物的本质属性，为匹配提供更多的约束信息，降低立体匹配的难度。（3）采用参照物法与遗传评估算法改进基础矩阵的求解，并改进三角剖分算法结构，以期精确、快速地对数据进行三维重建。通过上述研究，为精确获得奶牛的各体型三维参数并进行三维立体复原奠定坚实基础。

本课题研究的目的是基于双目视觉系统，重建目标场景的三维结构。根据研究要点的要求，重点研究了角点检测、匹配以及三角剖分等算法。在角点检测方面，提出了两种解决方案：通过将角点的提取范围由整幅图像缩减为具体关注位置，提出了一种自适应Harris角点检测算法；提出了一种在多尺度空间下的角点检测算法，可以进行亚像素级的检测。 对于匹配算法，本课题以两种思路进行了研究：改进了SIFT算法的描述子，生成的新的描述算子不仅有很好的抗旋转能力，并且把原来的128维描述算子减少为24维，降低了算法的复杂度；基于视差原理，通过缩小匹配范围，提出了一种快速匹配算法；针对研究中发现的噪声干扰问题，进行了基于多尺度几何分析的去噪算法研究；对于三角剖分算法，本研究提出了两种算法：一种是以八叉树模型作为三角剖分的数据结构、利用增量法与分治法相结合的思想对空间散乱点云进行三角剖分，另一种算法是通过对空间散乱点集进行预处理与优化并采用Watson技术，提高Delaunay剖分的效率和完整性；在研究要点之外，本研究还提出了一种基于传统摄像机标定方式的自动标定方法，并提出了基于Silverlight技术的3D环物摄影系统实现方案。