基于人类视觉启发的变尺度三维测量技术研究

Optical three-dimensional(3D), due to its several distinct advantages such as contact-free, high precision, fast, and prone to the realization of automated measurement under computer control, has been researched in-depth and widely used. However most of the current methods can only achieve 3D measurement of the same scale scene with fixed resolution and depth. Inspired by the human adaptive vision, we develop a variable scale 3D measurement method. The research mainly includes: analyze human vision 3D imaging and focusing mechanism, and establish variable scale 3D measurement model based on the stereo measurement method; research the scale space modeling mechanism of the human retina and visual cortex feeling district based on the Gaussian kernel, and construct scale space 3D target, and achieve mutative scale scenes dynamic 3D measurement and data association; study dynamic calibration and optimization algorithms for variable-scale 3D measurement system; construct hierarchical model of different scale measurement data based on characteristics identifying ideological and iterative optimization algorithm, and achieve variable-scale scene 3D data fusion. The research successfully provides an effective, fast, accurate, high-resolution and high-flexible measurement way for large field-view, large-depth scene, proving to be of practical significance and scientific value.

光学三维面形测量方法具有非接触、速度快、精度高、易于在计算机控制下实现自动化测量等优点，已得到大量深入研究并被广泛应用，但目前的方法大多仅能实现固定分辨率和固定深度的同尺度场景三维测量，适用性受到了限制。本项目受人类视觉变尺度三维成像机理的启发，提出一种变尺度三维测量方法。研究内容主要包括：分析人类视觉变尺度三维成像和聚焦机制，建立基于双目立体视觉测量方法的变尺度三维测量模型；研究基于高斯核的人类视网膜和视觉皮层感受区的尺度空间建模机理，构造尺度空间恒定的三维靶标，实现变尺度场景动态三维测量和数据关联；研究变尺度三维视觉测量系统动态标定与优化算法，提高测量精度；基于特征识别思想和迭代优化收敛算法建立不同尺度测量数据的分区模型，实现变尺度场景三维数据融合。本项目研究成果为大视场、大深度场景的快速、精确、高分辨率和高柔性测量提供一种有效途径，对视觉测量技术的发展具有重要的现实意义和科学价值。

为精确获得大场景下局部尺度高精度三维测量，借鉴人类视觉变尺度聚焦的生物机制，对变尺度视觉三维测量技术深入开展了研究，实现了单一系统下的多尺度场景数据的同时测量。基于人眼变尺度场景聚焦与三维成像机理，搭建基于变焦的双目立体测量系统模型；分析了相机变焦过程中的参数变化特性，提出分参数快速变尺度系统标定算法，实现系统参数主点、主距、内外参数的精确标定；设计了基于双目变焦相机结构的彩色编码方法，具有计算效率高，不受环境光影响及不受连续条纹色彩的约束等优点；研究了变尺度场景三维数据关联方法，设计了尺度恒定空间三维特征点识别和重建算法，实现变尺度间三维数据的关联；提出一种标志点空间能量概念，实现不同尺度下三维测量数据的高速、高稳定匹配和拼接；提出一种基于快速点特征直方图的双邻域点云稳定配准算法，适用于高噪声及局部特征不明显的情况，能有效配准任意位置和对象的点云，摆脱了传统点云拼接需要依赖二维图像匹配的方法。相关成果发表论文14篇，出版著作2部，申请国家发明专利4项，申请软件著作权3项，培养研究生10名。研究成果不仅为大范围、高解析测量和数据表征理论的发展探索了一条新的思路，而且为仿生超性能曲面的开发与应用提供了支撑，具有重要的科学和实用意义。