基于非线性时序模型的异构立体视觉高精度三维测量方法研究

Aiming at the low accuracy and precision problem of passive stereo vision for complicated parts in machinery industry, a heterogeneous stereo vision system based method will be developed in this proposal. First, the modeling theories of the proposed time series model named spatial general autoregressive (SGAR) model, which fuses both linear and nonlinear autoregressive model into a uniform expression, will be studied. The general applicability of the SGAR model will be demonstrated theoretically and experimentally. The theoretical system will be established through the research of the structural feature, order determination and parameter estimation. Then, a SGAR model-based stereo matching algorithm will be studied to work toward the challenge in registering two images with weak texture and cross-scale. The structure of image windows will be built by SGAR model and a invariant feature descriptor will be constructed subsequently using the model parameters and the characteristic roots. Finally, the heterogeneous stereo vision system will be formed, which consists of a conventional binocular vision with the benefit of bionic principle and a telecentric vision with the advantage of high precision. The fundamental matrix of the heterogeneous system and the calibration technique including the method of distortion correction and the strategy of line and surface feature fusion will be studied. Whereafter, a three-dimensional measuring method will be proposed, which utilizes the high precision results of the a telecentric vision as a constraint. The project achievements will be a great significance for the three-dimensional high precision automatic measuring.

针对复杂零件被动视觉三维测量普遍存在着精度低、结果稳定性差等问题，本申请拟研究一种基于非线性时序模型的异构立体视觉高精度测量方法。首先，研究非线性时序模型建模理论。在理论分析和数据实验证明该模型在成像等非线性系统中具有普遍适用性的基础上，研究其结构特征、定阶方法、参数估计方法和优良度判别准则，以形成其建模理论体系。然后，研究异构系统的图像配准方法。建立像素领域结构的非线性时序模型，通过模型的参数、特征根或特征函数，构造具有多种不变性的特征描述子，提出基于非线性时序模型的立体配准方法，解决纹理贫乏、跨尺度图像的配准问题。最后，结合双目系统和远心视觉各自优势，组建异构立体视觉测量系统，建立该系统的数学模型，提出基于一维和二维组合特征的标定方法，研究基于远心视觉约束的异构立体视觉三维高精度测量方法。项目研究成果可为复杂零件三维自动测量提供理论方法和技术支撑。

本项目以弱纹理机械零件为对象，研究三维高精度自动测量问题，深入研究了远心视觉与双目视觉多传感融合的机器视觉测量方法、非线性时序建模理论等，为复杂形面零件现场高精度自动测量提供理论方法和技术支撑。主要工作有：.1）空间通用自回归模型（SGAR）建模理论研究。通过有界函数调控异值传播控，提出了基于异值影响受控（ERIN）的SGAR模型参数估计方法，开发了基于ERIN的参数估计流程。考虑计算效率和开销，提出了基于残差特性和时间复杂度的SGAR模型判阶方法。在分析SGAR模型结构基础上，推导建立了SGAR模型的当量加法运算量数学模型；通过调谐因子将SGAR模型的运算量与残差特性融合，提出了改进的AIC准则（iAIC准则）。研究结果表明，ERIN方法可以有效地估计SGAR模型的参数，且精度和鲁棒性很高；根据iAIC准则判阶，SGAR模型的精度和计算效率均较高。.2）图像处理方法研究，包括配准、插值、融合。通过SGAR模型的参数与判阶结果，构造局部图像“点”特征描述子；通过权函数检验“点”特征的显著性，通过直方图确定“点”特征方向，研究了基于SGAR模型的弱纹理图像配准方法。通过SGAR模型非整数倍的重构锚点像素与其关联像素的窗口结构，研究了基于SGAR模型的数字图像任意倍分辨率转换方法。此外，研究了基于SGAR模型的数字图像两步融合方法。研究结果表明，本项目提出的图像处理方法有较高的精度和较好的视觉效果。.3）异构立体视觉测量方法与系统及其应用。通过利用射影不变性理论，提出同心圆圆心精确快速提取方法，设计同心圆矩形阵列标定模板，研发标定算法及其流程。通过利用被测机械零件相对丰富的边缘信息，提出融合边缘检测的立体匹配方法。通过考虑给定置信水平下远心视觉系统的测量不确定度并作为约束条件，建立异构立体视觉测量的模型，建造异构立体视觉系统并进行实验。研究结果表明，本项目提出的标定方法具有快速、高精等特点，异构测量方法及其系统有效地提高了视觉系统的测量精度。