摘要
随着工业智能化的飞速发展，视觉三维测量技术被广泛研究。视觉三维测量包括尺寸测量、重建和位置姿态测量几方面。然而，目前针对微小目标的单目三维重建和非合作位姿测量技术的研究仍处于起步阶段。为此，论文基于单目视觉系统研究微小目标的三维测量问题，特别是单目三维重建技术和基于视觉图像匹配的位姿估计技术，提出单张图片的三维重建方法及位姿测量方法，以实现微小目标表面三维表面尺寸的测量及姿态跟踪。论文主要研究内容如下: (1)搭建单目视觉系统硬件解决方案。论文针对单目三维重建中存在的局限和问题，建立基于三色环形光的单目视觉系统。并依据点光源的光辐射特性，设计三色环形光源，使光照均匀分布于单目视觉系统的工作区域中，确保待测物体表面反射信息的一致性。此外，论文搭建了拥有1059张样品图片的图像数据库，以供验证论文所提的分割方法和重建方法的有效性。 (2)综合待测目标图像的成像原理和特征，提出目标图像分割方法。引入基于图像灰度均值的权重因子可对分割参数的自适应调节，论文提出了多通道自适应阈值的图像分割方法，实现了待测图像的准确分割。通过对比试验实验表明，论文所提分割方法在平均MCE方面，相较LVE法、Thomas法和自适应法分别提升了67.15％、47.55％和18.36％;在IoU指标中，分别提升了94.37％、61.46％和27.73％;其Dice指标的则提升了96.10％、46.97％和21.71％。 (3)提出基于单目视觉的三维重建方法。首先，论文建立了图像的灰度与物体高度信息之间的关系，以基于单张待测图像初步重建其表面三维信息。其次，基于二次曲面模型建立了待测对象图像信息与三维信息间的“形状-表面”关系，以推断图像信息中的梯度信息。之后，通过改进的核函数和滤波算法，对“形状-表面”关系进行量化并计算其相应的权重，最终实现了对待测对象三维信息的准确恢复。实验结果表明，所提三维重建方法可以在0.5秒内使用单个图像实现更好的表面重建。同数据集结果的对比中，所提方法重建结果的衡量指标IoU、CD、MAD和RMSE值分别为0.467、27.369μm、15.988μm和16.866μm。同其他重建算法的对比结果表明，所提方法重建结果的指标与现有方法相比误差平均降低了39.2％,并且论文所提方法在算法时间和硬件开支上也具有明显的优势，体现了所提算法的良好准确性和鲁棒性。 (4)提出基于深度学习图匹配的非合作位姿测量方法。首先，论文基于SuperPoint网络提取待测图像的特征点及描述子。其次，论文基于Transformer设计了一种基于深度学习的自循特征匹配方法，利用注意力和交互注意力机制计算描述子的注意力得分，并以置信度作为循环阈值。最后，以所提三维重建方法的重建结果作为模板，通过匹配待测目标与模板实现了非合作位姿测量。同其他特征匹配方法的对比实验表明，论文所提匹配方法的时间优于SuperGlue网络和FLANN等匹配方法。在位姿测量的对比实验中，所提位姿测量算法平均误差为0.32像素，在旋转测量中角度最大误差为0.66°。在实际生产环境中，论文所提方法的平均位移测量精度达0.53mm,旋转平均测量精度达0.67°，每秒可检测33.5帧的对象位姿，能满足不同运动目标的测试需求。
NETL