摘要
视觉感知作为自动化技术的重要组成部分，已广泛应用于工业检测、质量控制、自动化装配以及机器人导航等领域。随着计算机视觉技术的快速发展，立体视觉感知领域正经历着前所未有的技术革新，有效推进了生产自动化和智能化的步伐。环境三维重建是移动机器人智能感知的基础。利用双目视觉技术经过图像采集、相机标定和立体匹配过程，进而实现三维重建，是机器人感知领域中的热点研究方向之一。本文利用双目相机完成图像采集，推导了考虑标定物立体信息的相机三维标定方法，获取相机精准的内参矩阵、外参矩阵和畸变参数；然后在SURF算法的基础上，采用视差梯度原则，通过提高特征点的识别精确度，改进了RANSAC算法，增强算法的准确率与鲁棒性；最后将激光雷达获取的物体点云信息补充到相机重建的点云图中，补全双目视觉中由于环境条件信息不足所导致无法重建的区域，提高重建精度。 论文主要工作如下： 提出双目相机三维标定方法。为了获取相机精准的内参矩阵、外参矩阵和畸变参数，研究了一种高效且精确的双目相机标定方法。在张正友标定法的基础上，改进平面标定板为三维立体标定块，丰富相机标定时所能获取到的三维信息，为三维重建垫定基础。 研究双目相机立体匹配方法并改进RANSAC算法。针对目前RANSAC算法在处理极大规模数据集时效率低，并且在进行特征点匹配的时候会发生误匹配现象的问题，基于SURF算法，采用视差梯度原则进一步筛选立体匹配点对，减少误匹配点对，为提高环境三维重建提供保障。实验结果证明改进RANSAC算法能够提高立体匹配点对的准确性与鲁棒性。 完成了搭载双目相机和激光雷达的移动机器人实验平台，利用本文提出的双目相机三维标定方法以及改进RANSAC算法对环境进行三维重建，并进行了双目相机与激光雷达的点云融合实验。实验结果证明，本文所提方法能够显著提升环境三维重建效果，对于因环境因素无法重建的区域，利用激光雷达获取的点云进行补充与完善。 在机器人目标识别领域中，减少误匹配点的数量并提高三维重建效果是提高识别准确率的重要途径，对于后续的机器人对目标物体抓取工作中有着不可忽视的作用。在未来的发展中，可以将双目相机与激光雷达进行前融合，再对所获取的数据进行处理分析，可以得到更快速准确的数据。
NETL