[发明专利]一种大长径比曲面内腔表面的三维重建方法

说明书

本发明涉及三维重建技术领域，且公开了一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：步骤1、采集二维图像信息，通过运用GA‑BP神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；步骤2、利用加权平均Harris‑Laplace特征点提取算法与SIFT特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；通过三维智能传感器采集的图像信息可进行壳体内表面形貌特征的三维重构，得到三维模型后，可依据表面形貌凹凸情况实现对抛涂衬层缺陷的识别。除此之外，还可为后续其他模块提供三维模型数据：其一是可以为抛涂过程的曲面段与直线段抛涂间的衔接提供数据参照。

技术领域

本发明涉及三维重建技术领域，具体为一种大长径比曲面内腔表面的三维重建方法。

背景技术

三维模型是物体的多边形表示，通常用计算机或者其它视频设备进行显示。显示的物体可以是现实世界的实体，也可以是虚构的物体。任何物理自然界存在的东西都可以用三维模型表示，现有的二维图像转变为三维模型的过程中表面的形貌可能会产生缺陷，却缺少对缺陷的识别，也缺少为后续提供的三维模型数据进行优化的作用。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种大长径比曲面内腔表面的三维重建方法，解决了上述背景技术所提出的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：

步骤1、采集二维图像信息，通过运用GA-BP神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；

步骤2、利用加权平均Harris-Laplace特征点提取算法与SIFT特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；

步骤3、通过归一化点算法与RANSAC算法计算正常的预处理后的二维图像基础矩阵与本质矩阵，其中基础矩阵是对双目视觉采集得到的两幅图像间约束关系的数学描述，是在未标定图像系列中存在的集合结构约束信息，隐式地包含了相机所有内外参数；

步骤4、通过平面投影法与直接剖分法对基础矩阵与本质矩阵实现网格化，之后即可得到图像的三维重构模型；

步骤5、采集一定量的已抛涂的内腔衬层表面图像，并把图像分为两大类，分别是衬层覆盖完整的图像和存在缺陷的图像；

步骤6、利用卷积神经网络对图像进行训练处理，得到训练好的模型，将调用训练好的模型对步骤1中得到预处理后的二维图像信息进行识别，以判断其属于正常或者缺陷(流挂、堆积、漏涂、气泡)；

步骤7、利用图像处理软件OpenCV编写算法找出图像中缺陷点的中心坐标，并且通过设置算法中函数的参数，能够同时找出多个缺陷点坐标，另外，相机拍照时，图像与实际物体为相似形，计算出相似比后，根据图像中缺陷点坐标和相似比即可计算出缺陷点在内腔表面的位置。

优选的，所述步骤2的具体实现原理是针对特征点的16×16的邻域计算该邻域各点梯度，通过计算特征点的128维特征描述符的欧氏距离，判断距离最小点为正确匹配点。

优选的，所述内腔表面三维重构所用的主要硬件为相机、镜头、光源配置、图像采集卡等其他与相机适配的硬件；所述内腔表面三维重构所用的主要软件为在Qt环境下，使用C++语言开发大长径比变光照环境下内腔抛涂完整性检测软件，实现抛涂完整性检测、内腔形貌三维重构、衬层缺陷检测与识别分类功能，并具有组态界面友好，后续维护、操作简单的特点。

(三)有益效果

本发明提供了一种大长径比曲面内腔表面的三维重建方法，具备以下有益效果：