视觉方法进行分析。与单目视觉的方法相比,立体视觉检测方法对环境噪声和物体阴影的干扰具有更强的工业检测方面。在我们的实际生活中有很多物体是由点、线、面组成的,也有很多物体是由圆、曲线和曲面构成的,对这些物体进行精确检测与测量在工业是非常有价值的事情。传统的二维图像尺寸检测对于点线面组成的物体能够很好的测量,但是对于具有圆、曲线和曲面的物体进行检测时,就要而采用双目立体视觉技术的三维图像尺寸检测则可有效的避免这一问题。立体视觉首先需要采集同一物体在不同视角下的图像信息,然后找到空的视差,最终得到三维信息。目前绝大多数双目立体视觉系统是由特征提取与匹配,摄像机标定,立体匹配,三维重建等几个部分组成。计算机立体视觉研究的重点和难点问题在特征提取与匹配,摄像机标定和立体匹配这三个方面。其中特征提取与匹配能够提取两幅图像中的特征点并对其进行匹配,为获得摄像机之间的位置关系和图像校正提供条件,匹配的特征点需要很高的精度,匹配点的数量只需满足计算基础矩阵的需求就行归】;摄像机标定能够消除图像畸变,获得摄像机内外参数,计算摄像机之间的位置关系;立体匹配主要是求图像之间稠密的对应点,获取视差图的过程。特征提取与匹配是获得摄像机之间位置关系和图像校正的前提条件,主要通过提取两幅图像中的特征点,利用提取的特征点完成图像匹配,获得对应点文件来实现。同使用像素灰度信息的互相关算法相比,特征提取算法对光照、图像形变、噪声等都具有较强的鲁棒性,并且对于位置变化敏感,能够获得较高的精度。这类算法首先需要从待配准的图像中得到一些特征作为配准基元,然后在得到的配准基元上建立图像间的对应关系。阆窕甓第鲁棒性。采用背光投影、分布采集等技术来完成测量,这将会极大的降低检测的效率,间中同一点在不同图像像素间的对应点,最后通过三角测量技术求得对应点卣魈崛∮肫ヅ摄像机标定是立体视觉中的重要问题之一,它也是所有基于计算机视觉