三维图像采集
摘要：三维重建是计算机图形学、图像处理和计算机视觉研究中的一个重要课题, 其包括基于三维点云的重建和基于图像的重建。基于图像的三维重建又包括多幅图像和单幅图像重建。
关键字：三维重建离散余弦变换离散小波变换
1 基于多幅光学图像的三维图像重构算法
1.1 三维图像重构简介
1.1.1 三维重构
三维重构是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对其进行处理、操作、和分析其性质的基础，也是在计算机中建立表达客观世界的虚拟现实的关键技术。
客观世界在空间上是三维的，三维重构是计算机视觉技术研究的主要内容之一，在工程技术和其它很多领域一般要对三维物体进行分析，以便获取有用的信息。目前，大多数图像采集装置所获取的图像本身是在二维平面上的，尽管其中可以含有三维物体的空间信息]1[。因此，要从图像认识真实物体，就要从二维图像中恢复三维空间信息，这正是三维立体重建所要完成的任务。基于二维图像的三维重构技术是近年来计算机视觉技术与计算机图形学技术相结合而产生的一门新技术。
1.1.2 三维重构方法
当前，三维重构的方法主要有以下三种：
(1) 利用传统几何造型技术直接构造模型，就是利用建模软件构造三
维模型]2[；
(2) 动态重构，利用三维扫描设备(如激光扫描仪、深度扫描仪等)对真实物体进行扫描，直接得到物体空间点的信息，进而重构出模型；
(3) 静态重构，基于数码图片的三维重构，利用光照图像恢复物体的几何外形，即利用摄像机、数码相机从各个视角拍摄的真实物体的2 幅或者多幅图像进行重构模型]3[。
在上述几类方法中，第一种方法历史最为悠久、发展也最为成熟，而且用途也最为广泛。该方法已被广泛应用于机械、建筑等工程领域和材料加工等产业。但是对于构造比较复杂的三维模型，如果仍然采取这种方法的话，将会是一件耗时费力的工作；动态重构，特别适合于逆向工程、文物保护等应用领域，因为它准确地获得物体表面点的三维坐标，而且重构的精度也非常高，但是由于扫描仪扫描对象的尺寸有限，不能应用于大型物体(如大型铸造件、火山喷发等)的重构，同时，这种重构方法对需要精密、复杂的仪器和辅助设备，价格昂贵，也无法处理具有高光、透明表面的物体，从而限制了该种方法的使用；静态重构，通过数码相机或摄像机成像模型，从二维图像中计算出物体的三维结构，这种方法成本比较低，但是重构的效果不是很精确，而且受外界因素的影响比较大。对基于二维图像三维重构技术的深入研究可以推动各个学科的发展，并促进这些学科的交叉融合。由于基于图像序列的三维重构技术建模简单、更新速度快，极大程度上满足了实时性的要求，因此，基于图像序列的三维重构技术研究具有重要的实际意义，也将具有广阔的应用范围，包括考古学、建筑学等领域
和材料加工、医学设备等产业。在材料加工与检测方面，基于图像的三维重构技术已经较成熟地应用于工业钣金件的高精度三维重构与视觉检测系统中；另外随着计算机技术与材料科学的进一步融合，在材料学中，利用X射线进行三维重构，可以动态的显示材料微观结构的变化。
1.1.3 国内外研究概况
随着计算机视觉技术的普及和发展，基于图像的三维重构技术成为CAD/CAM领域的研究重点。各个国家都投入很大的人力、物力和财力，但是发达国家由于其开展的比较早，而且技术比较先进，所以研究的比较深入，而且取得成果也很显著，我们国家在这个方面虽然是刚刚起步，但是在有些领域已经能够代表国家竞争力，同时具备了国际竞争力。
CMU 大学的Tomasi和kanade]4[等人在VC++平台上，开发出了基于图片的三维重构的系统，该系统利用仿射分解法，对摄像机进行了标定，得到了摄像机的运动参数，然后重构出物体的空间模型。
INRIA Bougnoux等人]6][5[利用未标定的SFM和摄像机自标定等算法，开发了一个提升型三维建模系统。
Berkeley大学的Debevoc、Taylor、Malik等]7[完成了著名的建筑物重构系统Facade，该系统要求首先得到建筑物的粗略几何模型和摄像机运动参数，然后将该模型反投到图像上与实际图像作比较，通过减小反投影误差最终计算出建筑物的精确三维结构。
Shum等人开发的人机交互式重构系统，利用物体的一组全景图，
即从各个角度得到物体的n张图片，然后对这些图像进行处理，重构出其三维实体，或者将场景表示成一系列按深度划分的分层的集合。
Faugeras等采用摄像机的自标定方法，利用分层重构等经典的方法，从图像序列中重构出建筑物的形貌。由于建筑物上面的点的三维坐标已知、角度已知，所以利用这些信息就可以直接进行摄像机标定。
Katholieke大学的Pollefeys等提出物体表面自动生成系统，该系统是在内参数可以改变的情况下，对摄像机采取了自标定的技术，该系统只要求用摄像机绕物体周围一圈，拍得物体的一系列的图像，然后就可以自动实现自标定和分层重构。
目前，国内在三维重构方面也进行了深入的研究，而且在理论和算法方面已经取得了一些成就。在医学方面，三维重构已经取得了辉煌的成果。例如：利用断层扫描技术得到病变区域的图片，然后专家通过图片给出诊断结果。可以说，医学领域的三维重建及其变换应用研究己经处于国内领先地位，有的己达到甚至超过国际先进水平。
南京航空航天大学的姜大志发表了数码相机标定方法的研究、上海理工大学机械工程学院的汪伟等发表了基于数码相机图像的三维重构、燕山大学的吴凤等发表了基于单幅图像数据的三维重构方法研究、华中科技大学的章勤等发表了基于多幅深度图像的三位重构技术、西安交通大学的舒远等发表了利用空间正交约束的相机自标定和三维重建、上海大学的吴海峰和朱文文发表了基于径向畸变的数码相机标定及三位重构，还有其它一些文章，分别从不同方向对三维重构进行了研究。
1.2 三维重构算法
三维重建的过程是一个比较复杂的过程，属于技术上的主要难点之一。目前的算法大都处于比较初级的阶段。在实际应用中,复杂产品的实体造型对工程技术人员来说较难掌握。目前各种各样的CAD 系统层出不穷,但是直接从二维视图构造三维实体模型的技术还处于研究之中,离实用还有相当的距离。
从图像序列获得物体的三维模型,利用机器视觉的研究成果快速实现图像序列的景物重建,是计算机视觉领域中的重要研究课题。从图像序列获取物体三维模型的方法可以依据是否己知摄像机的内参划分成两类:
(1)在已知摄像机内参的情况下,称为从运动恢复(校准的)结构;
(2)不知摄像机的内参,称为从运动恢复未校准的结构。
1.2.1 基于图像序列两幅图像的三维重建
基于图像序列两幅图像的三维重建是基于图像序列多幅图像三维重建的基础。两幅图像由在不同观察点的摄像机拍摄,设两个摄像机的投影矩阵分别为1P 和2P ,投影矩阵)(t R K P =,其中K 为摄像机内参矩阵,)(t R 为摄像机外参矩阵,R 为33?的旋转矩阵,t 为13?的平移矩阵。
1.2.1.1 基本概念
基本矩阵F 又称基础矩阵,将投影矩阵1P 和2P 中左边的33?部分记
为A P 1和A P 2,右边的13?部分记为B P 1和B P 2.设B A A B P P P P p 11122--=,则
112)(-=A A x P P p F ;若T z y x p ),,(=,则????
??????---=000)(x y x z y z p x 。估计基本矩阵的方法主要有7点法、8点法和随机采样算法(RANSAC)鲁棒方法。由基本矩阵可得本质矩阵E.在假设摄像机内参K 不变的情况下,基本矩阵与本质矩阵E 的关系为:1--=EK K F T 。得到本质矩阵后,对本质矩阵E 进行奇异值分解,可得两个3阶的矩阵U,V 及一个3阶的对角阵S,T USV E =,令
????
? ??-=110001010W ,经推导可得旋转矩阵T UWV R =,平移矩阵3u t =,其中3u 是矩阵U 的最后一列。
1.2.1.2 算法流程
本文基于两幅图像的特征点匹配,用RANSAC 算法可以得到基础矩阵F,已知摄像机内参很容易由基础矩阵F 得到本质矩阵E,进而求得两个摄像机之间的外参数R 和t.于是,可得到两幅图像的投影矩阵,()01I
K P =,()t R K P =2,其中I 为33?的单位矩阵,1P 设置为默认值,通常都假设第一台摄像机没有旋转和平移,第二台摄像机的旋转和平移向量都是相对于第一台摄像机位置的,且假设两个摄像机内参相同。
在得到摄像机内外参数K,R,T 以及匹配点坐标后,可计算出每个匹配点所对应物体空间点的具体坐标i X .对于投影矩阵1P ,令131211,,P P P 为对应1P 的行向量,()T i i l v u ,,对应1P 图像上第i 个匹配点的齐次坐标;对投
影矩阵2P ,令232221,,P P P 为对应2P 的行向量,点()T i i l v u ,,对应图像点的像
素坐标为()T T i T i l v u ,,,则02223212312131113=?????
?
????????----i T i T i i i X P v P P u P P u P P u P ，通过最小二乘法可求解出i X 的值。综上所述，算法流程如下：
(1)用传统摄像机定标方法得到摄像机内参;
(2)使用Harris 方法提取两幅图像的特征点,进行特征匹配;
(3)根据特征匹配结果,利用RANSAC 算法求取基础矩阵;
(4)由基础矩阵得到本质矩阵;
(5)根据本质矩阵正确估计摄像机外参数R 和t;
(6)将摄像机内参数和外参数组合成投影矩阵P;
(7)重建两幅图像匹配好的特征点;
(8)对两幅图像重建结果进行集束调整。
1.2.2 基于图像序列多幅图像的三维重建
两幅图像的重建是多幅图像序列间三维重建的基础,对于连续的图像序列,相邻两幅图像之间的差别不大,即旋转、平移、视角变化均较小。多幅图像序列的三维重建算法如下:
(1)用KLT 算法跟踪图像序列得到图像序列的特征跟踪表;
(2)选择前两幅图像用两幅图像之间的重建方法进行重建;
(3)对两幅图像的重建结果做集束调整;
(4)对于每幅新增图像:
1)根据已重建的三维点和新增图像特征点的对应关系,用RANSAC 算法求新增图像的投影矩阵;
2)根据当前图像的投影矩阵,反投影回图像,将那些误差太大的特征点去掉;
3)重建当前图像与前一幅图像的匹配点对中未被重建的特征点对;
4)去除步骤3)重建后误差太大的三维点;
5)将目前所有图像做集束调整;
(5)做全局集束调整。
图1-4为一组图像序列的三维重建结果，图１为输入图像序列，图２为重建后的模型（包含各个摄像机位置的一个全景图），图３为在摄像机０位置观察到的三维模型，图４为在摄像机３位置观察到的三维模型。
图1 输入图像序列
图2 重建后的模型
图3 摄像机0位置观察到的三维模型
图4 摄像机3位置观察到的三维模型
1.3 图像重建示例]9[
1.3.1 圆锥体CT图像重建系统
计算机三维表面重建是指首先运用图像技术从二维图像中分割出兴趣区的轮廓曲线，然后经图形处理，得到其三维结构，从而再现原物体的空间结构。因此，对于三维表面重建而言，边界轮廓的提取尤为重要。为了便于面部边界的提取，先对各CT 图片进行颜色处理，去掉非有效区，如头发、支架等部分，并使其色素尽量减少，左图为经过格式转换的头部断层图像。在提取边界时，首先采用逐行扫描图片的办法，通过比较相邻点的像素值，找到图片边界上的一个点，作为切片边界的起点。然后从边界起点开始，逐点判断与之相邻的八个点，如果某点为图片的边界点则记录下，并开始下一步判断，直到获得所有的边界点。右图通过上述方法得到的面部边界轮廓曲线。
图：原始CT图像和面部边界轮廓
Matlab程序：
xo=[0: pi/180:2*pi]; % x 的值在[0,2 ]中选取
yo=yo+a(i)*cos((i-1)*xo)+b(i)*sin((i-1)*xo); % 通过傅立叶系数求 y 值，其中yo 初始值为a0
consx=[consx;yo.*cos(xo)]; %将x，y 值从极坐标系转换到直角坐标系
consy=[consy;yo.*sin(xo)];
consz=[consz;ones(1,length(xo))*iLayer*(-4.0)]; %为每一切片层赋予z 坐标值，iLayer 为层数
surf(consx,consy,consz); %利用surf( )函数进行三维表面绘制colormap(gray); %利用colormap( )函数为图像定义颜色集shading flat; %利用shading 定义显示图像的颜色阴影
light('Position',[-80,-262,-200],'style','infinite'); %利用light( )函数为图像设置光照效果
light('Position',[-500,-0,-4500],'style','infinite');
light('Position',[5000,100,-300],'style','infinite');
view(-144,20); %利用view( )函数定义观察者视角
lighting gouraud; %利用lighting 定义显示图像的光线阴影
axis equal; %利用axis 定义显示图像的轴
view(-144,20) view(3) view(-70,30) 下面，介绍利用 MATLAB 进行头部CT 图像三维体重建的过程：image1 = imread('01.bmp'); %使用imread( )函数读入现有的n 幅图像
image2 = imread('02.bmp');
﹕
﹕
imagen = imread('n.bmp');
D＝cat(3,image1,image2,image3,??imagen); %使用cat( )函数创建三维矩阵D
[x y z D] = reducevolume(D,[a b c]); %使用reducevolume( )函数减少数据量，其中a，b，c 为x，
y 和z 轴数据抽取的比例，根据数据情况自行定义。
D = smooth3(D); %使用smooth( )函数对数据进行平滑处理
fv = isosurface(x,y,z,D,isovalue); %使用isosurface( )函数计算数据集在显示平面累计投影，
isovalue 根据实际情况自行定义
p = patch(fv, FaceColor', 'yellow', 'EdgeColor', 'none'); %使用patch( )函数对碎片进行构造，并对图像的颜
色，光线进行定义
colormap(gray); %利用colormap( )函数为图像定义颜色集
view(3); %利用view( )函数定义观察者视角
lighting gouraud; %利用lighting 定义显示图像的光线阴影axis equal; %利用axis 定义显示图像的轴
daspect([x y z]); %使用daspect( )定义x、y、z 轴的显示比例
图：头部CT图像三维体重建
下面是对VTK的配置进行测试，代码如下：
#include "vtkConeSource.h"
#include "vtkPolyDataMapper.h"
#include "vtkRenderWindow.h"
#include "vtkCamera.h"
#include "vtkActor.h"
#include "vtkRenderer.h"
#include "vtkProperty.h"
#include "Windows.h"
int main()
{
// 创建一个圆锥体源对象
vtkConeSource *cone = vtkConeSource::New();
// 设置圆锥体的高
cone->SetHeight( 3.0 );
// 设置圆锥体的半径
cone->SetRadius( 1.0 );
// 设置圆锥体的精细度
cone->SetResolution( 10 );
// 创建一个数据映射对象
vtkPolyDataMapper *coneMapper = vtkPolyDataMapper::New();
// 将圆锥体源对象关联到数据映射对象
coneMapper->SetInputConnection( cone->GetOutputPort() );
// 创建一个演员对象
vtkActor *coneActor = vtkActor::New();
// 将数据映射对象关联到演员对象
coneActor->SetMapper( coneMapper );
// 创建一个演示者对象
vtkRenderer *aRenderer= vtkRenderer::New();
// 将演员对象添加到演示者对象
aRenderer->AddActor( coneActor );
// 设置演示者对象的背景颜色
aRenderer->SetBackground( 0.1, 0.2, 0.4 );
// 创建一个绘制窗口对象
vtkRenderWindow *renWin = vtkRenderWindow::New(); // 将演示者对象添加到绘制窗口中
renWin->AddRenderer( aRenderer );
// 设置绘制窗口大小
renWin->SetSize( 300, 300 );
// 从不同角度观察圆锥体
for (int i = 0; i < 25; ++i)
{
// 绘制
renWin->Render();
// 暂停
Sleep(500);
// 改变视角
aRenderer->GetActiveCamera()->Azimuth( i );
}
// 清除对象，释放空间
cone->Delete();
coneMapper->Delete();
coneActor->Delete();
aRenderer->Delete();
renWin->Delete();
return 0;
}
1.3.2 头部切片CT图像重建系统
头部切片CT图像重建系统主要是对一个头部的切片进行断层扫描、预处理、分割、切片重组和插值从而实现三维重建的图像重建系统，其代码如下：
#include "vtkRenderer.h"
#include "vtkRenderWindow.h"
#include "vtkRenderWindowInteractor.h"
#include "vtkVolume16Reader.h"
#include "vtkPolyDataMapper.h"
#include "vtkActor.h"
#include "vtkProperty.h"
#include "vtkOutlineFilter.h"
#include "vtkCamera.h"
#include "vtkPolyDataMapper.h"
#include "vtkStripper.h"
#include "vtkPolyDataNormals.h"
#include "vtkMarchingCubes.h"
//-------------------------------------------------------
// 主函数
//------------------------------------------------------- int main (int argc, char **argv)
{
// 参数个数检查
if(argc < 2)
{
cout << "用法： " << argv[0] << " DATA/headsq/quarter" << endl;
return 1;
}
// ---------读取数据---------
// 创建2D数据读者对象
vtkVolume16Reader *v16 = vtkVolume16Reader::New();
// 设置数据的各维大小
v16->SetDataDimensions(64,64);
// 设置数据的字节排列方式
v16->SetDataByteOrderToLittleEndian();
// 设置文件前辍，它将结合下一参数，以“FilePrefix.%d”方式读取随后文件
v16->SetFilePrefix (argv[1]);
// 设置文件读取范围
v16->SetImageRange(1, 93);
// 设置CT数据的切片间距和间隔
v16->SetDataSpacing (3.2, 3.2, 1.5);
// ---------重建皮肤---------
// 创建一个Marching Cubes算法的对象
vtkMarchingCubes *skinExtractor = vtkMarchingCubes::New();
// 获得所读取的CT数据
skinExtractor->SetInputConnection(v16->GetOutputPort());
// 提取出CT值为500的皮肤数据
skinExtractor->SetValue(0, 500);
// 重新计算法向量
vtkPolyDataNormals *skinNormals = vtkPolyDataNormals::New();
skinNormals->SetInputConnection(skinExtractor->GetOutputPor t());
skinNormals->SetFeatureAngle(60.0);
// 创建三角带对象
vtkStripper *skinStripper = vtkStripper::New();
// 将生成的三角片连接成三角带
skinStripper->SetInputConnection(skinNormals->GetOutputPort ());
// 创建一个数据映射对象
vtkPolyDataMapper *skinMapper = vtkPolyDataMapper::New();
// 将三角带映射为几何数据
skinMapper->SetInputConnection(skinStripper->GetOutputPort( ));
skinMapper->ScalarVisibilityOff();
// 创建一个代表皮肤的演员对象
vtkActor *skin = vtkActor::New();
// 获得皮肤几何数据的属性
skin->SetMapper(skinMapper);
// 设置皮肤颜色的属性
skin->GetProperty()->SetDiffuseColor(1, .49, .25);
// 设置反射率
skin->GetProperty()->SetSpecular(.3);
// 设置反射光强度
skin->GetProperty()->SetSpecularPower(20);
// 设置不透明度
skin->GetProperty()->SetOpacity(1.0);
// ---------重建骨骼---------
// 创建一个Marching Cubes算法的对象
vtkMarchingCubes *boneExtractor = vtkMarchingCubes::New();
// 获得所读取的CT数据
boneExtractor->SetInputConnection(v16->GetOutputPort());
// 提取出CT值为1150的骨骼数据
boneExtractor->SetValue(0, 1150);
// 重新计算法向量
vtkPolyDataNormals *boneNormals = vtkPolyDataNormals::New();
boneNormals->SetInputConnection(boneExtractor->GetOutputPor t());
boneNormals->SetFeatureAngle(60.0);
// 创建三角带对象
vtkStripper *boneStripper = vtkStripper::New();
// 将生成的三角片连接成三角带
boneStripper->SetInputConnection(boneNormals->GetOutputPort ());
// 创建一个数据映射对象
vtkPolyDataMapper *boneMapper = vtkPolyDataMapper::New();
// 将三角带映射为几何数据
浅谈阀门定位器的工作原理和使用 气动薄膜调节阀 调节阀从它的名称则可知晓一些信息，关键词调节二字它的调节范围0～100%之间任意调节。 细心的朋友应该发现，每台调节阀的脑袋下面都挂着一个装置，熟悉的肯定知道，这就是调节阀的心脏，阀门定位器，通过这个装置可调节进入脑袋（气动薄膜）内气量，可以精准的控制阀门的位置。 阀门定位器有智能式定位器和机械式定位器，今天讨论的是后者机械式定位器，与图片所示的定位器一样的。 机械式气动阀门定位器的工作原理 阀门定位器结构示意图
图中基本将机械式气动阀门定位器的部件一一说清楚，接下来就是看它如何工作的？ 气源来自于空压站的压缩空气，在阀门定位器气源进口前段还有一个空气过滤减压阀，用于压缩空气的净化。从减压阀出口的气源从阀门定位器进入，至于多少气量进入阀门的膜头，根据控制器的输出信号决定。 控制器输出的电信号是4～20mA，气动信号是20Kpa~100Kpa，从电信号到气信号是通过电气转换器进行的。 当控制器输出的电信号转变为与之相对应的气信号时，然后将转换后的气信号作用在波纹管上。杠杆2则绕着支点运动，杠杆2下段向右运动靠近喷嘴。喷嘴的背压增加，经过气动放大器放大后（图中那个带小于符号的部件），将气源的一部分送入到气动薄膜的气室，阀杆带着阀芯向下自动逐渐将阀门开度变小。此时，与阀杆相连的反馈杆（图中摆杆）绕着支点向下移动，使轴的前端向下移动，与其连接的偏心凸轮做逆时针旋转，滚轮顺时针旋转向左移动，从而拉伸反馈弹簧。由于反馈弹簧拉伸杠杆2下段向左移动，此时就会与作用在波纹管上的信号压力达到力平衡，于是阀门就固定在某个位置不动作了。 通过上面的介绍，应该对机械式阀门定位器有一定的了解，有机会的时候再操作一边最好是能够动手拆卸一次，加深定位器每个零件的位置及每个零件的名。因此，机械式阀门的浅谈告一段落，接下来进行知识的扩展，让对调节阀有个更深层次的认知。
1概述 随着计算机软硬件技术的快速发展，大规模复杂场景的实时绘制已经成为可能，这也加快了虚拟现实技术的发展，又对模型的复杂度和真实感提出了新的要求。虚拟场景是虚拟现实系统的重要组成部分，它的逼真度将直接影响整个虚拟现实系统的沉浸感。客观世界在空间上是三维的，而现有的图像采集装置所获取的图像是二维的。尽管图像中含有某些形式的三维空间信息，但要真正在计算机中使用这些信息进行进一步的应用处理，就必须采用三维重建技术从二维图像中合理地提取并表达这些 三维信息。 三维建模工具虽然日益改进，但构建稍显复杂的三维模型依旧是一件非常耗时费力的工作。而很多要构建的三维模型都存在于现实世界中，因此三维扫描技术和基于图像建模技术就成了人们心目中理想的建模方式；又由于前者一般只能获取景物的几何信息，而后者为生成具有照片级真实感的合成图像提供了一种自然的方式，因此它迅速成为目前计算机图形学领域中的研究热点。 2三维建模技术 三维重建技术能够从二维图像出发构造具有真实感的三维图形，为进一步的场景变化和组合运算奠定基础，从而促进图像和三维图形技术在航天、造船、司法、考古、 工业测量、 电子商务等领域的深入广泛的应用。3基于图像的三维重建技术 基于图像的建模最近几年兴起的一门新技术，它使用直接拍摄到的图像，采用尽量少的交互操作，重建场 景。 它克服了传统的基于几何的建模技术的许多不足，有无比的优越性。传统的三维建模工具虽然日益改进，但构建稍显复杂的三维模型依旧是一件非常耗时费力的工作。考虑到我们要构建的很多三维模型都能在现实世界中找到或加以塑造，因此三维扫描技术和基于图像建模技术就成了人们心目中理想的建模方式；又由于前者一般只能获取景物的几何信息，而后者为生成具有照片级真实感的合成图像提供了一种自然的方式，因此它迅速成为目前计算机图形学领域中的研究热点。 4 基于图像重建几何模型的方法 4.1 基于侧影轮廓线重建几何模型 物体在图像上的侧影轮廓线是理解物体几何形状的 一条重要线索１当以透视投影的方式从多个视角观察某一空间物体时，在每个视角的画面上都会得到一条该物体的侧影轮廓线，这条侧影轮廓线和对应的透视投影中心共同确定了三维空间中一个一般形状的锥体１显然，该物体必将位于这个锥体之内；而所有这些空间锥体的交则构成了一个包含该物体的空间包络１这个空间包络被称为物体的可见外壳，当观察视角足够多时，可见外壳就可以被认为是该物体的一个合理的逼近。鉴于此类算法一般需要大量的多视角图像，因此图像的定标工作就变得非常复杂。 4.2采用立体视觉方法重建几何模型 基于立体视觉重建三维几何是计算机视觉领域中的经典问题，被广泛应用于自动导航装置。近年来，立体视觉 图像三维重建技术 康皓，王明倩，王莹莹 （装甲兵技术学院电子工程系，吉林长春130117） 摘要:基于图像的三维重建属于计算机视觉中的一个重要的研究方向，从提出到现在已有十多年的历史。文章首先对三维重建技术做了详细阐述，并着重从计算机图形学的研究角度对基于图像建模技术进行了综述，介绍了 具有代表性的基于图像建模的方法及其最新研究进展,给出了这些方法的基本原理， 并对这些方法进行分析比较,最后对基于图像建模技术的未来研究给出了一些建议和应解决的问题。关键词:三维建模技术；图像建模技术；计算机图形学；虚拟现实中图分类号：TP271文献标识码：A 文章编号1006-8937（2009）11-0042-02 Three-dimensional image reconstruction technique KANG Hao,WANG Ming-qian,WANG Ying-ying （ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＡｒｍｏｒｅｄＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｃｈｕｎ，Ｊｉｌｉｎ１３０１１７，Ｃｈｉｎａ） Abstract:Image-based Three-dimensional reconstruction is an important research direction in computer vision ,from now more than ten years'history.This article first describes three-dimensional reconstruction technique in detail and review image-based modeling techniques from the perspective of computer graphics research,introduce a representative of the method of image-based modeling and the latest research progress,give the basic principles of these methods,analysis and compare these methods,finally,give a number of recommendations and problems which should be solved on image-based modeling technology for future research. Keywords:three-dimensional modeling techniques;image modeling techniques;computer graphics;virtual reality 收稿日期：2009-03-19 作者简介：康皓（1978-），女，吉林长春人，硕士研究生，讲师，研 究方向：计算机辅助设计与编程。 TECHNOLOGICAL DEVELOPMENT OF ENTERPRISE 2009年6月Jun.2009 企业技术开发 第28卷
三维图像处理系统组成及实现方案 三维图像信息处理一直是图像视频处理领域的热点和难点，目前国内外成熟的三维信息处理系统不多，已有的系统主要依赖高性能通用PC完成图像采集、预处理、重建、构型等囊括底层和高层的处理工作。三维图像处理数据量特别大、运算复杂，单纯依靠通用PC很难达到实时性要求，不能满足现行高速三维图像处理应用。 本系统中，采用FPGA实现底层的信号预处理算法，其处理数据量很大，处理速度高，但算法结构相对比较简单，可同时兼顾速度和灵活性。高层处理算法数据量较少、算法结构复杂，可采用运算速度快、寻址方式灵活、通信机制强大的DSP实现[1，4]。 1 三维图像处理系统组成 1.1 硬件系统构成 该系统由五个模块组成，如图1所示。 系统信息处理流程见图2所示。CCD摄像机采集的多路模拟视频信号经MAX440按需要选定后，送入模数视频转换器SAA7111A将摄像机输出的模拟全电视信号CVBS转换成数字视频信号；之后视频信号流入图像预处理器Spartan XC3S400,经过提取中心颜色线、提取激光标志线和物体轮廓线的预处理后，配送到两片TS201进行定标参数计算、坐标计算、三维重建、数据融合以及三维构型的核心运算；最后将DXF文件数据经由PCI接口传送到PC,完成三维图像变换和显示等最终处理；整个系统的逻辑连接和控制以及部分数据交换由另一片FPGA来完成[1]。 在体系结构设计上，FPGA处理器采用SIMD结构，在一个控制单元产生的控制信号下，数据通路中的三个算法并行运行。由于该系统要求处理速度较高，因而在数据通路中采用了流水线技术以提高速度。此外，本系统中为图像存储采用了许多大容量高速FIFO，以达到减少地址线，简化控制的目的。 1.2 处理器芯片 为满足系统大数据量快速处理的要求，三款核心芯片均为最新高性能产品，其硬件方面的
毕业设计（论文） 基于CCD图像采集系统
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
第1章绪论 1.1课题景背 近年来，随着工业的发展和安全意识的增强，对生产监测和控制的要求不断提高，在设备检测、安全监控、自动测量等工业测控领域，都需要有性能好、成本低、工作稳定、应用灵活方便的图像采集和处理系统。而CCD图像传感器正是目前常用的图像传感器之一。 CCD是Charge Coupled Device的缩写,是一种光电转换式图像传感器。它利用光电转换原理把图像信息直接转换成电信号，这样便实现了非电量的电测量。同时它还具有体积小、重量轻、噪声低、自扫描、工作速度快、测量精度高、寿命长等诸多优点，因此受到人们的高度重视，在精密测量、非接触无损检测、文件扫描与航空遥感等领域中，发挥着重要的作用。 20世纪70年代美国贝尔实验室的W.S.Boyle，G.E.Smith发现了电荷通过半导体势阱发生转移的现象，提出了电荷藕合这一新概念和一维CCD器件模型，同时预言了CCD器件在信号处理、信号储存及图像传感中的应用前景。近年来随着半导体材料与技术的发展，尤其是集成电路技术的不断进步，CCD图像传感器得到很大发展，性能迅速提高。同时CCD图像传感器的家族也在不断壮大。在原有的可见光CCD、红外CCD、微光CCD、紫外CCD和X射线CCD等各种CCD图像传感器的基础之上，90年代以来又出现了几种新的CCD图像传感器，例如：超级空穴堆积CCD、超高感度空穴堆积CCD、超级CCD和四色超级空穴堆积CCD 。世界上CCD图像传感器主要由索尼、富士、夏普、柯达、松下和菲利浦六家公司所生产。国内CCD图像传感器的研制不够迅速，尚
第二讲文本素材的采集与处理 本讲目标： 1．明确文本素材的五种获取方法。 2．掌握扫描仪的使用方法，会用扫描仪获取大量文本，并能利用文字识别软件对获取的文本进行修改编辑。 重点：获取文本素材的方法。 难点：大量文本的采集—扫描仪扫描文字识别法。 一、五种文本素材的获取方法 文本素材的获取有直接获取与间接获取两种方式，直接获取是指通过多媒体教学制作工具软件的文字工具或在文字编辑处理软件中用键盘直接输入或复制，一般在文本内容不多的场合下使用该方式。间接获取是指用扫描仪或其他输入设备输入文本素材，常用于大量文本的获取。 文本素材的获取方法如下： （1）键盘输入方法 键盘输入方法是文本输入的主要方法，使用计算机输入汉字，需要对汉字进行编码，根据汉字的某种规律将汉字用数字或英文字符编码，然后由计算机键盘输入。汉字有音、形、义三个要素，根据汉字读音的编码叫音码，根据汉字字形的编码叫形码，兼顾汉字读音和字形的编码叫音形码或形音码。在常用的多媒体教学制作软件中，都带有文字工具，在文本内容不多的情况下，可以直接输入文字，对输入的文字可进行直接编辑处理。 （2）手写输入方法 使用“输入笔”设备，在写字板上书写文字，来完成文本输入，利用手写输入法获取文本的方式，类似于平时我们在纸上写字，但对在写字板上书写的文字要经选择。手写输入方法使用的输入笔有两种：一种是与写字板相连的有线笔，另一种是无线笔。无线笔携带和使用均很方便，是手写输入笔的发展方向。写字板也有两种，一种是电阻式，另一种是感应式。 （3）语音输入方法 将要输入的文字内容用规范的语音朗读出来，通过麦克风等输入设备送到计算机中，计算机的语音识别系统对语音进行识别，将语音转换为相应的文字，完成文字的输入。 语音输入方法目前开始使用，但识别率还不是很高，对发音的准确性要求比较高。 （4）扫描仪输入法 将印刷品中的文字以图像的方式扫描到计算机中，再用光学识别器（OCR）软件将图像中的文字识别出来，并转换为文本格式的文件。目前，OCR的英文识别率可达90%以上，中文识别率可达85%以上。 （5）从互联网上获取文本 从互联网上可以搜索到许多有用的文本素材，在不侵犯版权的情况下，可以从互联网上获取有用的文字。从互联网的html页面上获取部分文本的方法是：首先拖动鼠标选取有用的文本，或单击鼠标右键，在弹出的快捷菜单中，选择“全选”命令，将整个页面上文字全部选中，然后选择“复制”命令，打开文字处理软件（如Word），选择“编辑”/“粘贴”命令，就可以将复制的文字在文字处理软件中进行编辑处理了。如果将互联网上其他格式的文本文件（如：.pdf，.caj）格式的文件进行保存，然后使用部分有用文本，常用的方法是：选择“文件”菜单中的“另存为”命令，将文本文件进行保存，
GPS定位器的工作原理及功能阐述 GPS定位技术已经覆盖了人们生活的日常，出行导航，定位追踪，儿童防丢、物品找回等都不离开GPS定位，那么GPS究竟是如何定位的呢？叁陆伍物联科技给大家简单解读，GPS定位器的运作原理。 在目前的定位技术中，定位最准确，精准度最高的自然非GPS莫属。所谓GPS定位，实际上就是通过三颗以上已知位置的卫星来确定GPS接收器的位置。 运行于宇宙空间的GPS卫星，每一个都在时刻不停地通过卫星信号向全世界广播自己的当前位置坐标信息。任何一个GPS接收器都可以通过天线很轻松地接收到这些信息，并且能够读懂这些信息（这其实也是每一个GPS芯片的核心功能之一）。这就是这些位置信息的来源。 目前定位精度最高的是差分定位，或称相对定位。就是通过增加一个参考GPS接收器来提高定位精度。 现实生活中，GPS定位主要用于对移动的人、宠物、车及设备进行远程实时定位监控的一门技术。GPS定位器是结合了GPS技术、无线通信技术(GSM/GPRS/CDMA)、图像处理技术及GIS技术的定位技术，主要可实现如下功能： 1．跟踪定位 监控中心能全天侯24小时监控所有被控车辆的实时位置、行驶方向、行驶速度，以便最及时的掌握车辆的状况。 2．轨迹回放 监控中心能随时回放自定义时段车辆历史行程、轨迹记录。（根据情况，可选配轨迹DVD 刻录服务）
3．报警（报告）：超速报警：车辆行驶速度超出监控中心预设的速度时，及时上报监控中心；区域报警（电子围栏）：监控中心设定区域范围，车辆超出或驶入预设的区域会向监控调度中心给出相应的报警；应急报警：一旦遇有紧急险情（如遭劫等），请马上按动应急报警按钮，向监管中心报警，监管中心即刻会知道您处于紧急状态以及您所在的位置。经核实后，进入警情处置程序。 4．地图制作功能 根据查看需要，客户可以添加修改自定义地图线路，以更好服务企业运行 5．里程统计 6．系统利用GPS车载终端的行驶记录功能和GIS地理系统原理对车辆进行行驶里程统计，并可生成报表且可打印。 7．车辆信息管理 8．方便易用的管理平台，提供了车辆、驾驶人员、车辆图片等信息的设定，以方便调度人员的工作。 9．短信通知功能 10．将被控车辆的各种报警或状态信息在必要时发送到管理者手机上，以便随时随地掌握车辆重要状态信息。 11．车辆远程控制 12．监控中心可随时对车辆进行远程断油断电，锁车功能。 不同类型的GPS定位产品有不同的功能，下面列举几款深圳市叁陆伍物联科技有限公司研发的GPS定位产品的功能清单。 A12微型定位器
三维曲线 plot3函数与plot函数用法十分相似，其调用格式为： plot3(x1,y1,z1,选项1,x2,y2,z2,选项2,…,xn,yn,zn,选项n) 其中每一组x,y,z组成一组曲线的坐标参数，选项的定义和plot函数相同。当x,y,z是同维向量时，则x,y,z 对应元素构成一条三维曲线。当x,y,z是同维矩阵时，则以x,y,z对应列元素绘制三维曲线，曲线条数等于矩阵列数。 例绘制三维曲线。 程序如下： t=0:pi/100:20*pi; x=sin(t); y=cos(t); z=t.*sin(t).*cos(t); plot3(x,y,z); title('Line in 3-D Space'); xlabel('X');ylabel('Y');zlabel('Z'); 三维曲面 1．产生三维数据 在MATLAB中，利用meshgrid函数产生平面区域内的网格坐标矩阵。其格式为： x=a:d1:b; y=c:d2:d; [X,Y]=meshgrid(x,y); 语句执行后，矩阵X的每一行都是向量x，行数等于向量y的元素的个数，矩阵Y的每一列都是向量y，列数等于向量x的元素的个数。 2．绘制三维曲面的函数 surf函数和mesh函数的调用格式为： mesh(x,y,z,c)：画网格曲面，将数据点在空间中描出,并连成网格。 surf(x,y,z,c)：画完整曲面，将数据点所表示曲面画出。 一般情况下，x,y,z是维数相同的矩阵。x,y是网格坐标矩阵，z是网格点上的高度矩阵，c 用于指定在不同高度下的颜色范围。 例绘制三维曲面图z=sin(x+sin(y))-x/10。 程序如下： [x,y]=meshgrid(0:0.25:4*pi); %在[0,4pi]×[0,4pi]区域生成网格坐标 z=sin(x+sin(y))-x/10; mesh(x,y,z); axis([0 4*pi 0 4*pi -2.5 1]); 此外，还有带等高线的三维网格曲面函数meshc和带底座的三维网格曲面函数meshz。其用法与mesh类似，不同的是meshc还在xy平面上绘制曲面在z轴方向的等高线，meshz还在xy平面上绘制曲面的底座。 例在xy平面内选择区域[-8,8]×[-8,8]，绘制4种三维曲面图。 程序如下： [x,y]=meshgrid(-8:0.5:8); z=sin(sqrt(x.^2+y.^2))./sqrt(x.^2+y.^2+eps); subplot(2,2,1); mesh(x,y,z); title('mesh(x,y,z)')
智能阀门定位器中压电 阀工作原理 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】
0引言 阀门定位器是气动调节阀的配套产品，长期以来国产的阀门定位器是使用模拟信号和力平衡原理方法实现的。近年来，由于电子技术的发展，国外多家公司推出了智能阀门定位器，因为其控制精度高、可靠性好、抗振性好、调试方便、流量特性可在线修改、可远程通讯等优越性能，深受用户的青睐。我公司经过多年攻关，研制出HVP型智能阀门定位器，该产品由CPU模板、阀门电流反馈模板、HART通讯模板、报警模板、显示模板、精密位置传感器和I／P 转换单元组成。 I／P转换单元是阀门定位器重要的关键部件之一，其可控性、抗振动性、耗电量、耗气量指标都将直接影响整机性能，设计出优良的I／P转换单元是实 现阀门定位器智能化的重要步骤之一。 1I／P转换单元的类型 I／P转换单元主要作用是把电信号变换成气动信号，通过放大喷嘴的背压和流量控制，使其具有足够的功率去操作气动调节阀。I／P转换单元的种类可按空气消耗量分为：耗气式和不耗气式两种结构。其中由于不耗气式I／P转换
单元的耗气量小，气源压力易于稳定，压力放大倍数小，改善振荡现象，因此，不耗气式的I／P转换单元常常用于阀门定位器设计中。 I／P转换单元按结构形式可分为：线圈喷嘴挡板式、线圈滑阀式和压电阀式三种结构。由于线圈喷嘴挡板式I／P转换单元的结构简单、制造方便、成本低，因此，传统阀门定位器中的I／P转换单元绝大多数采用这种结构方式。线圈滑阀式主要在电磁阀中采用，压电阀式的I／P转换单元，最早出现是在二十世纪90年代西门子公司推出的SIPARTPS智能阀门定位器中，因其具有高抗振动性、高可靠性、低功耗、低耗气量和能够接受较高频率的控制信号等特点，非常适合智能阀门定位器对I／P转换单元的性能要求。 2压电阀工作原理和技术指标 （1）工作原理 压电阀实际是利用功能陶瓷片在电压作用下产生弯曲变形原理制成的一种两位式（或比例式）控制阀。控制压电阀动作只需提供足够的电压，电功耗几乎为零。其动作原理：压电阀的初始状态（不通电，如图1所示），功能陶瓷片作用在喷嘴口1上，这时，口2与喷嘴口3与先导腔连通，形成为一个整体。当压电阀接通电源时（如图2所示），功能陶瓷片变形向上翘，把喷嘴口 3压住，使得口2与喷嘴口1连通。
PCB 图像采集系统研究背景意义及国内外现状 1 研究背景 2 AOI 系统的研究和国内现状 3 研究意义 1 研究背景 印刷电路板(Printed Circuit Board, PCB)又称为印刷线路板或印制电路板。印刷电路板是各种电子产品的主要部件，有“电子产品之母”之称，它是任何电子设备及产品均需配备的,其性能的好坏在很大程度上影响到电子产品的质量。几乎每一种电子设备都离不开PCB小到电子手表、计算器，大到航空航天、军用武器系统等，都包含各式各样，大小各异的PCB板。近年来，随着生产工艺的不断提高，PCB正在向超薄型、小元件、高密度、细间距方向快速发展。这种趋势必然给质量检测工作带来了很多挑战和困难。因此PCB故障的检测已经成为PCB制造过程中的一个核心问题，是电子产品制造厂商非常关注的问题。在生产线上，厂家为保证PCB板的质量，就得要求100%的合格率，对所有的部件、子过程和成品都是如此。在过去靠人工对其进行检测的过程中，存在以下几个不可避免的缺点： (1) 容易漏检。由于是人眼检测，眼睛容易疲劳，会造成故障不能被发现的问题。并且人工检测主观性大，判断标准不统一，使检测质量变得不稳定。 (2) 检测速度慢，检测时间长。比如对于图形复杂的印刷电路板，人工很难实现快速高效的检测，因此人工检测不能满足高速的生产效率。 (3) 随着技术的发展，设备的成本降低，人工费用增加，仍然由人工进行产品质量控制，将难于实现优质高效，而且还会增加生产成本。 (4) 在信息技术如此发达的今天人工检测有不可克服的劣势，例如：对检测结果实时地保存和远距离传输，对原始图像的保存和远距离传输等。 (5) 有些在线检测系统是接触式检测，需要与产品进行接触测量，因此，有可能会损伤产品。 因此，人工检测的精确性和可靠性大打折扣，传统意义上的检测方法不再能适应现代电路板检测的要求。如果漏检的有错误的电路板进入下一道工序，随着每一项工艺步骤的增加，到最终经过贴装阶段后，仍然会被检测出来是有故障的，那时，制造厂商与其花费大量的人力和成本来检测、返修这块电路板，还不如选择丢
阀门定位器原理与调节第一章气动阀门定位器 气动阀门定位器的原理图如下：（气关阀正作用） 气动阀门定位器实物图如下：
气动阀门定位器是按力平衡原理设计工作的，其工作原理方框见上图所示，它是按力平衡原理设计和工作的。 如图上图所示当通入波纹管的信号压力增加时，使杠杆2绕支点转动，档板靠近喷嘴，喷嘴背压经放大器放大后，送入薄膜执行机构气室，使阀杆向下移动，并带动反馈杆（摆杆）绕支点转动，连接在同一轴上的反馈凸轮（偏心凸轮）也跟着作逆时针方向转动，通过滚轮使杠杆1绕支点转动，并将反馈弹簧拉伸、弹簧对杠杆2的拉力与信号压力作用在波纹管上的力达到力矩平衡时仪表达到平衡状态。此时，一定的信号压力就与一定的阀门位置相对应。 以上作用方式为正作用，若要改变作用方式，只要将凸轮翻转，A向变成B向等，即可。 所谓正作用定位器，就是信号压力增加，输出压力亦增加；所谓反作用定位器，就是信号压力增加，输出压力则减少。要改变正反作用，Fisher的阀只需要把里面的调节盘拨到另一侧即可。 一台正作用执行机构只要装上反作用定位器，就能实现反作用执行机构的动作；相反，一台反作用执行机构只要装上反作用定位器，就能实现正作用执行机构的动作。 至于气开阀，由于是在膜盒下面通气，需要将如图中的凸轮反转。
第二章电气阀门定位器 由于现在DCS在现场使用越来越多，很多控制器都是使用了中控系统的控制器，所以中控到现场的都是4-20mA的电信号，到现场又需要阀动作的比较快。 虽然阀门定位器由最初的气/气阀门定位器、电/气阀门定位器发展到现在的数字阀门定位器、区域总线阀门定位器，但它们的基本原理和主要功能都没有大的改变。
目前工作成果： 一、USB图像获取 USB设备在正常工作以前，第一件要做的事就是枚举，所以在USB摄像头进行初始化之前，需要先枚举系统中的USB设备。 （1）基于USB的Snap采集图像 程序运行结果： 此程序只能采集一帧图像，不能连续采集。将采集图像函数放入循环中就可连续采集。
循环中的可以计算循环一次所用的时间，运行发现用Snap采集图像时它的采集速率比较低。运行程序时移动摄像头可以清楚的看到所采集的图像有时比较模糊。 （2）基于USB的Grab采集图像 运行程序之后发现摄像头采集图像的速率明显提高。
二、图像处理 1、图像灰度处理 （1）基本原理 将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可用两种方法来实现。 第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。 第二种方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。 （2）labview中图像灰度处理程序框图 处理结果：
从平面到立体——三维图像获取技术及其应用 视觉与图像系统事业部金刚 1.二维图像与三维图像 我们生活在一个三维的立体世界中，而目前广泛应用、为人们熟知的“图像”实际是真实的三维世界在二维平面上的映射，这其中包含了大量的信息损失。随着现代计算机技术的飞速发展，计算机图形图象处理、辅助设计、多媒体技术越来越广泛深入地应用于工业、国防、医学、影视业、广告等各个领域，对“三维图像”的需求越来越大，人们经常需要能迅速地获得物体表面的立体信息和色彩信息，将其转变成计算机能直接处理的数据。工业界要求能快速地测量物体表面的三维坐标；影视界需要将演员道具等的立体色彩模型输入计算机，才能进行三维动画特技处理；游戏娱乐业需要在虚拟场景中放置逼真的三维彩色模型；整形外科专家需要知道人体骨骼、肢体的尺寸，以便于手术；科研工作者需要快速获得大量的三维数据，用于三维彩色图象信息处理、三维物体识别的研究……这些需求，都需要我们将传统的二维图像技术拓展到三维图像获取与处理。 三维图像，又被称为立体图像、深度图像、三维数字化模型，它与传统的平面图像有很大的区别。传统的平面图像可以看作是二维空间中的亮度分布，它是由真实三维世界在二维图像平面上投影而得到的。而三维图像，则包含了真实对象表面三维坐标和灰度（色彩）的完整信息，从中可以得到物体表面每个采样点的三维空间坐标。 图1 平面图像 图2 三维图像 2.常用的三维图像获取技术 获取真实对象的三维图像关键在于获取物体表面采样点的立体坐标，尤其是深度数据，相对于传统的镜头＋相机装置，需要一些特殊的技术。实现这类功能的设备，有三维扫描仪（3D Scanner）、三维数字化仪（3D Digitizer）、深度传感器（Range Sensor）、自动抄数机、三维测量仪等多种名称。 三维图像获取技术多种多样，从应用目的来说，有单点三维坐标测量（测距）、面形测量（点云－3D 数字模型－CAD模型）、外表面完全测量（点云－3D 数字模型－CAD模型）、内部结构测
基于Simpleware的图像处理及三维建模解决方案
一、概述 近年来随着3D影像技术的发展，基于图像数据的逆向建模方式，在各行各业应用得越来越广泛，尤其在医疗与工业领域，计算机数字模型研究方式已逐渐取代了传统的实物实验研究。在此背景下，图像处理就成为了逆向建模的关键环节，图像处理技术很大程度上决定了建模的最终效果。 二、当前图像处理的技术需求 目前基于图像的三维建模技术只能简单地体现处实物的形状，并不能完整地展现出实物的内部结构。而要获得物体内部结构数据，只能通过传统的物理实验方法获得。 行业需求： 研究真实的拓扑和内部结构 模拟真实情况，不仅仅是简化、理想化版本 三、图像处理及三维建模全球高端解决方Simpleware 基于上述图像处理的技术问题，如今中仿Simpleware软件已可以完全解决，它致力于为CAD、CAE以及3D打印领域提供世界领先的三维图像处理、分析以及建模和服务，已在世界范围内被业界广泛采用。2011年5月中仿科技应邀参加西安电子科大举办的中德先进图象处理技术研讨会，会议期间中仿科技公司为参会代表展示了中仿Simpleware软件的图像处理功能的优势与特点，并解答了参会代表提出的技术问题，得到了与会人员一致的认可。 Simpleware软件帮助您全面处理3D图像数据（MRI，CT，显微CT，FIB-SEM……），并导出适用于CAD、CAE、以及3D印刷的模型。使用图像处理模块（ScanIP）对数据进行可视化，分析，量化和处理，并输出模型或网格。 图3.1各种扫描设备
（一）软件图像处理模块（ScanIP）简介 ScanIP可以处理各种格式的二维和三维图像，如BMP、GIF、JPEG、PCX、PNG、XPM 等诸多图像格式。为用户提供了宽泛的选择。 ScanIP为3D图像数据的图像可视化、测量和处理工具提供了宽泛的选择。处理后的图像可导出为STL或点云文件，应用于CAD分析、求解、和3D打印领域。 ScanIP为3D图像数据（MIR，CT，micro-CT，FIB-SEM…）的综合处理提供了软件环境。软件为用户提供了功能强大的数据可视化、分析、分割、以及量化工具。 ScanIP易于学习和使用，内置视频录制功能，并能基于处理后的数据导出可用于CAD或3D打印的曲面模型/网格。附加模块可用于通过扫描数据导出CAE网格、整合图像数据、建模、导出NURBS曲面、计算有效材料属性的功能。 主要特征： 1、立体渲染 自动可视化背景数据 CPU 和GPU 能力 丰富的可选择预置值 创建独创的高品质图像quality images
本技术涉及一种图像采集系统，其能够适用于对不同分辨率、不同图像输出接口的相机，并且具备自检功能，实现对自身系统误差进行检测，大大提高了图像采集工作的工作效率和可靠性。该系统包括相机和上位机；还包括分别与相机和上位机相互通讯的相机通用检测设备；相机通用检测设备包括子板以及母板；子板包括第一基板、设置在第一基板上的N个相机接口、N个接口芯片、N个电平转换芯片以及第一电连接器；母板包括第二基板、设置在第二基板上的电源模块、第二电连接器、FPGA芯片、SDRAM芯片、串行UART接口以及数据传输接口；第一电连接器和第二电连接器是板间电连接器，通过这两个电连接器将第一基板和第二基板互联起来。 技术要求 1.一种图像采集系统，包括相机和上位机；其改进之处在于：还包括分别与相机和上位机相互通讯的相机通用检测设备； 相机通用检测设备包括子板以及母板； 子板包括第一基板、设置在第一基板上的N个相机接口、N个接口芯片、N个电平转换芯片以及第一电连接器； 母板包括第二基板、设置在第二基板上的电源模块、第二电连接器、FPGA芯片、SDRAM芯片、串行UART接口以及数据传输接口； 第一电连接器和第二电连接器是板间电连接器，通过这两个电连接器将第一基板和第二基板互联起来； 相机图像输出接口与第一基板上的接口芯片、相机接口、电平转换芯片电连接，用于对图像数据进行传输和处理； 第二基板上的SDRAM芯片、串行UART接口以及数据输出接口均与FPGA芯片电连接； 串行UART接口与上位机电连接用于接收上位机发送的控制指令，数据输出接口与上位机通过千兆以太网实现物理连接，通过标准的UDP协议实现相互通讯； 电源模块用于给相机供电。 2.根据权利要求1所述的图像采集系统，其特征在于： 所述FPGA芯片上运行的模块包括：图像接口控制模块、图像数据缓存模块、虚拟相机控制模块、以太网数据打包模块、以太网发送模块、SDRAM控制模块以及UART模块； 图像接口控制模块针对不同的接口的相机产生不同的时序接口波形，控制接口芯片完成相机图像数据的正确采集； 图像数据缓存模块将采集到的图像数据缓存到FPGA内部的FIFO中，并在缓存到特定FIFO深度的时候，通知以太网数据打包模块读取FIFO内部的数据，并按照协议进行打包； 虚拟相机控制模块根据上位机的指令设置，产生不同分辨率的15个虚拟相机图像，且在同一时刻，只产生一种虚拟相机图像用于对相机自身进行检测； 以太网数据打包模块根据上位机的指令设置，选择“图像数据缓存模块”或者“虚拟相机控制模块”的其中一个，读取其中的数据进行以太网数据打包；
三维图像重建 一、摘要: 物体的三维重建是指对三维物体建立适合计算机表示和处理的数学模型,是在计算机环境下对其进行处理,操作和分析其性质的基础,也是在计算机中建立表达客观世界的虚拟现实的关键技术. 计算机内生成物体三维表示主要有两类方法.一类是适用几何建模软件通过人机交互生成人为控制下的物体三维几何模型,另一类是通过一定的手段获取真实物体的几何形状.本文主要针对第二类方法进行介绍,结合三维重建在医学领域的广泛应用,对三维重建的每一个过程和其中的关键技术进行研究. 二、研究背景及发展现状 随着信息技术的飞速发展,如何在计算机上实时逼真地建立客观世界的虚拟海量信息 ,生成具有重要价值的三维形状信息,运用计算机的高效能数据存储\压缩\计算和传输能力,快速实现对这些三维信息的分析\挖掘\检索和高效利用,已成为国家和科技发展中许多重大应用需求的关键科学问题. 目前三维重建主要包含四类方式: 第一类是根据三维物体的断层扫描所得二维图像提取轮廓,然后根据一定的原则进行两个相邻轮廓的连接和三角化,从而得到物体的表面形状.该方法主要对于物体内部构造进行拓扑结构可视化,比如:医学影像的三维重建. 第二类是使用探针或激光读数仪逐点获取数据,然后进行整体三角化,此类方法测量精确,但速度很慢,难以在较短时间内获取大量数据. 第三类是基于双目视觉的重建方法,深度数据计算精度较低,主要应用于机器人视觉领域. 第四类是应用硬件光学三维扫描仪主动获取物体的点云数据,然后进行重建获取物体的整体表面信息. 目前三维重建的应用领域主要包括以下方面: (1)制造业与逆向工程 应用三维重建技术,可以将创作者完成的设计模型准确变为计算机中的三维实体模型,如果需要也可以在计算机中完成修正操作,最后由计算机根据实体模型数据控制加工设备完成部件加工,此过程省去了传统设计制作过程中若干复杂环节,大大节省开发
基于摄像头得图像采集与处理应用 1、摄像头工作原理 图像传感器,就是组成数字摄像头得重要组成部分。根据元件得材料不同,可分为 CCD(Charge Coupled Device,电荷耦合元件)与CMOS(plementary MetalOxide Semiconductor,金属氧化物半导体元件)两大类。 电荷藕合器件图像传感器CCD(Charge Coupled Device),它使用一种高感光度得半导体材料制成,能把光线转变成电荷,通过模数转换器芯片转换成数字信号,数字信号经过压缩以后由相机内部得闪速存储器或内置硬盘卡保存,因而可以轻而易举地把数据传输给计算机,并借助于计算机得处理手段,根据需要与想像来修改图像。CCD由许多感光单位组成,通常以百万像素为单位。当CCD表面受到光线照射时,每个感光单位会将电荷反映在组件上,所有得感光单位所产生得信号加在一起,就构成了一幅完整得画面。 互补性氧化金属半导体CMOS(plementary MetalOxide Semiconductor)与CCD一样同为在图像传感器中可记录光线变化得半导体。CMOS主要就是利用硅与锗这两种元素所做成得半导体,使其在CMOS上共存着带N(带–电)与P(带+电)级得半导体,这两个互补效应所产生得电流即可被处理芯片纪录与解读成影像。然而,CMOS得缺点就就是太容易出现杂点, 这主要就是因为早期得设计使CMOS在处理快速变化得影像时,由于电流变化过于频繁而会产生过热得现象。 CCD与CMOS在制造上得主要区别就是CCD就是集成在半导体单晶材料上,而CMOS就是集成在被称做金属氧化物得半导体材料上,工作原理没有本质得区别。CCD制造工艺较复杂,采用CCD得摄像头价格都会相对比较贵。事实上经过技术改造,目前CCD与CMOS得实际效果得差距已经减小了不少。而且CMOS得制造成本与功耗都要低于CCD不少,所以很多摄像头生产厂商采用得CMOS感光元件。成像方面:在相同像素下CCD得成像通透性、明锐度都很好,色彩还原、曝光可以保证基本准确。而CMOS得产品往往通透性一般,对实物得色彩还原能力偏弱,曝光也都不太好,由于自身物理特性得原因,CMOS得成像质量与CCD还就是有一定距离得。但由于低廉得价格以及高度得整合性,因此在摄像头领域还就是得到了广泛得应用 工作原理:为了方便大家理解,我们拿人得眼睛来打个比方。当光线照射景物,景物上得光线反射通过人得晶状体聚焦,在视网膜上就可以形成图像,然后视网膜得神经感知到图像将信息传到大脑,我们就能瞧见东西了。摄像头成像得原理与这个过程非常相似,光线照射景物,景物上得光线反射通过镜头聚焦,图像传感器就会感知到图像。 具体部分就是这样得,摄像头按一定得分辨率,以隔行扫描得方式采集图像上得点,当扫描到某点时,就通过图像传感芯片将该点处图像得灰度转换成与灰度一一对应得电压值,然后将此电压值通过视频信号端输出。如图1所示,摄像头连续地扫描图像上得一行,则输出就就是
DSP实习报告 题目：图像采集系统的设计 班级：xxx 姓名：xxx 学号：xxx 指导老师：xxxx
目录 一.实习题目 (3) 二.实习背景知识 (3) 三.实习内容 (5) 四.实习程序功能与结构说明 (8) 六．实习心得 (19)
一、实习题目 图像采集系统的设计 二、实习目的： 1、熟练掌握数字信号处理的典型设计方法与技术手段； 2、熟悉D6437视频输入，输出端的操作及编程。； 3、掌握常用电子仪器设备的使用方法； 4、熟悉锐化变换算法。 三、实习背景知识 1、计算机 2、CCS3.3.软件 3、DSP仿真器 4、EL_DM6437平台 EL-DM6437EVM是低成本，高度集成的高性能视频信号处理开发平台，可以开发仿真达芬奇系列DSP应用程序，同时也可以将该产品集成到用户的具体应用系统中。方便灵活的接口为用户提供良好的开放平台。采用该系列板卡进行产品开发或系统集成可以大大减少用户的产品开发时间。板卡结构框图如图所示：
板卡硬件资源： TMS320DM6437 DSP ，可工作在400/600 MHz； 2 路视频输入，包括一个复合视频输入及一个S端子视频输入； 保留了视频输入接口，可以方便与CMOS影像传感器连接； 3 路视频输出，包括2路复合视频，一路S端子输出； 128MByte 的DDR2 SDRAM存储器，256MBit的Nor Flash存储器；用户可选的NAND Flash接口； 可选的256K字节的I2C E2PROM； 1个10M/100Mbps自适应以太网接口； 1 路立体声音频输入、1路麦克风输入，1路立体声音频输出； USB2.0高速接口，方便与PC连接； 1个CAN总线、1个UART接口、实时时钟（带256Byte的电池保持RAM）；4个DIP开关，4个状态指示LED； 可配置的BOOT模式； 10层板制作工艺，稳定可靠； 标准外部信号扩展接口； JTAG仿真器接口； 单电源+5V供电； 板卡软件资源：
基于摄像头的图像采集与处理应用 1、摄像头工作原理 图像传感器，是组成数字摄像头的重要组成部分。根据元件的材料不同，可分为CCD （Charge Coupled Device，电荷耦合元件）和CMOS（Complementary Metal-Oxide Semiconductor，金属氧化物半导体元件）两大类。 电荷藕合器件图像传感器CCD（Charge Coupled Device），它使用一种高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转换成数字信号，数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要和想像来修改图像。CCD由许多感光单位组成，通常以百万像素为单位。当CCD表面受到光线照射时，每个感光单位会将电荷反映在组件上，所有的感光单位所产生的信号加在一起，就构成了一幅完整的画面。 互补性氧化金属半导体CMOS（Complementary Metal-Oxide Semiconductor）和CCD一样同为在图像传感器中可记录光线变化的半导体。CMOS主要是利用硅和锗这两种元素所做成的半导体，使其在CMOS上共存着带N（带–电）和P（带+电）级的半导体，这两个互补效应所产生的电流即可被处理芯片纪录和解读成影像。然而，CMOS的缺点就是太容易出现杂点, 这主要是因为早期的设计使CMOS在处理快速变化的影像时，由于电流变化过于频繁而会产生过热的现象。 CCD和CMOS在制造上的主要区别是CCD是集成在半导体单晶材料上，而CMOS是集成在被称做金属氧化物的半导体材料上，工作原理没有本质的区别。CCD制造工艺较复杂，采用CCD的摄像头价格都会相对比较贵。事实上经过技术改造，目前CCD和CMOS的实际效果的差距已经减小了不少。而且CMOS的制造成本和功耗都要低于CCD不少，所以很多摄像头生产厂商采用的CMOS感光元件。成像方面：在相同像素下CCD的成像通透性、明锐度都很好，色彩还原、曝光可以保证基本准确。而CMOS的产品往往通透性一般，对实物的色彩还原能力偏弱，曝光也都不太好，由于自身物理特性的原因，CMOS的成像质量和CCD还是有一定距离的。但由于低廉的价格以及高度的整合性，因此在摄像头领域还是得到了广泛的应用 工作原理：为了方便大家理解，我们拿人的眼睛来打个比方。当光线照射景物，景物上的光线反射通过人的晶状体聚焦，在视网膜上就可以形成图像，然后视网膜的神经感知到图像将信息传到大脑，我们就能看见东西了。摄像头成像的原理和这个过程非常相似，光线照射景物，景物上的光线反射通过镜头聚焦，图像传感器就会感知到图像。 具体部分是这样的，摄像头按一定的分辨率，以隔行扫描的方式采集图像上的点，当扫描到某点时，就通过图像传感芯片将该点处图像的灰度转换成与灰度一一对应的电压值，然后将此电压值通过视频信号端输出。如图1所示，摄像头连续地扫描图像上的一行，则输出