1.將二維圖像感知用于三維測量

        將三維視覺用于物體測量，最早被業內認可和廣泛使用的，就是光截圖技術。該技術是將一個由線激光組成的光切面與相機的像平面成一個固定角度，這樣相機的像平面上的任意一個像素點就與光平面上的點形成唯一的對應關系，通過標定，實現物體與光平面的交接線的三維測量。這種方法是將三維問題通過光截面實現降維處理，其典型應用是在鐵路車輛動態檢測系統中用于輪緣截面的精確動態尺寸測量。
        激光線掃描測量傳感器是基于光截圖技術研制而成的。當激光線掃描傳感器用于三維測量時，就需要將不同時刻的激光線測量數據拼合起來，形成一個物體的三維整體輪廓，然后，在該輪廓數據點的基礎上實現物體的測量和識別。這樣的測量系統要求被測量物體勻速平穩的通過傳感器的掃描線，將多條掃描線拼合后，在拼合的離散點云中，運算得到被測物體的真正的物理尺寸，這樣的運算目前還沒有一個公認的統一方法，由于點云數據量大，對運算資源有很高的要求，難以實現實時快速的運算和識別。
        使用三維測量的方式，可以提高測量的精度和實時性，克服由于物體移動和不同時刻測量帶來的變化誤差。
 
2.將激光測距技術用于三維測量

        三維激光掃描設備，廣泛用于場景和物體的三維測量和建模。該類設備采用激光測距方法，通過高速激光掃描，實現空間單點深度的測量，掃描得到的測量數據，一般都配有專用三維點云數據管理和三維建模軟件，用于反求工程或三維測量。此類三維測量方法，由于運算時間長，人工操作步驟多且相對復雜，一般不能作為在線測量設備。
        多線激光雷達是和該方法類似的三維感知設備，由于采用了多線同步掃描，可得到實時的三維空間點云數據，目前將激光雷達用于無人汽車是一個火熱的課題，其難點主要在于激光點云數據量大，要實現實時的三維重建和三維識別，對算法和運算資源要求極高。TOF技術與激光感知技術相似，通過光脈沖的飛行時間的測量，達到不同深度物體的感知。微軟的Kinect以及蘋果公司新推出的 iPhoneX人臉三維解鎖技術是以上技術的代表，國內也有不少公司推出了類似的產品，這些產品集成了TOF、激光結構光和圖像感知技術，能夠快速實時的進行三維感知。對于三維測量和識別方面，由于Kinect推出時間較長，利用Kinect進行三維感知的示例很多，最多的應用是進行人體姿態和動作的感知和捕捉，還有用于室內空間快速測量的示例等。由于這類設備對于深度的測量精度有限，陽光和其他光照對測量結果有影響，同時，有些反光性能不良的物體對測量有影響，所以，在測量領域還很難見到這類設備的具體應用。

3.多目光學被動式三維測量技術

         航空攝影測量是一個典型的基于多目光學被動式三維測量技術的應用實例。目前，無人機的大量應用，給航空攝影測量帶來了勃勃生機，雙傾斜高清相機是這類應用大量采用的圖像采集設備，結合地面計算機集群或采用GPU等并行運算方式，通過事后圖像匹配運算，得到被攝場景的三維重建圖形。這類應用可廣泛應用在各類高空巡檢和監測以及各類測量需求，代替人工巡檢和測量。對于一個固定環境的三維檢測，還有一種方式就是將多個相機在不同的角度進行布置，通過多像機間的空間位置關系，將被測空間的三維實時進行感知和測量，這樣的系統需要單獨搭建和定制化開發。另外一種采用純光學三維重建的方法，就是針對一個特定的對象，用單相機從各個視角拍攝多幅圖像，然后，計算合成物體的三維圖像。
         以上這些既有的多目三維感知手段，由于圖像匹配需要消耗大量的運算資源，而且，在匹配過程中有些歧義很難自動消除，所以都具有事后運算且需要人工干預和修正的特點，一般很難用于實時的三維感知和測量。
         雖然目前的深度學習在圖像識別方面取得了巨大成功，但都是基于二維圖像的，由于二維圖像采用針孔成像原理，丟失了大量的空間信息，為了恢復和還原這些信息，就需要進行大量的模型學習，由于大量標注樣本的缺失 ，使項目開發周期延長。由于三維數據的明確和直觀，在這些信息的基礎上，可以極大降低學習量，甚至可以實現一次性無監督學習。
         以上只是涉及單次測量結果的分析，對于隨時間變化的多次多視角的測量，或者說對于三維視頻流的分析和測量，可以在機器視覺的識別和機器視覺理解方面，具有更大的價值。例如：對于以機器視角觀察世界來說，通過在靜態條件下的長時間三維測量，可以很輕松的判斷移動物體的運動方向和運動軌跡，如果結合機器本身的移動傳感，根據外界固定環境的位置變化，就可以解算出機器的位置變化，用于機器自身的定位和姿態控制等等。

         機器視覺測量技術發展一小步，工業智造發展一大步！
 
原文鏈接：http://www.china-vision.org/news/hotpointsub/30550.html

返回列表