VR技术在船舶舱室三维图像重建中的应用

为了实现对船舱舱室的三维视景重构,提出基于VR技术的舱室三维图像重建技术,采用锐化模板匹配动态增强技术和帧点扫描技术,实现对船舱室的三维立体图像扫描和特征提取,结合像素匹配模型和滤波抑制方法,实现三维图像的不规则点滤波和修正处理。通过光场边缘轮廓检测和模板分块融合匹配,结合VR视景重建技术,实现对舱室的三维图像重建。仿真结果表明,采用该方法进行舱室三维图像重建,有效解决舱物理结构复杂导致的结构不规则和空间表达能力不好的问题,具有很好的视景重构性能。     

人机交互船体可视图像轮廓点获取方法研究

由于传统的可视图像轮廓点获取技术精准度低的情况,设计一种基于人机交互的船体可视图像轮廓点获取方法,根据图像形态学的定义,检测图像的边缘形态,采用结构图像元素定义,对图像边缘进行细化,在检测图像的基础上,定义船体检测到的轮廓模型为平面内的一条参数曲线,利用最小二乘法得到各点的左右斜率,确定角点,以此实现对船体可视图像轮廓点的获取。并设计仿真实验对该方法进行检验,实验结果表明,此方法在进行船体可视图像轮廓点获取上,精准度较传统方法高,具备实际应用意义。     

低照度三维船舶图像的重建方法研究

随着现代化的发展,船舶行业图像数据应用量日益增加,对三维船舶图像重建技术的要求也越来越高。但现阶段低照度三维船舶图像重建过程中仍存在分辨率低、介质分布不适应等问题。为有效解决上述问题,在深入分析现阶段三维图像重建方法的基础上提出结合ECT技术的新型低照度三维船舶图像的重建方法,从而达到高效、准确实现三维船舶图像重建技术的目标。为验证系统的准确性和实用性,进行相关仿真实验,根据图像需求采用电极对检测模式,通过传感器将三维船舶重建图像进行次对和检测,实验结果表明,基于ECT技术的三维船舶重建系统方法可以更加准确真实的对图像进行重建,相对比传统的图像重建方法,该系统灵敏度和精准度得到有效的改善和提高,证实了该方法的可行性。     

双目视觉下红外遥感舰船图像三维重构设计研究

为提升舰船三维重构结果的细节丰富度,在双目视觉支持下提出红外遥感舰船图像三维重构设计方法。通过像素坐标系与世界坐标系的转换,融合可见光图像与红外遥感图像的点云信息。从可见光图像与红外遥感图像融合结果中提取舰船目标的质心、质心区域灰度以及舰船区域面积的特征点。利用半全局匹配算法,匹配提取特征点。依据匹配结果采用三角化曲面算法实现舰船图像三维重构。实验结果表明,该方法重构获取的舰船图像,细节丰富,未出现空洞或细节丢失情况。     

多聚焦船舶图像的融合与重构方法

目前提出的船舶图像的融合与重构方法聚焦区域较小,在保留边缘和细节信息上效果较差,融合后的视觉效果难以达到人们提出的要求。基于传统研究,引入小波变换法,研究一种多聚焦船舶图像的融合与重构方法。通过经验小波变换得到多聚焦图像的对应子带,确保对应子带的匹配性。利用阈值匹配和加权规则实现信息融合,确定低频分量和高频分量后,引入局部Log-Gabor获得融合规则,根据融合规则对图像进行重构。实验结果表明,提出的多聚焦船舶图像的融合与重构方法能够有效扩大聚焦区域,相对较为完整地保留边缘和细节信息,保证得到的融合图像内部的客观指标与标准图像更加接近。     

基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于VR技术的舰船航行环境快速重构研究

由于点云数据匹配数量不足,导致重构的三维图像与实际图像之间存在较大位置误差。针对上述问题,进行基于VR技术的舰船航行环境快速重构研究。研究以VR技术为依托,利用VR技术中的核心计算机完成4个步骤。首先对前端VR成像设备采集到的二维点云图像进行预处理,包括点云去噪和精简;然后进行摄像机标定,确定摄像机数学模型,从而得出三维空间中物体的几何信息;再以得到的几何信息为基础,进行点云特征点检测与点云匹配;最后利用VR技术中的VTK软件实现自动重构。结果表明,与2种传统重构方法相比,本方法应用后,点云匹配数量更多,重构的三维图像与实际图像之间的位置误差更小,证明了本方法的重构性能。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

基于3D打印技术的船舶图像重构

针对当前二维图像由于分辨率低,导致船舶故障分析准确率不高的情况,结合3D打印技术,进行船舶图像重构研究。该研究首先进行二维船舶图像预处理,包括图像平滑、图像分割、点云数据提取与匹配等,然后利用体绘制中的光线投射法进行三维模型重建,最后利用3D打印技术输出3D船舶实体图像。结果表明,船舶图像重构之后与之前相比,图像分辨率提高557PPI,说明图像清晰度提升,从而达到船舶故障分析准确率增大的目的。     

基于轮廓线聚类分析的船舶超吃水检测

针对在船舶吃水检测中采用人工登船测量法工作量大、实施效率低等问题,归纳分析现有的船舶吃水状态自动检测技术。从检测的准确性和可行性出发,采用岸基检测法获取船舶激光点云数据;通过一种基于聚类分析的船舶水面轮廓重构方法剔除激光检测产生的大量噪声点,完成船舶水上部分三维重构;结合船舶静态信息推算出船舶吃水状态。试验结果证明,该方法能快速准确地获取船舶三维重构图,可作为船舶超吃水检测手段。