今天我们介绍图像匹配，涉及到基于归一化灰度相关性匹配与基于边缘的几何图形匹配的区别，并探讨3D视觉系统如何用图像匹配来处理图像信息，以及3D匹配如何助于发展3D机器视觉应用。3D图像匹配 VS 2D图像匹配
在上一篇《机器视觉的图像匹配原理》介绍了几何图形匹配(GMF）和归一化灰度相关性匹配都是机器视觉的有效工具。它们使用2D模板图像的预定义的边缘或灰度像素值来查找和匹配目标2D图像中的图案。但当面对3D成像处理的时候，是否就失效了呢？基于3D的图像匹配通过计算目标在3D空间中的精确位置并结合目标特征来进行匹配，可用在自动化应用的视觉系统中，例如汽车和或机器人应用、抓取和放置应用。在2D匹配中，物体朝向是最致命的弱点，例如下图一个三棱柱，不同的朝向所呈现出的2D几何形状也完全不同。而打开3D匹配的大门意味着可以在三维空间内准确识别和找到多种类型的对象。同一个物体, 不同朝向的2D视图
3D匹配可以解决工业中那些典型的、重复性的动作，而且不涉及太多的技能或训练模型，例如抓取、放置是两项可以交给机器人来完成的工作。这样不仅可以解放人力、降低成本还能保证动作的精确。
3D成像需要将图像数据可视化，它不像2D匹配只需要预设模板然后再进行边缘或像素值数据的比较。3D成像需要通过3D成像方法如激光立体视觉、结构光成像、飞行时间(ToF)来获取三维坐标形成点云图。飞行时间(ToF)相机可以实时产生准确、有深度的数据信息，这些数据适合用于3D匹配算法，能为机器臂提供所需要的精确坐标信息，以准确、安全地抓取和放置物体。水果篮子2D图
上图使用了高精度3D相机（Helios2 ToF)来拍摄，这款相机外形小巧紧凑，外壳坚固，配置4个850纳米 VCSEL激光二极管，集成了索尼全新的DepthSense™ IMX556PLR背照式飞行时间（ToF）图像传感器，在1m或更短距离拍摄，能够达到亚毫米级的精度。 选择好合适的3D相机之后，需要使用SDK文件对相机进行配置，并与相机随附的3D图像匹配软件进行配对，之后才能确定其3D姿态生成3D深度成像。
川公网安备 51010402000667号