一、基于OpenCV的三维扫描系统文献综述
（一）国内外研究现状
目前，国内外主要的研究的问题在于三个方面：一、立体相机的标定问题；二、立体匹配问题；三、三维模型重构问题。其中最重要的、也是最热门的问题是立体匹配问题，在这个方面，国内外已经做出了许多很出色的成果。在2000年以前，关于立体匹配问题的算法发展缓慢，由于在科研和工业两方都缺少科学统一的算法分析方法及开发的框架，同时也缺少标准的评估数据。因此，在2002年，微软研究院的两位专家综合了前人的工作，在国际计算机视觉期刊上发表了关于立体匹配算法的分析及评估方法，并建立了相关的立体匹配测试数据库。此后的立体匹配算法问题得以快速发展，并不断地有相应地产品问世。关于三维模型重构的问题，在国外基于结构光的重构技术研究比较早，最早提出的是点结构光，后来发展出了线结构光，极大提高了处理的速度。国外的结构光重构技术不仅在研究上非常成熟，同时在实际生活中也有广泛的应用。相对于国内，三维重构技术起步较晚，但近几年有较大的发展。北京理工大学与哈尔滨理工大学提出了基于颜色格雷码实现亚像素级精度的条纹检测法，提高了三维重构的精度。天津大学的研究人员提出了波前重构的方法，利用线结构光自动识别模具有无瑕疵。而在应用阶段，北京天远公司的OKIO-II型三维扫描仪测量精度可达0.03mm，天津世纪动力公司、绵阳铁牛科技有限公司和大恒图像也相继推出了自己的三维扫描仪。由此看来，国内的三维重构技术仍处于初级阶段，与国外相比还有相当大的差距。关于相机标定问题，摄像机标定的目标是在三维世界和二维图像坐标之间建立对应关系。标定过程就是确定摄像机的集合和光学参数，摄像机相对于世界坐标系的方位。标定精度的大小，直接影响着计算机视觉的精度。对于摄像机标定的研究来说，当前的研究工作应该集中在如何针对具体的实际应用问题，采用特定的简便、实用、快速、准确的标定方法。目前，传统的常用的摄像机标定是由Tasi在“二阶段法”的基础上提出的。之后，张正友提出用二维平面模板完成摄像机标定。无论是在准确性还是方便性方面，张正友的方法都优于Tasi的方法。张正友的方法作为“两阶段法”的代表，意味着我国在相机标定技术的巨大成就。
（二）研究主要成果
中国科学院自动化研究所在其开发的三维重建系统中，完成了立体图像对的采集、校正以及关键点的匹配，之后还进行了表面三角化后形成了完整的三维物体模型，此模型可以在任意角度完整的展现物体的三维结构。浙江大学机械系利用透视成像原理，采用双目立体视觉的办法，无需知道被测物体的先验知识，仅仅通过两幅图像中提取必要的特征点，实现了对多自由的机械装置动态和位姿的精确检测。东南大学电子工程系提出了一种基于双目立体视觉的灰度相关多峰值视差绝对值极小化的立体匹配新方法，该方法对二维的不规则物体的三维空间状态实现了非接触的测量。在只能交通应用中，麻省理工学院提出了一种新的方法，利用双目立体视觉系统为图像分割提供大致的目标距离信息，大大提高了图像分割的准确度。法国科学家则利用三维重建算法，提出了一种新的车辆检测方法，使得对车辆之间的距离信息计算更加精确和可靠。日本东京大学的研究人员将双目立体匹配算法应用到自动行走机器人当中，实现了人形机器人的自动导航。在增强现实的领域，日本奈良科技大学利用双目立体匹配技术，成果实现了增强现实系统中对前方物体的距离估计。美国康奈尔大学针对水下重构失真的情况提出了基于多视角的三维重建，大大客服折射对重构准确性与精度的影响。日本鹿儿岛大学与三星横滨研究院的共同研究，提出了一种可以增大三维重构深度范围的方法，该方法克服了基于结构光三维重构技术中的深度范围限制。日本大阪大学自适应机械系统研究院研制了一种自适应双目视觉伺服系统，实现了对运动方式未知的目标的自适应跟踪。华盛顿大学与微软公司合作为火星“探测者”号研制了宽基线立体视觉系统，使“探测者”号能够在火星上对即将跨越的几千米内的地形进行精确的定位和导航。
（三）发展趋势
近年来，随着机器学习、各类硬件的发展以及增强现实、自动驾驶技术的出现，对三维扫描系统的要求逐渐变高，同时对于系统的进步提供了新的可能。想要在满足一定要求的情况下做出三维场景的重建，除了开发新的算法之外，许多研究人员开始从硬件系统方面对以往的一些优秀的算法进行加速。如今的计算机硬件系统可以为开发人员提供特定的应用编程接口来实现特定的并行计算功能，经过并行计算加速后的算法往往能够减少几倍甚至是几十倍的运算时间，这对于三维扫描系统的发展是至关重要的。其中AMD公司在2011年就已经在OpenCV上开发了基于OpenCL的加速模块，同时英伟达也为OpenCV提供了基于CUDA实现的显卡加速算法的相关数据结构。所以，OpenCV作为开发并行计算软件的理想平台，为开发三维扫描系统提供了新思路。不仅如此，还可以通过硬件改进摄像机采集数据的精度和速度，以此减少误差和计算时间。硬件的发展，带来的是价格更优惠、设备更轻便。而利用机器学习的算法完成三维扫描系统涉及到的一些计算问题也是一个重要的发展方向，机器学习算法的目标就是从大量的训练数据中学习到其中隐含的规律。三维扫描系统正好可以利用机器学习的优点，进一步优化算法。例如我们可以通过给予一个神经网格模型足够多组的训练图像对和最佳的局部匹配窗口大侠，训练出一个用以自动选择最佳窗口大小的神经网格，之后所有的局部匹配可以首先利用这个神经网格估计最佳窗口大小，提高局部匹配算法的性能。除了上述两个方面外，还可以考虑设计新的立体匹配算法、提高编码的性能、改变编码策略、提出新的三维拼接技术等方面入手，而引入红外线的原理设计出不用再灯光照射下的三维扫描系统或是在物体处于动态的情况下完成三维扫描并成像的系统也是未来三维扫描系统的一个发展趋势。
（四）存在的问题
目前，市场大多数的三维扫描设备多采用结构光作为图像的特征，这也就导致在扫描黑色材质、高反射率材质的物体时，无法对物体进行精确重建。由于技术的限制，当被测量的物体被其他物体遮挡时，就会产生拍摄盲区，则无法正确调解相位，也会造成点云空洞、断层、缺失等问题，最终导致重建出的物体不够精确。大部分的三维扫描系统还未应用现今的并行运算技术，三维重建的过程花费的时间过长。传统的相机标定技术在水平度和垂直度方面存在局限，在三维重建的初期获取三维物体的参数时，相机标定采用的是理想针孔模型，由于通过针孔的光线少，摄像机曝光太慢，在实际使用中均采用透镜，可以使图像生成迅速，但代价是引入了畸变，所以无法避免采集到的数据存在误差，导致最终三维重建的结果出现微小偏差。早期开发的三维扫描系统大多数采用不同的平台分部完成，例如采用Visual C 开发，利用MATLAB完成系统的标定和解相位工作，因为两种语言没有实现真正的结合，兼容性不足，所以在自动处理能力方面无法得到足够的完善。研究表面色彩变化强烈的物体时，在颜色变化较大的区域会产生测量误差，而测量距离、环境光等也会影响测量的结果。如今，越来越多的行业涌入到三维重建这个领域当中，对三维扫描系统的要求也越来越严格，特别是一些特殊环境的三维测量。例如基于结构光的大型物体、动态物体、水下环境以及热态物体等，都需要研究人员根据不同的情况研究出新的测量方法和算法。以往的技术都需要使用多张投影条纹图，步骤繁琐，因此还要改进条纹投影方案，减少投影图像的数目。三维扫描系统中应用到的投影仪具有不同于摄像机的一些光学特性和成像原理，制约了标定精度的提高。在立体匹配算法的问题上，采用不同的匹配算法就意味着不同的迭代次数，而迭代次数过多则严重影响了整个系统的性能，需要结合实际考虑应用哪一种算法或是开发出一种新的匹配算法代替旧的算法。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
