👨‍🎓个人主页：研学社的博客    

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

本文运用基于双目立体视觉的技术，提出一种快速非接触测量目标物体的体积方法。此方法将适用于多种场景下的目标体积测量，具有测量精度较高、测量成本低和灵活等优点。

主函数部分代码：

%% % 清理空间 clc; clear; close all;

%% 导入立体标定参数 load stereoParams.mat

% 立体参数的可视化 % figure; % showExtrinsics(stereoParams);

%% 导入数据 frameLeft = imread('images/left007.bmp');  frameRight = imread('images/right007.bmp');

[frameLeftRect, frameRightRect] = rectifyStereoImages(frameLeft, frameRight, stereoParams);

figure; imshow(stereoAnaglyph(frameLeftRect, frameRightRect)); title('Rectified Frames');

%% 视差计算 frameLeftGray  = rgb2gray(frameLeftRect); frameRightGray = rgb2gray(frameRightRect);

DisparityRange = [0, 160]; disparityMap = disparity(frameLeftGray, frameRightGray, 'Method','SemiGlobal','DisparityRange',DisparityRange,'BlockSize',5,'ContrastThreshold', 0.5,'UniquenessThreshold',0);

figure; imshow(disparityMap, DisparityRange); title('Disparity Map'); colormap jet colorbar

%% 三维重建 points3D = reconstructScene(disparityMap, stereoParams);

% 单位为mm points3D = points3D(:, 400:1000, :); ptCloud = pointCloud(points3D); figure; pcshow(ptCloud); % title('Original Data');

%% 空间位置变换 % 将有序点云变化为无序点云 ptCloudA= removeInvalidPoints(ptCloud);

% 坐标转换 Temp(:, 1) = ptCloudA.Location(:, 1); Temp(:, 2) = ptCloudA.Location(:, 2); Temp(:, 3) = -ptCloudA.Location(:, 3) + 400;

% 去除位置不合理的点 [i, j]=find(Temp(:, 3) < 0 | Temp(:, 3) > 500); Temp(i, :) = [];

ptCloudB = pointCloud(Temp);

figure; pcshow(ptCloudB); title('Transform Data');

%% 去噪 % Threshold为离群值阈值，阈值为与选定点到邻居点的距离值的一个标准差，大于指定的阈值，则认为该点是异常值。 ptCloudC = pcdenoise(ptCloudB, 'NumNeighbors', 100, 'Threshold', 1);   %1~6此实验Threshold=1，第7次Threshold=10

figure; pcshow(ptCloudC); % title('Denoised Data');

%% 点云分割 % maxDistance：从一个内点到平面标量值的最大距离 maxDistance = 10; referenceVector = [0, 0, 1]; % 拟合平面的法线向量和参考方向之间的最大绝对角距离，以度为单位指定为标量值。 maxAngularDistance = 5; [model, inlierIndices, outlierIndices] = pcfitplane(ptCloudC, maxDistance, referenceVector, maxAngularDistance); ptCloudPlane = select(ptCloudC, inlierIndices); ptCloudD = select(ptCloudC, outlierIndices);

figure; pcshow(ptCloudC); % title('Splitting1 Data');

hold on plot(model);

figure; pcshow(ptCloudD); % title('Part1 Data');

figure; pcshow(ptCloudPlane); title('Part2 Data');

%% 空间位置校正 ptCloudE = pcTransform(ptCloudD, model);

figure; pcshow(ptCloudE); title('Transform');

[1]隋婧,金伟其.双目立体视觉技术的实现及其进展[J].电子技术应用,2004(10):4-6+12.

部分理论引用网络文献，若有侵权联系博主删除。