多目视觉下的工业自动检测

题目：Stereo-vision for autonomous industrial inspection robots
作者：Daniel Frank，Jimmy Chhor，Robert Schmitt
会议：Proceedings of the 2017 IEEE International Conference on Robotics and Biomimetics December 5-8, 2017, Macau SAR, China
内容：
文章提出四个主要解决自动检测工业目标的方法。
1 目标检测和分类
2 获取目标的三位信息
3 获取目标的质量特征和定位
4 对于质量特征的分类（并且检查特别特征的偏差或趋势）

步骤：
一：图像处理和场景重建
1 多目摄像头获取立体图像
2Faster R-CNN处理图像，获取目标的位置
3利用视察图上有组织的云点来重建目标的三维场景
4利用左摄像头的光学中心作为坐标原点来进行立体校准数据
5左摄像头矫正过的图像被投射于云点上来获取颜色信息并且增强图像可视化
6在有结构的云点中，每一个2D的像素都被赋予3D的坐标，是在重建的过程中完成的
二：预处理重建场景
1基于有组织的云点特性，一个2D掩模跟踪器轮廓被用来进行云点处理
2通过活动窗口和二值化的视差图来进行前景和背景的分离
3得到的结果是分段的云点。这些云点被进一步的沿着Z轴方向进行过限制（如何限制还不明确）
三：检测质量特征
1用HOG特征来做质量特征检测
2用K近邻法来计算检查点的方位，并且进行做最小二乘平面拟合，来获取质量特征。

流程图：