1、“.....对于直线匹配，几何不变性由个点在同条直线或条直线在同平面所代表。我们假设是特殊平面上任意条直线，直线方程为，我们任意选择直线，和在条直线上，≠≠，≠。这三条直线方程给出为这些直线均按直线，角度转变成图像。直线特征也转换相应直线方程参数。参数显示在上标处例如。它证明，尽管这连续五条直线形状可以有更多变化，它们也服从几何不变性，如果属于，它们是，类似地，有个组二次曲线些几何不变量。如果这个特殊平面上条二次曲线，它方程可以表现为如下二次曲线，如果是二次曲线参数矩阵，它也表现为如下矩阵如果有两条二次曲线和，它们参数矩阵分别为和。运用几何投影将它们转化为和，其参数矩阵为和。它证明，如果是矩阵轨道，有两个几何不变量不管几何投影模式是否变化。这样，直线和曲线就有效匹配了。本文光栅投影在垂直方向和水平方向被分别提出来......”。

2、“.....随着小波边缘检测，搜索式无监督聚类，边缘点到二次曲线拟合。几何不变性，二次曲线匹配，垂直曲线和横向曲线交叉点计算。因此，亚像素级立体精确匹配得以实现。基于小波图像拼接当大规模测量表面时，许多对立体图象在不同观点或者移动和旋转中被抓拍到。两个相邻图像需要镶嵌。图像镶嵌重要问题是图像配准，也就是说，两个相邻图像之间重叠部分，以便付诸表决，并且两个相邻图像之间相应匹配也是图像镶嵌复杂工作。通讯匹配在相应立体视觉匹配之后。在这之前，从相同角度或者不同角度沿着基本路线转换来抓住两个图像，并在这之后，这两张图片角度不仅要是转换，而且要旋转。本文，些随机黑点能容易镶嵌，这些黑点被认为是重要拼接点。同时，我们用线性和对称双正交分解两个图像来镶嵌，使粗糙图像可以得到很好匹配和拼接，最终得到个大图像。事实上，小波变换是种带通滤波，小波向量显示用不同尺度频带宽度来衡量......”。

3、“.....两个图像用算法分解成不同频率波段小波向量，然后不同规模选择不同镶嵌宽度来满足和拼接，于是个大镶嵌图便顺利且很好完成了。实验及结果分析在本次设计中，这项技术在机测量系统中得到了应用。在应用了该技术后，测量结果返回到系统中显示闭环控制得到了实现。表面形状后测量，测量结果返回到系统和闭环控制实现。据测量条件测量精度旦成熟，我们选择两个摄像头，两个镜头和个图像记录装置。这两个摄像头之间距离为毫米物体表面和两部相机之间距离为毫米。曲面是该工艺标准测量范围，测量结果在标签上显示，测量步骤如下建立与图像点和特殊点之间映射关系三维表面在工作台上进行，首先，二个摄像机在没有干扰和光线情况下同时抓拍对立体图像。其次，在抓住两对立体图像对，对在光栅垂直方向上抓拍，另对在光栅横向上抓拍进程映像，消除背景，减少噪音，如图，所示功能检测，如图搜索对应点，并镶嵌图像计算三维坐标，重建三维表面......”。

4、“.....实验表明，测量误差小于，测量时间约秒，包括图像抓拍图像处理建立图像点和特殊点映射关系搜索相应坐标点和调整计算。图图像处理结束语在本文中，提出了种新基于计算机视觉三维测量技术，该技术设备简单测量速度快成本低。可以测量大型对象，测量精度低于。它还提供了个适用于工业计算机视觉新思路。实验结果表明，三维测量技术是非常完美。原文，，，，，，，，，，，，性相应点搜索几何不变性定义是几何图案和矢量保持精确不变。对于个特殊多边形，两种不同成行将得到两种透视变换图像位面。以同样方式，对于个三维曲线，两种不同二维曲线得到两个图像位面。因此，几何不变性应用于匹配直线和曲线。对于直线匹配，几何不变性由个点在同条直线或条直线在同平面所代表。我们假设是特殊平面上任意条直线，直线方程为，我们任意选择直线，和在条直线上，≠≠，≠。这三条直线方程给出为这些直线均按直线，角度转变成图像......”。

5、“.....参数显示在上标处例如。它证明，尽管这连续五条直线形状可以有更多变化，它们也服从几何不变性，如果属于，它们是，类似地，有文献翻译二级学院专业班级学生姓名学号译文基于计算机视觉三维测量技术摘要本文根据计算机视觉原理，提出种三维非接触测量技术。该技术根据人眼感知事物原理，利用神经网络拟合图像坐标与空间坐标映射关系以光栅投影曲线为特征，采用小波边缘检测和搜索式无监督聚类，结合视觉几何不变性，实现亚像素级立体精确匹配并采用小波多尺度多分辨率特性，拼接图像，融合数据，对物体进行全方位测量。实验表明，该技术设备简单，测量速度快，测量精度控制在以内。关键词计算机视觉，立体匹配，几何不变性，神经网络，小波变换，聚类引言目前，三维测量仍以三维坐标测量机为主。但是它由于体积大结构复杂而不能在线测量，是接触测量而不能测量柔软物体。因此，研究快速无损非接触在线测量在工业上十分重要......”。

6、“.....如激光扫描法结构光法相位测量法，但是都不能同时满足测量精度效率成本自动化和智能化等方面要求。因此，在本文使用双摄像机融合光学轴抓拍物体。随着处理图像，立体匹配图像和数据集成，三维物体信息就是从这个立体图像中获得。三维测量技术已应用于测量系统中多点压成型机测量，并取得了良好效果。测量原理及系统设计本文介绍了基于计算机视觉三维非接触测量技术，三维对象信息是从对立体图像中获取。般来说，有两个问题影响三维物体获得确切消息种是图像之间建立特殊点点和准确映射关系，另种是立体匹配问题。本文神经网络是用来映射关系接近情况下摄像机标定。小波边缘检测，寻找非监督聚类和几何不变性适用于立体匹配。在多尺度，多分辨率小波属性应用于图像拼接和数据集成。在实践中，这项技术包含了许多方法和技术，它可以测量任意大小和形状对象。然而，有些物体表面很光滑。匹配功能不明显，因此用光栅对象预测......”。

7、“.....为了提高测量精度，用两个与融合光学轴相机，这两个相机和小型自制投影机就构成了种灵活测量头。个基于立体视觉三维测量原理草图如图所示。建立图像点和特殊点之间映射关系实际上，获得从两个图像对三维物体信息是获取图像点之间映射和特殊点关系，但是到现在为止没有任何方法可以完全描述非线性映射关系，因为有许多复杂非线性影响因素，包括摄像径向变形和横向变形。但是，神经网络可以模拟人类视觉，建立了简单非线性映射来处理复杂单元，因此本文就从图像点过程中当作黑箱特殊点。和网络个神经细胞中间层网络来设置点之间形象和特殊点映射关系。图片左边点，和个右边点，纳入网络，个特殊点被输出。换言之，这个网络结构是。利用神经网络，样本选择是很重要。样本不仅在于衡量范围，也显示测量系统测量范围。虽然两个相机是用来抓拍对象，但是这部分对象只有在焊接处视野内才能被获取。因此......”。

8、“.....测量范围和目标与摄像机之间两个基准距离控制三维测量系统测量范围。本文结构和功能和两个相机是用来抓拍对象构成对称是相同，相机图像区域是，如图所示。该镜头焦点是两个图像之间中心垂直线是。共同部分被视为双摄像头连接视野。而超出部视为盲区。假设视野角度为，基本成像关系公式为这个内切圆是视野范围，如果两个相机光轴夹角是，两个图像中心之间距离是，其比例为这样，个示例模板由格子组成。这个示例模板固定在工作台上。分别获取三对立体图像，而示例模板沿垂直线方向移动到三个不同高度模拟三维测量范围。三对立体图像被视为训练样本，把它们输入网络。亚像素级立体精确匹配对立体显示来说立体精确匹配要困难得多，所以申请采用立体显示在种程度上受到限制。本文应用小波变换检测边缘点，寻找非主管聚类方法，提出以区分不同边缘点群。在同个点群边缘点二次曲线拟合......”。

9、“.....条纹边缘拟合中非聚类搜索般来说，图像往往含有随机噪声，小波变换能抑制噪声和检测移动，同时不同结构图像边缘信息传播在所有决议中。自从转化不变性是最重要立体匹配边缘特征。二次被用来处理个多尺度生成元素检测条纹边缘点。实际上，噪音仍然混合在这些离散边缘点中，因此，曲线拟合用于转化为连续曲线离散边缘点，并减少噪音。然而，在曲线拟合之前，至关重要是，所有离散边缘点根据图像中条纹边缘实际情况分成不同群。海明距离聚类中心往往被视为约束条件群，换句话说，假设个点属性向量是，个聚类中心属性向量是，如果，是聚类总数，，这样思想不符合条纹边缘点实际情况。在曲线拟合之前，不仅给定群体，而且这组点属于已知，而群体数目与条纹边数相等。因此，在本文中提出了非主管聚类算法。如果是个集合点，是点数量，如果分成组，划分方法如下所示。如果是属性向量被称为初始群体......”。