基于最大窗口的二次立体匹配方法

文中提出了一种新颖的基于窗口的立体匹配方法,该方法首先在最大窗口内估计视差,并假设该窗口内视差一致,在此基础上得到两个最大的匹配窗口,然后在这两个最大窗口内进行二次匹配,得到基于这两个窗口的逐像素视差,估计视差和像素视差之和就是结果视差。对相对较平滑或平滑均匀的区域,在匹配过程中,会出现匹配最小多值问题,面临如何确定最佳匹配。本文算法采用平滑性测度指标函数来屏蔽平滑或平滑均匀区域,并在匹配完成后,按照最近邻视差均值来估计平滑区域的视差。最后通过立体图像对算法进行了测试。实验结果表明,该方法是可行和有效的。     

一种自适应多窗口的立体匹配算法

提出了一种新型的自适应匹配窗口的方法来解决低纹理图像在立体匹配中容易出现误配的现象。该算法采用8个相同的窗口根据图像的平滑情况往8个方向选择适当的支撑区域,且其非常适合并行处理。然后根据上述步骤得到的结果提出一种自适应的区域生长法对误配和遮档区域进行后处理。实验结果表明,该方法无论在低纹理区域还是高纹理区域都有较好的实验结果,并且运行时间与传统的固定窗口局部方法相差不大,适合实时处理。     

改进的全对称多胞形集员状态估计算法

针对带有有界的噪声和参数的非线性离散时间系统, 提出了一种改进的全对称多胞形集员状态估计算法.在算法的时间更新过程中, 采用区间算术的方法计算一个包含系统轨迹的全对称多胞形.在算法的量测更新过程中, 则要首先在状态空间中给出一个集合作为与量测输出相一致的区域的外界描述, 然后计算一个具有最小容积的全对称多胞形作为时间更新全对称多胞形与此集合的交集的外界描述.由于此集合可表示为多个带的交集, 所以需要研究全对称多胞形与带的交集的外界描述方法.在提出改进的外界描述方法之前, 指出了原始外界描述方法的保守性.改进的外界描述方法给出了新的包含二者交集的全对称多胞形族, 然后找到具有最小容积的全对称多胞形作为二者交集的外界描述. 此后证明了改进外界描述方法得到的全对称多胞形不会比原始方法大. 最后, 采用仿真实验来检验不同噪声分布对算法性能的影响.仿真结果表明了改进算法得到的状态估计的均方误差和全对称多胞形的容积比原始算法小, 而且当存在重尾分布噪声时此优势更加明显.     

严格正实线性多变量系统的鲁棒性分析及其输出反馈控制

讨论一类线性不确定系统的鲁棒严格正实分析和控制问题,其中各不确定参数矩阵具有线性分式形式,分析了这类系统对所有容许不确定性严格正实的条件,并综合了使闭环内稳且严格正实的动态输出反馈控制器,通过适当地构造增广系统,将这类问题转化为确定系统的严格正实分析和设计,并按增广系统给出了这类不确定系统鲁棒严格正实的充分必要条件以及动态输出反馈鲁棒严格正实控制器的存在条件。     

一种基于不确定分析的多传感器信息动态融合方法

提出了一种基于不确定分析的多传感器动态分布融合方法.首先引入贴近度的概念对传感器进行动态聚类,接着基于兼容测度实现了组内传感器信息的最优Bayesian估计融合;最后给出了一种基于一致测度的多传感器信息动态融合的方法.通过实验对比分析,证实了此方法具有较好的实效性和鲁棒性.     

基于容许集的多胞不确定系统三模RMPC

针对输入和状态受约束的多胞不确定线性系统,提出了基于容许集的扩大吸引域三模鲁棒模型预测控制方法.在多面体不变集离线模型预测控制算法的基础上引入容许集,以多面体不变集序列的并集作为模态1,基于N步容许集的控制容许集作为模态2,并利用离线设计和在线优化的控制策略,设计了三模变终端约束鲁棒模型预测控制算法,以实现系统渐近稳定.该算法不仅降低了在线运算量,而且扩大了吸引域.最后的仿真结果验证了所提出算法的有效性.     

基于犹豫云语言术语集的多指标群决策方法

为了同时描述专家决策过程中的模糊性、随机性和犹豫特性,提出了一种新的基于犹豫云语言术语集的多指标群决策方法。定义了犹豫云语言术语集的平均差异度和综合不确定度,进而提出了根据决策质量计算权重的方法。利用综合云算法计算犹豫云语言术语集的综合云模型,利用加权平均云算法分别聚合多位专家和多项指标的决策结果,从而计算得到各方案的综合评估结果和最终排序。提出的方法可以广泛应用于各类多指标群决策问题中。最后,通过具体算例验证了所提出方法的有效性和可行性。     

利用BLI快速相关的机器立体视觉方法

本文提出了两种BLI快速相关算法.一种是利用差累积向量,另一种是利用持续行程编码.对两种快速算法的计算量进行了分析,它们比经典二值图象相关技术快几十倍.对立体视觉连续性与唯一性原理在二值拉普拉斯图象相关方法中的具体应用提出了规划.实验结果证明了本文方法的有效性.     

加入结构约束的半全局立体匹配方法

将图像分割得到的场景结构信息作为一种软约束加入到半全局立体匹配的框架中,以克服原算法存在的传播路径不完全的问题,同时结构约束还被用来解决遮挡和错误匹配区域深度选择的问题.实验结果表明,该算法显著地提高了匹配精度,很好地解决了传播路径不完全引起的深度污染问题,并且为遮挡和错误匹配区域提供了可靠的深度估算.同时,算法并不破坏原算法的基本框架,保留了其高效的特点以及使用单指令多数据流技术进行加速的能力,具有广泛的实用价值.     

基于最大似然估计的小基高比立体匹配方法*

针对小高比立体匹配当中的亚像素精度和粘合现象问题,提出了一种基于最大似然估计的小基高比立体匹配方法。该方法首先根据混合式窗口选择策略为参考图像中的每一点确定匹配窗口;然后在视差范围内根据规范化互相关函数计算匹配代价,再利用胜者全取策略计算每一点视差;最后采用基于最大似然估计的亚像素匹配方法获得亚像素级视差。实验结果表明,该方法有效地减少了立体匹配中的粘合现象,同时获得了较高精度的亚像素视差,其平均亚像素精度可达1/20个像元。