基于宽基线立体视觉的远距离三维重建

针对月球车视觉导航中远距离场景的三维重建问题,提出一种基于相机自标定的宽基线立体视觉方法.该方法首先提取立体图对的尺寸不变性(SIFT)特征并进行匹配,得到特征点对应关系;再使用外极线几何约束描述立体图像校正的直射变换,对其Sampson误差使用Levenberg-Marquardt(LM)算法求得最小二乘最优解,完成相机参数估计和图像校正;对校正后的图像使用种子像素视差扩张算法进行宽基线立体匹配,根据匹配得到的视差完成目标场景三维重建.实验表明:该方法解决了月球车相机的现场标定难题,并能够解决宽基线立体视觉面临的光照差异、透视畸变、遮挡等问题,对远距离山脉等自然场景的三维重建效果良好,重建精度较高.     

会聚式相机获取的视差图像的梯形失真校正

为了消除会聚式相机所拍摄的视差图像中由于梯形失真引入的垂直视差,基于立体成像时同一深度的物点应具有同一水平视差且不存在垂直视差的原理,提出了在相机拍摄场景中的某一深度放置标定板并以中相机所拍摄的标定板图像作为参考视筹图像来校正其他待校正视筹图像的方法.以标定板特征点在待校正视差图像及参考视差图像中的坐标值建立待校正视差图像在校止前后的坐标映射关系,并通过图像采样得到校正后视差图像.实验结果表明,该方法有效地减小甚至消除了视差图像中的垂直视差,具有可行性,对提高立体显示效果具有指导意义.     

基于RANSAC算法的立体视觉图像匹配方法

针对大尺寸立体视觉测量中存在较大视差和透镜畸变等因素导致极线约束匹配率低的问题,提出了将图像校正与随机采样算法相结合的立体视觉图像匹配方法.对立体图像对进行线性校正,建立初始匹配点集;采用随机采样算法估计图像对之间的基本矩阵,恢复原始图像对之间的对极几何约束关系,剔除初始匹配点集中未匹配和误匹配的特征点,从而获得精确的匹配点集.该方法已应用于合成孔径雷达(SAR)大型可展开微波天线网面的实际测量,匹配率高于96%.     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

月球车视觉系统立体匹配算法

为了满足月球车视觉系统实时性和可靠性的要求,提出了一种基于点和边缘特征提取的立体匹配算法.首先采用高斯滤波和有限对比适应性直方均衡化(CLAHE)方法对校正后的立体图像对进行预处理,以削弱噪声和对比度的影响.其次研究了图像的SIFT特征点和边缘特征提取和匹配方法,以获得月球车周围的环境概貌和障碍物信息.最后将匹配成功的...     

基于单相机和投影仪的静态物体三维数字化研究

物体的三维重建是计算机视觉领域一项重要的研究内容.在单相机和投影仪系统下实现对静态物体的三维重建,首先利用张正友相机标定原理完成对相机和投影仪的标定,然后将格雷码投影到被测物体上,用相机进行图像采集.对采集到的图像进行阴影检测和像素点匹配,最后通过三角化实现物体表面三维点云重建.实验结果证实了本文方法具有可行性.     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形．不能直接用于纹理映射,故需要研究失真纹理的校正针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT（Scale Invariant Feature Transform）尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像．实验表明,利用上述方法能够有效地生成三维重建所需的纹理．     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

双目实时目标三维测量实现方法的研究

为了解决目标匹配困难、匹配效率低等问题,提出了一种基于双目立体视觉的实时目标特征匹配算法——绝对窗口误差最小化(CAEW).首先,在研究摄像机基本原理后利用张氏标定法解决摄像机的标定,并对最终标定数据采用Bouguet算法进行双目立体校正;然后,利用Ada Boost迭代算法训练目标检测器实现目标检测.将CAEW算法与常用的尺度不变性的特征点检测和匹配(SURF)的效果评估进行比较分析,结果显示CAEW算法的效果评估能达到90%以上,这一指标有明显提高,可以很好地满足双目实时目标匹配的需求.通过CAEW与SURF算法实验对比,进一步说明了减少不必要的全局性图像像素点处理可以提高匹配速度.     

可控特征点对以及RANSAC的监视系统外参估算方法

为了提高基于机器视觉的监控系统的精度,立体视觉信息作为一种鲁棒性很高的参数被引入监控算法中.立体视觉信息的引入使得外参求解成为影响监控结果的一个重要环节.现存的应用于监视系统的外参自动估算方法均采用立体视觉中外参求解的方法.这些方法普遍存在特征点的数目完全由场景决定特点.为了解决在大部分监视系统应用的场景中,因为背景较为空旷、基线较长同时相机对之间的旋转量较大,由场景提供的特征点数量非常有限,导致计算结果并不理想这一问题,提出了一种基于视频序列的RANSAC外参求解方法.该方法不仅利用RANSAC算法有效的剔除外点,而且根据可控特征点对的动态性,利用时间上的积累获得了充足的位置可控、数量可控的可控特征点对,并据此得到精度较高的外参结果.根据实验,该方法可以将三维重建误差降低近50%.     

基于极线校正逆变换的立体匹配算法研究

匹配是立体视觉中一个重要问题,它通常是在图像极线校正的基础上实现的.常用的校正方法会造成投影变换后图像拉伸不均匀,从而影响后续模板匹配的精度.为此提出一种基于极线校正逆变换（反校正）的立体匹配方法,它以校正后的图像进行开窗搜索,但针对窗内的图像坐标进行反校正,提取校正前的像素灰度值,最后进行模板匹配.仿真和实验结果证明,文中提出算法的匹配效果比较理想,生成的视差图要比传统算法精确.     

平行多基线立体视觉图像校正

介绍了现有双目立体视觉校正算法的原理和过程,分析了其应用于多基线立体视觉系统的局限性,得出其产生原因是各摄像机光心位置不共线造成图像平面不共面.保持三目立体视觉系统中两个摄像机的光心位置不变,利用光心和基线构建三角形,将第三个摄像机的光心投影到前两个摄像机光心连线构成的基线上,使各摄像机的光心共线,然后使用双目视觉校正算法对三个摄像机进行校正.结果表明,算法可正确有效地校正平行三目立体视觉图像对,并可推广至摄像机数目多于三个的平行多基线立体视觉系统.     

视觉导航机器人三维场景重建研究

针对自主导航机器人在室外中的立体视觉,应用了一种基于置信点扩展的三维重建的方法。该方法改进了归一化交叉相关算法,由视差空间图寻找视差空间中的置信点并进行表面跟踪,并用计算亚象素视差和中值滤波的办法得到视差图,最后使用滚球算法对从视差图中得到的点云数据进行三角化从而进行地形重建。实验结果表明,所使用匹配方法优于单一的归一化交叉相关方法,有着较强的鲁棒性,重建的地形效果较为理想。     

用于3维重建的立体图像校正

传统的图像校正方法通过最小化匹配点间的距离作为目标函数引导图像校正,但往往会导致被校正图像出现较大的失真变形,不仅无法为3维(3D)重建提供信息,反而会带来额外的误差.为此提出一种无需相机标定的图像校正方法,有效地保留图像因拍摄方位不同带来的视差,为3D重建提供所需的重要信息.方法首先利用立体图像的对极匹配原理,推导出将2幅图像极线对齐到同一方向的变换,然后在此基础上引入使得图像纵横比保持不变的剪切变换过程,有效地减小校正图像的几何变形.实验表明,该方法是一种鲁棒的图像校正方法.     

勿需图像矫正的高精度窄基线三维重建算法

精确可信三维重建受图像配准与矫正误差严重影响, 为此, 提出一种勿需矫正的高精度窄基线三维重建算法. 先结合相位相关与曲线拟合原理获得高精度亚象元视差: 对两幅图像傅里叶变换的归一化交叉能量谱进行傅里叶逆变换得到一峰值明显的矩阵, 用高斯函数对峰值附近数据进行曲线拟合计算配准关系; 再将视差累加并进行单位化寻找基线在成像面上的投影(主方向); 最后把视差在主方向投影, 根据像点深度与该投影成正比例, 进行场景三维欧氏重建. 无矫正误差与高高精度视差计算使重建结果精确可信, 对多类场景进行实验, 证明该方法有优良的效果.     

基于凸集论的稠密视差图优化算法

针对计算机视觉领域中立体匹配算法在图像无纹理区产生的误匹配问题,提出以全变差函数为凸约束集,使用次梯度投影法,对通过初始视差变换后的立体图像对之间的像素误差函数和视差二次平滑因子形成的严格凸函数进行求解,寻求立体图像对之间的最优视差图。实验结果表明,该方法不仅能保留初始视差图的边缘,而且减少了由先前立体匹配算法求得的视差图在无纹理区产生的误匹配点,取得了良好的视差图优化效果。     

动态场景下基于视差空间的立体视觉里程计

针对实际的复杂动态场景,提出了一种基于视差空间的立体视觉里程计方法.利用SIFT特征点的尺度和旋转不变性及一些合理的约束条件,实现左、右图像对和连续帧间的特征点匹配和跟踪.通过结合了RANSAC的最小二乘估计滤除运动物体上的干扰特征点,得到较为准确的运动参数的初始值,在视差空间中推导出视觉里程估计的数学模型,通过最小化误差函数得到最终运动估计.实验结果表明,该算法在室内外存在运动物体的复杂动态场景中都具有较传统方法更高的精度.     

基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.     

视差可控的多视点立体图像校正算法

提出了一种视差可控的多视点立体图像校正算法。该算法通过对多视点信息进行旋转、垂直视差调整和视差均衡的预处理操作,使得立体图像符合立体显示器的要求,并且对图像中的目标物体可根据需要显示为正视差、负视差或者零视差。通过在多视点立体显示系统上的实验可看出,该算法校正后的多视点图像在观看时立体感强,符合人眼观看的特点,并且可根据内容的需要使场景内的目标物体显示出不同的深度。     

改进的基于多尺度融合的立体匹配算法

针对局部立体匹配算法在弱纹理或视差不连续区域匹配精度低等问题,提出了一种结合卷积神经网络(CNN)和特征金字塔结构(FPN)的多尺度融合的立体匹配算法。在卷积神经网络的基础上应用了特征金字塔,实现立体图像的多尺度特征提取和融合,提高了图像块的匹配相似度;利用引导图滤波器(guided filtering)快速有效地完成代价聚合,在视差的选择阶段采用改进的动态规划(DP)算法获得初始视差图,对初始视差图精细化得到最后的视差图。所提算法在Middlebury数据集上提供的图像进行训练和测试,结果表明该算法得到的视差图具有较好的效果。