基于法化矩阵降维的多相机快速光束法平差算法

针对多相机系统的高精度快速光束法平差问题，提出一种采用法化矩阵降维的多相机快速光束法平差新算法。充分考虑多相机系统中主从相机间的固定位姿参数关系，设置维数为3N (相机个数)×4的系统位姿变换矩阵，根据此矩阵可快速由主相机参数得到每个从相机的参数，并将此变换关系带入光束法平差算法中完成为对从相机位姿的求取。从相机的外参优化算法中便只需要对主相机的外参变化进行更新，由此将所有相机捆绑为一个整体，使雅可比矩阵与法化矩阵的维数相对下降，在一次迭代更新中可以完成对多个相机特征图像的运算，因此算法的精度与速度得到了大幅提高。根据仿真实验与实测实验表明，文中算法的优化精度比传统的光束法平差精度提高到了15.5%，运算效率提升了7.8%，能够满足实际工程的应用需求。     

画幅扫描红外成像实时拼接中的光束法平差

光束法平差是遥感图像实时拼接系统的关键步骤,它需要消耗大量的运算时间,同时也决定了系统的拼接精度。针对画幅扫描红外成像实时拼接系统中的光束法平差算法,提出了一种实用的光束法平差策略,利用相邻扫描行图像的配准平差,将最新扫描行图像依次配准到已拼接图像中,为拼接图像的实时更新奠定了基础。同时利用GPGPU对光束法平差算法进行了并行加速,在保证精度的情况下,提高了拼接算法速度。通过画幅扫描成像的实时平差实验,验证了算法的精度和实时性。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

基于凸松弛全局优化算法的视觉测量位姿估计

针对参考点存在较大噪声时基于光束法平差的视觉测量位姿估计无法确保目标函数在全局极小处收敛,本文提出利用凸松弛（LMI）全局优化算法进行视觉测量全局最优位姿估计。利用归一化图像点和摄像机光心组成的正交投影矩阵,构造以旋转矩阵四元数为参数的物空间误差目标非凸多项式函数。对非凸多项式进行LMI,可以逼近其全局极小值,进而求解...     

机械臂双目视觉系统内外参高精度标定

在空间站机械臂中,双目视觉系统作为其重要组成部分,能够引导机械臂自主完成对目标的定位和捕获。内外参标定技术是双目相机高精度获取合作目标位置、方向等运动信息进而进行三维重建的首要前提和重要保障。文中提出了一种基于光束法平差算法的双目视觉系统内外参标定技术,采用三维靶标场作为标定目标,并将高精度测角设备经纬仪作为精测基准,通过坐标转换解算分步得到相机的内、外参数。实验表明,该方法标定的相机内参重投影误差小于0.5个像元,外参测试误差为±0.19 mm,有较高的测试精度和鲁棒性,为机械臂实施视觉闭环自主捕获合作目标提供可靠依据。     

基于SVM的二次下降有效集算法

针对现有的有效集方法应用到支持向量机(support vector machine,SVM)优化问题时收敛速度较慢的问题,提出了一种基于二次下降法和推测赋值法的有效集算法.该算法在每次迭代过程中利用映射因子将迭代向量值限制在优化问题的不等式约束中,并通过调整步长使目标优化问题的函数值较传统的有效集算法进一步下降.由于函...     

双目视觉技术在区域目标检测中的应用研究

针对求取区域目标的世界坐标的需要。以Harris角点算法对摄像机图像进行分析,提取图像中目标区域的角点。通过使用VC++环境中的OpenCV进行编程运算,计算出摄像机标定参数并运用双目视觉法计算出目标位置的世界坐标。     

虚拟双目视差法在公交客流统计中的应用

提出了一种检测运动目标的新思路:虚拟双目视差法.用一个固定的摄像机检测运动目标,拍摄连续的两帧图像,可以将这种情形看作:目标是静止的,而摄像机在两个不同的位置对目标进行拍摄.于是连续两帧图像,可以看成是一个摄像机在原来地方拍摄的一帧图像和另一个摄像机在目标运动反方向的目标运动距离处拍摄的图像.虚拟双目视差法就将单摄像机的运动目标检测转化为双摄像机的静态目标检测.利用双目视觉的图像匹配技术对连续两帧图像进行匹配,匹配所求得的双目视差大小就是运动目标的运动距离,双目视差的反方向就是目标的运动方向.该方法通过实际公交车的序列图像进行了检测,证明了其良好效果.     

基于立体视觉标定方法的改进研究

摄像机标定是立体视觉研究与非接触测量的重要组成部分,是精密视觉测量的基础,传统的标定需要建立复杂的数学模型,从而描述双目视觉中三维空间物点坐标和两个摄像机像面像点坐标间的非线性关系。而神经网络可以有效地处理非线性映射问题。本文介绍一种改进的RBF神经网络,并对该网络标定法与传统标定方法及BP网络标定法的标定结果进行比较。实验结果表明:基于改进RBF神经网络的双目视觉标定方法能获得较高的标定精度。     

基于角点检测的双目视觉测距新方法

为解决双目视觉中立体匹配困难、效率低的问题,提出了一种基于角点检测的人工匹配方法实现双目视觉测距。首先介绍了双目测距基本原理,对摄像机进行了标定,并采用Bouguet 立体校正算法对双目视觉系统进行立体校正;然后采用J．Shi 和C．Tomasi提出的角点方法对立体校正后的左右摄像机图像中被测目标上的同一特征点进行了亚像素级角点提取,并利用提取的匹配角点坐标结合双目视觉测距公式实现距离测量。     

基于立体图像对的体视显示新算法研究与实现

研究了由带有视差的图像对恢复摄像机矩阵和空间物体的三维几何形状这一多视图三维重构问题,结合Hartley和Rorther等人提出的基于无穷远平面诱导的单应进行射影重构算法,提出了根据图像间的对应关系确定插补图像像素的位置和灰度的新算法,通过这种新算法输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好,速度快。     

Homography-based block motion estimation for video coding of PTZ cameras

Due to the constrained movement of pan-tilt-zoom (PTZ) cameras, two frames in the video sequences captured by such cameras can be geometrically related by a relationship (homography). This geometric relationship is helpful for reducing the spatial redundancy in video coding. In this paper, by exploiting the homography between two frames with optical flow tracking algorithm, we propose a novel homography-based search (HBS) algorithm for block motion estimation in coding the sequences captured by PTZ cameras. In addition, adaptive thresholds are adopted in our method to classify different kinds of blocks. Compared with other traditional fast algorithms, the proposed HBS algorithm is proved to be more efficient for the sequences captured by PTZ cameras. And compared to our previous work in ICME (Cui et al., 2011), which only deals with pan-tilt (PT) camera and calculates the homography with mechanical devices, in this extended work we compute the homography by using information on images instead.     

基于特征融合和L-M算法的车辆重识别方法

车辆重识别是在视频监控系统中, 匹配不同外界条件下拍摄的同一车辆目标的技术。针对车辆重识别时不同摄像机中同一车辆的图像差异较大,单一特征难以稳定地描述图像的问题,采用多种特征融合实现车辆特征的提取,该方法将车辆图片的HSV特征和LBP特征进行融合,并对融合特征矩阵进行奇异值分解,提取特征值。针对重识别模型训练时传统BP算法收敛速度慢,精度不高的问题,采用Levenberg-Marguardt自适应调整算法优化BP神经网络。实验结果表明,该方法在车辆的同一性识别方面的识别率达到975%,且对光照变化、视角变化都具有较好的鲁棒性。     

Real-time video-based rendering from uncalibrated cameras using plane-sweep algorithm

In this paper, we present a new online video-based rendering (VBR) method that creates new views of a scene from uncalibrated cameras. Our method does not require information about the cameras intrinsic parameters. For obtaining a geometrical relation among the cameras, we use projective grid space (PGS) which is 3D space defined by epipolar geometry between two basis cameras. The other cameras are registered to the same 3D space by trifocal tensors between these basis cameras. We simultaneously reconstruct and render novel view using our proposed plane-sweep algorithm in PGS. To achieve real-time performance, we implemented the proposed algorithm in graphics processing unit (GPU). We succeed to create novel view images in real-time from uncalibrated cameras and the results show the efficiency of our proposed method.     

Augmented Lagrangian-based Algorithm for Projective Reconstruction from Multiple Views with Minimization of 2D Reprojection Error

In this paper, we propose a new factorization-based algorithm for projective reconstruction from multiple views by minimizing the 2D reprojection error in the images. In our algorithm, the projective reconstruction problem is formulated as a constrained minimization problem, which minimizes the 2D reprojection error in multiple images. To solve this constrained minimization problem, we use the augmented Lagrangian approach to generate a sequence of unconstrained minimization problems, which can be readily solved by standard least-squares technique. Thus we can estimate the projective depths, the projection matrices and the positions of 3D points simultaneously by iteratively solving a sequence of unconstrained minimization problems. The proposed algorithm does not require the projective depths as prior knowledge, unlike bundle adjustment techniques. It converges more robustly and rapidly than the penalty based method. Furthermore, it readily handles the case of partial occlusion, where some points cannot be observed in some images.     

采用地平面约束的双目PTZ主从跟踪方法

在视频监控领域,包含PTZ（pan-tilt-zoom）相机的双目主从系统可以同时获取跟踪目标的全景信息和高分辨率信息,因此得到了广泛研究与应用。针对智能视频监控的需求,提出了一种基于地平面约束的双目PTZ主从跟踪方法。该方法分为离线标定和在线实时跟踪两个阶段。离线阶段,利用两相机不同视角间的目标匹配关系计算地平面所诱导的单应矩阵,提出了一种从两相机同步视频流中自动估计单应矩阵的方法,该方法与传统方法相比具有不需要标定物和人工干预的优点,然后采用匹配特征点的方法估计相机的主点和等效焦距。在线实时跟踪时,通过单应变换建立主从相机之间的坐标关联,并利用离线阶段标定的主点和等效焦距估计从相机控制参数,从而实现主从跟踪。与其他算法相比,该方法可以应用于宽基线的情形,能够适应目标深度的变化,满足了实时性的要求。室内、外场景的多组实验验证了所提方法的有效性。     

基于各向异性扩散的SAR图像斑点噪声滤波算法

在SAR(Synthetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD模型)的基础上,提出了一个基于各向异性扩散的SAR图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier 等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.