视觉基础矩阵估计方法的性能比较与分析

基础矩阵描述了单个场景的2幅视图之间的对应关系,在计算机视觉领域中扮演着极其重要的角色.首先讨论了三维视觉系统中的极线几何理论,随后论述了几类基础矩阵的估计方法,并对这些方法作了详细的比较和评价,最后实现了各种算法且使用仿真数据以及真实图像数据对各自的性能作了分析和总结.比较结果说明:1)如果图像特征点定位精确并且匹配无误,则线性方法的结果相当好;2)迭代算法可以解决定位的高斯噪声,但是当数据存在错误匹配时,性能很差;3)鲁棒算法能够同时解决定位误差和误匹配两类问题.此外,模拟实验和真实图像实验的结果表明,基于特征分析的正交回归最小二乘法的计算结果优于经典的线性最小二乘法.     

基于遗传算法不同策略下的基础矩阵估计方法

在未定标系统中，对极几何约束给出了图像间的全部信息，成为解决许多视觉问题的关键环节，提出了一种基于遗传算法不同策略下的基础矩阵估计方法，它利用每个基因代表一个匹配点，每条染色体作为基础矩阵计算时的最小子集，并根据染色体长度决定采用何种策略估计基础矩阵，此方法在很大程度上减小了出格点对估计过程的影响，能够较好地汇聚到全局最优解，模拟数据和真实图像的实验结果都表明，所给出的方法能够有效地检测和删除错定位和误匹配点，提高了基础矩阵估计的鲁棒性和精度。     

基于各点异性理论的基础矩阵鲁棒估计

针对基础矩阵常用算法对噪声过于敏感、抗干扰能力差等缺点,基于误差与变量相关（Errors-in—Variables,EIV）模型提出1种新的鲁棒性基础矩阵估计算法．该算法采用各点异性回归技术,建立EIV模型,依据数据矢量观测集合最优地估计EIV模型参数和数据矢量真值集合．实验结果表明,在存在较大噪声干扰的条件下,此算法仍能较为准确地估计基础矩阵,具有良好的鲁棒性和较快的运算速度.     

一种加权计算基础矩阵的高精度算法

分析了图像匹配点对基础矩阵的不同影响,引入具有明显几何意义的匹配点到对极线的距离作为匹配点的加权因子,将匹配点集合看作随机变量并将加权因子作为匹配点的概率分布。在此基础上对原始图像数据进行归一化处理,利用8点算法得到基础矩阵。大量的试验结果表明,该方法明显降低了计算余差,提高了基础矩阵的计算精度。     

图像重构中估计基础矩阵的线性迭代算法

基础矩阵给出了图像间对极几何关系的代数描述,对其精确估计一直是未标定图像序列重构中的一个非常关键的问题.本文在8点算法的基础上,通过引入与对极距离有关的权因子,给出了一种高精度估计基础矩阵的线性迭代算法.实验结果表明,与归一化8点算法相比,此算法具有更强的抗噪声能力,更小的计算误差,从而提高了所估计基础矩阵的精度.     

单对基础矩阵的延拓型视觉密码构造方法

本文概括总结了Atenies-Blundo-Santis-Stinson延拓型视觉密码模型,讨论了使用单对基础矩阵的门限模型及一般访问结构模型,研究了使用单对基础矩阵的延拓型视觉密码模型及构造方法,提出了基于并置矩阵的延拓性门限及一般访问结构视觉密码的构造方法。     

基于三视图约束的基础矩阵估计

考虑到只依赖对极几何关系的匹配点余差并不能完全区分匹配点的正确与否,从而影响内点集选取的情况,提出基于三视图约束的基础矩阵估计算法。首先,使用传统随机抽样一致性（RANSAC）算法计算三视图的任意两对相邻图像间的基础矩阵,确定三视图中共有的匹配点对,并计算估计基础矩阵时非共用图像上的匹配点在共用图像上的极线;然后,计算两条极线的交点与共用图像上对应匹配点间的距离,以距离值的大小作为内点判断的依据,得到新的内点集。在新内点集的基础上,采用M估计算法重新计算基础矩阵。实验结果表明：该方法可以同时降低噪声和错误匹配对基础矩阵精确计算的影响,精度优于传统鲁棒性算法,使点到极线的距离限制在0.3个像素左右,而且计算结果具有稳定性,可以被广泛地应用到基于图像序列的三维重建和摄影测量等领域中。     

基础矩阵估计的加权归一化线性算法

基础矩阵是对来自同一景物的两幅未定标图像进行分析的基本工具.对其进行估计的常用线性算法有八点算法和改进的八点算法,其最大的优点是运算简单、易于实现,但对噪声和错误数据较敏感,因此实用性差.通过引入与余差有关的代价函数,给出了一种新的鲁棒性线性算法——加权归一化算法.首先将原始输入数据加权归一化处理,然后再用八点算法求F阵的8个参数,实现了F阵的估计.大量的模拟数据和真实图像的实验结果表明,此算法不仅具有良好的鲁棒性,而且可提高基础矩阵的估计精度.     

基于改进遗传算法的基础矩阵估计方法

基础矩阵估计是计算机视觉的基础。提出了一种新的基于改进遗传算法的基础矩阵估计方法,它以8个匹配点作为最小匹配点集组成染色体,并利用改进8点法估计出相应的基础矩阵,同时以对极距离为核心构造适应度函数,并对传统遗传算法进行了优化改进。实验证明,此方法在估计精度和鲁棒性等方面有很大提高,易于实际应用。     

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法--加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.     

基于极线几何约束的非标定图像的立体匹配

立体匹配是计算机视觉领域的一个关键问题，是计算机三维重建中的一个核心问题。基于极线几何约束是特征匹配中最强有力的约束，独立于场景结构，因此将特征匹配与极线几何有机结合起来，实现了一个鲁棒的匹配算法在非标定图像中的应用。其中，对基础矩阵估计及其引导匹配均采用点到极线距离最小约束准则。对真实图像的实验表明，该算法具有较好的实用性。     

一种无相机标定的极线校正新方法

提出一种无相机标定的立体图像对的极线校正新方法。该校正方法并不依赖基本矩阵F的精确求解,而是通过空间变换法分析校正前后图像点对应关系,依此分解并参数化描述极线变换矩阵,直接利用极线方程和图像的对应点集建立误差平方和函数,并运用非线性最小二乘法求解,使该函数取得最小值的变换参数。实验证明,该校正方法能够较好地消除垂直视差,图像产生的变形较小。     

一种无需基础矩阵的鲁棒性极线校正算法

立体视觉校正也称为极线校正,它的目的是使得立体图像的对应极线平行于水平方向,消除垂直方向上的视差,从而使得在立体匹配过程中可以更为快速准确地寻找对应点.在传统的投影校正算法的基础上提出了一种鲁棒性校正算法,直接通过原始匹配点计算投影变换矩阵,利用遗传算法良好的全局搜索能力和Levenberg-Marquardt算法稳定快速的局部搜索功能进行分步优化计算,同时本算法采用了随机抽样一致算法（RANSAC）鲁棒估计思想,避免了由于对应点噪声引起的误差.此外,还针对两个平行放置的摄像机之间具有较小运动的情况,提出了一种鲁棒的优化函数.实验结果说明,该算法是一种有效的极线校正方法.     

Toeplitz矩阵之逆矩阵的新分解式及快速算法

本文利用线性方程组是否有解给出了Toeplitz矩阵可逆的条件,表明Toeplitz矩阵的逆矩阵可以表示为循环矩阵与下三角Toeplitz矩阵的乘积之和,给出了其逆矩阵列的递推公式,得到了求Toeplitz矩阵之逆矩阵的快速算法,计算复杂性为O(n2),一般n阶矩阵求逆的计算复杂性为O(n3).     

A Unified Theory of Uncalibrated Stereo for Both Perspective and Affine Cameras

This paper addresses the recovery of structure and motion from uncalibrated images of a scene under full perspective or under affine projection. Particular emphasis is placed on the configuration of two views, while the extension to $N$ views is given in Appendix. A unified expression of the fundamental matrix is derived which is valid for any projection model without lens distortion (including full perspective and affine camera). Affine reconstruction is considered as a special projective reconstruction. The theory is elaborated in a way such that everyone having knowledge of linear algebra can understand the discussion without difficulty. A new technique for affine reconstruction is developed, which consists in first estimating the affine epipolar geometry and then performing a triangulation for each point match with respect to an implicit common affine basis.     

视图合成中基础矩阵的鲁棒性估计算法

在未定标系统中，对基础矩阵进行稳定估计是视图合成的关键环节。本文考虑到各匹配点由于误差不同而对基础矩阵造成的不同影响，通过在最优目标函数中引入与余差有关的权重因子提出了一种新的迭代加权线性算法。实验表明，此方法进一步提高了基础矩阵的估计精度，具有较好的稳定性且运算速度快，易于实现。     

一种基于基本矩阵的相机畸变差自动校正方法

在计算机视觉的应用领域中,为了提高图像量测和3维重建的精度,必须对相机的畸变误差进行修正。为此提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正。试验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果。