基于动态规划的分层立体匹配算法研究

动态规划是双目立体匹配的经典算法,针对控制点动态规划算法易产生横向条纹以及立体匹配普遍的边缘性和弱纹理区域问题,提出一种基于金字塔分层双向动态规划的改进立体匹配算法。该算法将分层模型加入传统动态规划方法,以低像素层级为高像素层级提供控制点集,并在匹配代价计算中采用一种自适应相关性测度函数,加以匹配代价滤波,提高算法精确度及实时性并获取高精度视差图。以Middlebury标准库中的图片以及实拍图片作为实验对象,实验表明所提出的方法具有较好的性能。     

基于地面控制点的迭代动态规划立体匹配算法

提出一种基于地面控制点的迭代动态规划立体匹配算法.该算法首先利用左右图像对的颜色信息以及梯度信息计算视差空间图像,并得到左右视差图;然后运用左右一致性以及可信度约束得到地面控制点,并将地面控制点的约束信息填充到视差空间图像相应的列中;最后基于更新后的视差空间图像,利用迭代动态规划算法计算得到最终视差图.选用了一些标准图像对进行测试,实验结果表明该算法具有很好的性能.     

采用多级动态规划实现立体匹配

动态规划算法是立体匹配中比较流行的一种全局优化方法,然而传统的动态规划立体匹配算法因忽略了核线间像素对视差的影响,产生了比较明显的横向"条纹"效应.为了消除此效应,本文提出了一种采用多级动态规划的立体匹配算法.该算法通过建立初始视差空间,对核线间进行双向的动态规划运算,然后将合并得到的结果用于优化初始视差空间.基于新的视差空间在核线上进行双向的动态规划运算,最后求取使核线上和核线间动态规划合并结果最小的值作为所求视差.利用标准数据库Middlebury平台对提出的算法进行了测试.实验结果表明,该算法与传统的动态规划算法和基于扫描线优化算法相比,横向"条纹"效应有所改善,且总体误匹配率分别降低了28.60%和40.42%,提高了匹配结果的准确性.     

基于时间约束网络的动态规划调度算法

为解决与时间有关的规划调度问题,提出了一种基于时间约束网络的动态算法。该算法与传统的计算最短路径方法不同,它只需计算受到新增约束影响的局部网络。同时,给出了算法的最坏时间复杂性,并进行了证明。最后,以Job—Shop调度系统为例进行了仿真验证,结果表明,该算法可快速地判断约束网络的一致性,并计算每个工序的最早可能开始时间。     

改进的基于跨尺度代价聚合的立体匹配算法

为了提高室内自动物流装置以及工业抓取设备的准确性与速度,提出一种改进的基于跨尺度代价聚合的立体匹配方法。针对传统的基于跨尺度代价聚合的立体匹配方法在低纹理区域、无纹理区域误匹配较高的问题,对不同下采样层的代价卷使用不同的代价聚合方法,使不同下采样层间的不同聚合方法能够相互融合与抑制。为了解决跨尺度代价聚合框架中采用引导滤波时计算耗时较长的问题,引入了快速引导滤波。在偶数下采样层使用快速引导滤波,在奇数下采样层使用区域树代价聚合,从而使新的算法获得更精确的视差图,且极大地减少了计算耗时。     

基于双向扫描算法的小线段速度规划

为提高数控系统加工产品的速度,提出了基于双向扫描算法的小线段速度规划方法.以直线加减速为例,导出小线段加工过程中进给速度的关键约束条件,建立了小线段高速加工的衔接速度规划数学模型,提出一种以最大进给速度为目标的双向扫描算法,以获得路径段衔接点处的最优进给速度.该方法通过对加工路径的正反向扫描,得到满足小线段路径的几何特性和机床的物理限制等多种约束的衔接点进给速度可行域.仿真和加工结果表明,该方法能实现衔接点进给速度的高速衔接,大大提高了加工效率.     

基于近似动态规划的动态车辆调度算法

针对物流配送服务业中,车辆调度问题日渐呈现任务规模大,车辆类型多、属性多,调度实时性要求越来越高等特点,提出了基于近似动态规划的动态车辆调度算法。根据当前的任务需求与车辆状态以及相应的约束条件作出相应的调度,并且对一些样本进行训练,得到了一个近似价值函数。通过该价值函数,即可对任务迅速作出相应的决策。仿真模拟实验证明了该算法的有效性和优越性。     

一种基于自适应窗口和图切割的快速立体匹配算法

针对基于图切割的立体匹配算法计算量大的缺点,提出了一种新的快速立体匹配算法。首先根据图像边缘特征自适应变化窗口,并采用灰度差平方和匹配(SSD)作为相似判定准则计算初始视差图,再通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项,最后采用图切割(graph cuts)算法求取使全局能量最小的视差最优分配。通过标准图像对测试了提出的方法,并与其他方法进行了比较,实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法对大的低纹理区域和遮挡像素较好处理的优点,而且匹配时间短,运行时间比原有算法约缩短了三分之二,能够满足工程实用性的要求。     

一种基于区域立体匹配算法的实现及改进

在立体视觉中,立体匹配是立体视觉中算法中最重要也是最难的部分。如何更快更精确的建立两幅图像的匹配基元之间的对应关系,以及解决区域匹配算法计算量大等缺点,一直是立体匹配中的热点。文中首先将图象进行外极线校正,在此基础上,采用一种隐含约束条件结合唯一性约束条件的单向匹配算法(SMP算法),完成了初次匹配及初次去除伪匹配,再采用一种伪极线约束条件,对得到的匹配对进行二次去除伪匹配,最后,对得到的视差图进行插值运算,提高了匹配精度。另外,在匹配过程中,通过Box滤波加速方法,减少了计算匹配窗口相似性的复杂度,缩短了程序运行时间,可以满足系统对实时性的要求。     

区域立体匹配算法的实现及改进

为了精确地建立两幅图像的匹配基元之间的对应关系,解决区域匹配算法计算量大等缺点,给出了一种区域立体匹配算法的实现及改进方法。将图像进行外极线校正,并在此基础上,采用一种结合隐含约束条件和唯一性约束条件的单向匹配算法（SMP算法）完成初次匹配及初次去除伪匹配;然后采用一种伪极线约束条件,对得到的匹配对进行二次去除伪匹配;最后,对得到的视差图进行插值运算。与SMP算法相比,本文算法的匹配精度提高了10％左右。另外,在匹配过程中,通过利用Box滤波加速方法,减少了计算匹配窗口相似性的复杂度,程序运行时间比BM算法缩短了50％。结果表明,改进后的算法提高了精度且能满足系统对实时性的要求。     

基于色彩分割和自适应窗口的快速立体匹配

针对现有立体匹配算法难以兼顾匹配精度和速度的不足,提出了一种基于联合匹配代价的局部方法.首先,根据视差在同一色彩分割区域内平滑变化的假设,提出了一种利用参考图像和目标图像的色彩分割信息获得的基于任意形状和大小支持区域的匹配代价;然后在RGB色彩空间中,通过由窗口内的平均匹配误差、误差方差及较大窗口的偏向误差构成的窗口选择评价函数,获得基于自适应矩形窗口的匹配代价;最后,将这两种匹配代价进行有机的结合构成联合匹配代价,并通过局部优化方法获得稠密视差图.采用Middlebury dataset进行的实验结果表明,本文算法不仅可以提高视差不连续区域和低纹理区域的匹配精度,而且获得的视差与当前主流算法具有可比性.此外,所提算法的处理时间较之当前优秀的局部方法提高了约19～35倍.     

基于线性生长的区域立体匹配算法研究

图像的区域立体匹配是立体视觉中的重点研究课题之一,实时可靠应用的关键在于视差图的可靠性和计算复杂度.提出了一种基于线性生长的区域立体匹配算法,实现从立体图像对中提取深度信息,获得更可靠视差图的方法.该算法包括根点选择和区域生长2个部分,获得视差图的计算时间短,利用滤波可以提高视差图的可靠度.最后对此算法生成的结果进行了比较分析.     

Fast stereo matching based on edge energy information

A new improvement is proposed for stereo matching which gives a solution to disparity map in terms of edge energy.We decompose the stereo matching into three parts:sparse disparity estimation for image-pairs,edge energy model and final disparity refinement.A three-step procedure is proposed to solve them sequentially.At the first step,we perform an initial disparity model using the ordering constraint and interpolation to obtain a more efficient sparse disparity space.At the second step,we apply the energy function by the edge constraints that exist in both images.The last step is a kind of disparity filling.We determine disparity values in target regions based on global optimization.The proposed three-step simple stereo matching procedure yields excellent quantitative and qualitative results with Middlebury data sets in a fast way.     

基于生物信息学中双DNA序列比对 算法的图像立体匹配及其实现

提出了一种基于生物信息学中双DNA序列比对算法的图像立体匹配新方法。图像立体匹配和生物信息学中双DNA序列比对的实质都是在匹配准则下搜索最佳匹配基元,因而新颖地将双序列比对算法引入图像立体匹配。首先介绍了基于动态规划的双序列比对算法原理及其用于图像立体匹配的实现方法,然后根据左右摄像机的最大视差是一个有限定值,进行了算法改进,极大地减少了计算量,并给出了VC6.0中的实现流程,最后采用4组不同的图像对进行了实验验证。该方法具有较低的计算复杂度和适宜于并行计算的特点,生成的视差图效果表明双序列比对算法为图像立体匹配提供了一个实用有效的方法。     

基于置信传播的立体匹配并行算法

考虑在双目立体视觉匹配算法中置信传播算法虽然能获得较好的视差图但匹配速度较慢,本文提出了一种基于置信传播的并行匹配方法.该方法以置信传播为基础,采用并行机制来提高匹配速度.首先,利用最优边缘算法计算图像中的边缘信息;然后,利用边缘信息将整个待匹配视图切割成若干小的区域,使用OpenMP多核优化算法并行对各个小区域进行匹...     

基于脉冲耦合神经网络和Markov随机场的立体匹配研究

立体匹配是寻找立体图像对中对应点的问题,是立体视觉的核心问题。现有立体匹配算法通常是就立体匹配问题建立适当的数学模型并进行求解,在匹配速度和匹配精度之间存在矛盾。以生物视觉研究为背景,提出一种基于脉冲耦合神经网络(PCNN)的立体匹配方法。该方法以Markov随机场(MRF)上的贝叶斯模型为基础,并利用PCNN建立其似然概率模型。将左右2幅图像分别输入到2个PCNN网络,通过迭代生成点火时间序列。引入点火时间序列的平均点火时间差的概念,利用2个像素对应神经元的平均点火时间差来评价2个像素的相似性,并以此为基础确定似然概率。最后利用信任传递(BP)算法求解Markov随机场模型的最大后验概率问题。利用广泛使用的立体视觉测试图像对算法进行了实验。实验结果表明该算法能够有效实现立体匹配,匹配效果较好。     

基于图像校正与灰度相关性的立体匹配算法研究

立体匹配是双目视觉系统中必不可少的环节,对特征点进行匹配求解过程复杂,而且误匹配率较高。外极线约束为立体匹配提供了便利条件,但由于实际系统中的外极线是弯曲的,使得沿外极线进行同名点搜索不仅非常耗时,而且计算过程受噪声影响大。给出一种基于图像校正与灰度相关性的立体匹配算法。首先采用图像校正方法将弯曲的外极线变为相互平行的水平外极线,简化了外极线的求取过程;再利用灰度相关性算法对同名点进行匹配。实验结果验证了本文方法的准确性和稳定性。     

基于种子点传播的快速立体匹配

针对计算机视觉中的对应点误匹配问题,提出了一种基于种子点传播的快速局部立体匹配算法来进一步提高匹配算法的运行效率。该算法首先利用Canny算子提取图像边缘,结合边缘信息构造动态匹配窗口,以克服固定窗口对匹配带来的不利影响;然后利用AD-Census联合匹配代价在动态窗口上进行代价聚集,用WTA搜索策略得出初始视差图,对视差值进行筛选以确定种子点;随后利用像素间颜色差异将种子点的视差值传递给周围非种子点;最后采用区域投票和局部校正方式对视差值求精,进而获取精确的稠密视差图。实验结果表明,该算法可对Middlebury测试图生成高质量的视差图。与目前较新的局部立体匹配算法相比,其运行速度提高了1.8倍,满足了实际应用对速度和精度的要求,具有较高的实用价值。