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.     

基于行列双向约束的动态规划立体匹配算法

为了克服传统的动态规划立体匹配算法会产生明显条纹状瑕疵的缺陷,提出一种同时考虑行列双向约束的动态规划立体匹配算法。该算法首先利用扫描线信息中所包含的视差不连续性和遮挡现象构造出一种新的全局能量代价函数;然后进一步设计了基于此能量代价函数的全局优化策略,在保证扫描线行方向上视差平滑性的基础上,解决了扫描线列方向上的视差不连续性问题;最后通过动态规划寻找最优路径来获得匹配点和遮挡点的视差,从而得到稠密视差图。实验结果表明,所提出的算法不但能够有效消除视差图中的条纹状瑕疵,而且在匹配精度上能够取得较好的效果。     

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。     

基于弱纹理检测及视差图融合的立体匹配

为了在消除弱纹理区域匹配歧义性的同时保证纹理区域的匹配率,提出了一种基于弱纹理区域检测及视差图融合的立体匹配算法.该算法首先根据输入图像的颜色(灰度)变化情况检测出弱纹理区域,然后基于这一检测结果,对输入图像对应用改进的极线距离变换算法,以提高弱纹理区域像素的可区分性,接着,采用窗口匹配算法和置信度传播算法分别对原始输入图像和极线距离变换后的图像计算视差图谱,最后,以弱纹理检测的结果为基准,对这2张视差图谱进行融合,以实现在弱纹理区域和纹理区域的同步最优匹配.通过对弱纹理化后的Middlebury图像库中图像的实验表明,在几乎不增加计算复杂度的同时,该算法的匹配率比当前先进算法提高至少20％,同时,实验还表明了该算法对照度不一致输入图像对匹配的鲁棒性.     

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。     

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。     

融合多尺度信息的各向异性立体匹配

针对传统立体匹配算法准确率低且在弱纹理区域存在误匹配的问题，提出融合多尺度信息的各向异性立体匹配算法(ASMSI)。首先构造各向异性的匹配代价计算函数，将梯度和相角信息引入代价计算过程中用于剔除弱纹理区域的离群点；随后采用融合多尺度信息十字交叉代价聚合计算每个支持域内的匹配代价；进一步经赢家通吃策略生成初始视差图；在此基础上进行左右一致性检测及后处理得到精修后的视差图；最后通过仿真实验对比图像中非遮挡、深度不连续区域的误匹配率和运行时间来评价算法模型。实验结果表明：所提算法能有效解决弱纹理区域的误匹配问题，使匹配准确率提高了5.02%,能够满足立体匹配过程中高效率、高精度的要求。     

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。     

一种改进的快速立体匹配算法

提出了一种改进的快速立体匹配算法。对于双目视觉系统采集的2幅图像,首先采用区域匹配算法进行初始快速立体匹配,再采用左右一致性检验剔除误匹配点,得到立体匹配的初始视差图。然后将初始视差作为图割法构图的限制条件,对初始视差图进行二值分割。最后对分割获得的前景区域和背景区域施加不同的限制,并通过修正能量函数,使构图网络大大减小,从而进一步提高了匹配速度。试验结果表明,该算法既提高了立体匹配速度,又保证了匹配精度。     

面向人为差错的多通道约束匹配模型

为减少用户使用产品时出现人为差错的概率,提高产品的使用效率,建立了面向人为差错的多通道约束匹配模型。分别从认知层面与执行层面对造成人为差错的因素进行探讨,应用基于假设的真值维护系统理论得到3种差错类型,分别为认知错误、认知失效和操作失误。从视觉、听觉和触觉3个通道为产品加载设计约束,构造问题求解器,建立差错类型环境与通道类型集合的映射关系,从而得到多通道约束匹配模型,实现非单调推理。以某品牌车载导航仪为例,提取人为差错因子,基于多通道约束匹配模型架构建立导航任务过程中的面向人为差错的多通道约束子模型,并通过该子模型找到导航出错的有效约束,从而减少车载导航仪在使用过程中产生的人为差错,提升车载导航仪使用绩效。建立面向人为差错的多通道约束匹配模型,为减少用户使用产品出现人为差错提供了基础研究架构。     

用极线束约束方法进行图像匹配后的质量控制

在立体视觉匹配过程中,不可避免的会出现大量的误匹配点.图像匹配后的质量控制是检测误匹配点的基本方法.本文将对进一步提高匹配准确率进行探讨.基于连续性假设,在射影几何意义下,本文利用一种外极线束和匹配点的整体信息,对相似性匹配结果进行检测,剔除其中的误匹配点.实验结果证明,极线束约束具有较强的误匹配检测能力,大大提高了匹配准确度.     

窗口融合特征对比度的光学遥感目标检测

提出了一种基于窗口融合特征对比度的光学遥感目标检测方法。首先,在训练图像上生成大量不同尺寸的滑动窗,计算了各窗口的多尺度显著度、仿射协变区域对比度、边缘密度对比度以及超像素完整度4项特征分值,在确认集上基于窗口重合度和后验概率最大化学习各个特征的阈值参数。然后,采用Naive Bayes框架进行特征融合,并训练分类器。在目标检测阶段首先计算测试图像中各窗口的多尺度显著度分值,初步筛选出显著度高且符合待检测目标尺寸比例的部分窗口。然后计算初选窗口集的其余3项特征,再根据训练好的分类模型计算各个窗口的后验概率。最后,挑选出局部高分值的候选区域并进行判断合并,得到最终目标检测结果。针对飞机、油罐、舰船等3类遥感目标的检测结果显示:4类特征在单独描述3类目标时表现出的性能各有差异,最高检测准确率为74.21%~80.32%,而融合方案能够综合考虑目标自身特点,准确率提高至80.78~87.30%。与固定数量滑动窗方法相比,准确率从约80%提高到约85%,虚警率从20%左右降低为3%左右。最终高分值区域数降低约90%,测试时间减少约25%。得到的结果显示该方法大大提高了目标检测精度和算法效率。     

角接触球轴承外沟位置测量压点移位对测量误差的影响

通过对角接触球轴承外沟位置测量误差的分析,在磨加工过程中对测量误差加以调整,有利于提高双联、多联轴承的配对率和万能组配的合格率。     

基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

高强钢薄板高温焊接变形的视觉测量

为了实现高强钢薄板高温焊接条件下屈曲变形的准确测量,基于数字图像处理技术、立体视觉原理及数字图像相关法,提出一种高强钢薄板全场动态焊接变形的视觉测量技术,并以规则散斑图像的高精度匹配方法研究为基础,将其应用到焊接图像中。针对焊接高温导致的散斑纹理的变色或脱落,采用高温漆与高温胶混合涂布的方式,获得了低成本、高稳定性的散斑纹理。选择薄板背侧进行测量以及在相机镜头前加装滤光片组的方法,抑制焊接过程中的强光、火花及烟雾的干扰。采用高斯平滑的数字图像处理技术,寻找最佳滤波参数并应用到焊接图像中,在保证测量精度的前提下提高了图像匹配的成功率及精度。实验结果表明,该方法能够有效地降低焊接图像匹配的均值误差、均方根误差及Z向静态均值误差,均值误差最大降幅为78.6%,均方误差最大降幅为47.7%,Z向静态均值误差降幅为37.9%。本文的方法和系统可以满足焊接高温条件下薄板屈曲变形的全场应变测量要求,散斑纹理稳定,散斑图像匹配成功率高、稳定性好,是薄板全场动态焊接变形检测的有效途径。     

LabVIEW中多任务窗口管理方法

基于LabVIEW和Win32API函数设计了4种窗口管理方法,用于汽车ESP混合仿真平台宿主机程序开发。包括桌面顶层窗15／枚举方法、错误消息屏蔽方法、子VI调用深度检测方法和前面板窗15／属性管理方法,编写了相应的接15／子VI,并在实车平台上进行了测试。测试运行可靠、稳定,重复性好,较好地满足了应用要求。     

直线—圆弧齿廓内齿轮副的齿形优化设计

圆弧齿廓外齿轮和直线齿廓内齿轮都可以通过磨削加工解决内齿轮副硬齿面的加工问题,用圆弧齿廓替代与直线齿廓内齿轮啮合的外齿轮齿廓会引起啮合传动误差,通过误差分析,提出了其误差计算公式,以该啮合传动误差为最小作为目标函数,对直线-圆弧齿廓内齿轮副齿形进行了优化设计,结果表明齿形误差仅为几微米.     

基于CAD模型的单目六自由度位姿测量

为实现单目摄像头对一般工业零件的六自由度位姿测量,研究了离线模板库自动建立,图像处理以及优化匹配3个方面的问题。首先,由STL文件格式的CAD文件建立不同观察方位下的匹配模板,定义了一种方便模板库调用并有图像意义的位姿描述参数。然后,对Chamfer Match方法进行改进,将距离映射图按边缘倾角分层,结合模板探索点的倾角进行匹配,在不增加运算量的情况下提升匹配度函数的灵敏性。最后,使用加入了退火算法的遗传算法进行最优搜索,从而提高匹配效率。实验结果表明:基于文中的方法完成一次位姿测量耗时在500ms以内,搜索可以获到正确的结果。在330mm观察距离上,平移误差和深度方向误差分别控制在1mm、2mm以内,转角误差为1°左右。得到的结果基本满足单目视觉六自由度位姿快速匹配自动测量的要求。     

面向变化场景的 LiDAR 鲁棒定位与地图维护方法

无人车在工业场景自主运行时,通常基于先验地图匹配对自身进行定位,然而场景变化会影响其定位精度。针对于此,本文提出了一种面向变化场景的激光雷达鲁棒定位与地图维护架构,其包括地图匹配、定位优化、地图维护模块。在该架构中,提出了一种基于变化检测的匹配算法,降低了变化场景引起的匹配误差;设计了基于激光雷达里程计与先验地图匹配的因子图融合模式,提高了定位解算鲁棒性;提出了一种基于最近点搜索的误检测点滤波方法,提高了变化点检测准确性。最后,通过仿真与试验搭建了变化场景验证环境,对基于Loam的匹配算法与本文算法进行了对比验证。结果表明,本文算法可以有效抑制场景变化引起的匹配误差,在实际场景中定位均方根误差优于3 cm,定位精度相较于传统算法提高67.4%。