“两步法”求取双目视觉传感器中摄象机位置关系

根据平行线“消隐点”理论，提出了用于双目视觉传感器自标定的“两步法”。该方法仅需４对消隐点象面坐标便可线性求解出旋转矩阵，再用２个空间点坐标便可线性求解出平移矢量。     

基于梯度值的自适应窗口立体图像匹配算法

针对基于区域的立体图像匹配算法支持窗口难以选择,容易出现窗口过大或过小的问题,提出一种新的自适应窗口立体图像匹配算法。该算法利用Sobel梯度算子计算像素梯度值,并根据其梯度值动态地获取具有自适应的支持窗口,然后分别选择相似性测度函数SAD或NCC搜索最佳匹配点,获得视差图。此外,算法在窗口选择过程中进行优化,减少了计算量。实验结果表明,改进后的算法提高了匹配正确率且计算时间缩短了近5%。     

基于损失自注意力机制的立体匹配算法研究

针对现有的立体匹配算法在阴影、物体边缘和光照反射等区域匹配困难且存在大量错误结果的问题,设计了一种可拆卸的损失自注意力网络（loss self-attention net,LSAnet）查找图像中的匹配困难区域。LSAnet的网络各层相互稠密连接,应用了空洞卷积来扩大感受野,并以立体匹配算法生成的损失分布为标签,能够动态地进行有监督训练,最终生成匹配困难区域掩膜辅助立体匹配网络进行更好的优化;同时,改进了立体匹配网络中经典的特征匹配代价卷结构,降低了后续3D卷积的计算负荷,提高了匹配效率。实验结果表明,该算法相比于基准算法精度更高,并且可以提高算法对于匹配困难区域的鲁棒性。     

双目视觉系统在风洞伞摆角测量中的研究与应用

伞系统是飞行器的重要组成部分,其摆角参数是系统安全性的重要指标之一;针对目前风洞试验中伞摆角难以测量的问题,提出了一种基于双目视觉系统的试验方法,该系统主要由两部CCD相机、图像采集卡和控制计算机组成,通过立体视觉标定和数字图像处理技术解算出空间特征标记的三维坐标,根据坐标的空间几何关系计算出伞摆角参数;试验结果表明该方法应用成功,能够同时获取伞运动过程中投影在正交平面上的竖直和水平摆角,且具有系统组成简单、通用性强的优点,有较高的应用价值。     

基于双目视觉和Voronoi图的移动机器人地图构建研究

在双目视觉传感器的基础上,应用改进后的SIFT(Scale-invariant feature transform)算法确定障碍物的三维坐标,提出最大包围盒的思想,将处理后的数据作为Voronoi图的建模生成元,完成移动机器人的全局地图构建;基于V图构建的地图的最大的优点是移动机器人行走的路径是障碍物离散中心的中垂线,可以保证机器人在运行过程中最大程度地远离障碍物;试验结果表明应用该方法构建的地图可靠性高,符合导航的要求。     

基于多尺度注意力网络的立体匹配方法

为解决网络深度与训练图像块大小耦合问题及进一步提高弱纹理区域及边缘处的匹配精度,提出了一种基于多尺度注意力网络的立体匹配方法.该方法将立体匹配过程分为2个阶段：第1阶段提出了一种成本网络用于计算匹配成本,该网络由基础网络层和缩放层组成.第2阶段提出了一种基于多尺度注意力的视差求精网络,该视差求精网络综合了多种视差线索,并加入多尺度注意力机制进一步提高立体匹配精度.该方法在KITTI 2012、KITTI 2015和SceneFlow数据集上的3像素坏点百分比分别为1.13%,1.87%和2.29%.实验结果表明,与国内外同类方法相比,采用多尺度注意力网络的立体匹配方法在匹配精度上获得了较大的提升,尤其是在弱纹理区域及物体边缘处表现较好.