平行双目视觉系统的三维重建研究

随着图像处理,模式识别的快速发展,人们对双目视觉系统和三维创建越来越重视.本文研究和设计一套双目视觉系统目的是获得生动的立体图像.从二维图像恢复到三维图像实现了三维物体的可视化.     

平行双目视觉系统在康复理疗自动识别系统中的应用

本文在研究双目视觉和国内外康复系统发展现状的基础上,提出将计算机双目视觉技术应用于人体康复理疗自动识别系统,研究基于计算机双目视觉技术的人体康复过程自动识别系统。计算机立体视觉是机器人研究的重要内容,被人们广泛研究。随着研究的不断深入,计算机双目视觉技术在生物医学、制造工业和信息工业等领域逐渐显示出广阔的应用前景。本文研究从两幅二维图像获得三维场景的计算机平行双目视觉技术。主要研究目的是通过利用同一康复训练肢体的两幅不同图像实现空间三维坐标的重建。     

机器人双目视觉系统的算法研究与实现

针对计算机视觉系统在移动机器人中的应用,对摄像机标定、图像分割、模式识别、目标距离探测以及双目视觉系统在移动机器人导航中的运用进行分析与研究。文章提出了在特定三维场景中,对不同研究对象采取不同处理方式的复合算法,实现了对于机器人视野内简单几何物体的识别,同时使用双目摄像机结构,直接探测出目标物体相对于机器人的深度距离及其方位角度。     

基于双目视觉的运动目标跟踪与测量

在研究融合运动目标位置预测的Mean Shift跟踪算法和双目立体视觉中的空间点定位算法的基础上,基于双目视觉设计了双目立体视觉运动目标跟踪和测量系统,并在所进行的跟踪与测量实验中,提取了运动目标质心的三维坐标序列,实现了对目标深度和速度的测量。     

多目立体视觉在工业测量中的应用研究

以双目立体视觉系统为基础，提出了一种多目立体视觉测量的方法。该方法利用摄像机旋转来获取多幅图像，利用这些立体图像对中对应特征点的视差得到物体的深度信息，达到多目测量的目的，通过实验并与双目立体视觉相比较，验证了其在摄像机标定和提高测量结果精度方面的优越性。     

基于双目立体视觉避障的四旋翼飞行器设计

将双目立体视觉技术融入四旋翼飞行器设计,通过两个在相对水平位置上的单目相机模拟人的眼睛,在双目立体视觉测距系统上经过图像采集、双目矫正、双目立体匹配等步骤得到视差结果,计算出深度信息并进行三维重构,实现四旋翼飞行器一键起飞、定高、定点巡航、悬停及自主避障。实验结果表明,所设计的飞行器响应速度快,跟随性能好,定位精度较高。     

基于平行双目视觉技术的人体康复系统的研究

当前,计算机双目视觉技术在生物医学、制造工业和信息工业等领域应用越来越广泛,逐渐显示出很好的应用前景。在研究国内外双目视觉技术和康复系统发展现状的基础上,提出了一种从两幅二维图像获得三维场景的生成方法,对于实现基于双目视觉技术的人体康复过程自动识别系统,具有重要的应用价值。     

基于双目立体视觉的鞋楦三维建模

利用双目立体视觉的三维重建作为实现鞋楦数字化方法,避免了传统测量方法效率低、难以精确的困难.根据双目视觉原理,通过双CCD摄像机构成的双目立体视觉系统,论述了该系统的原理、结构,详细讨论了图像特征点提取、特征点立体匹配以及特征点三维重构等三维重构建模核心技术问题,并结合鞋楦特点,提出了相应的解决方法,提高了三维重构的准确性和质量,达到了实用的要求.     

基于Meteor II图像采集卡的图像实时处理系统开发

采用双目视觉技术和MeteorII图像采集卡开发图像处理系统。为了对双目视觉采集到的图像进行实时处理,提出了一种异步双缓存伪实时方法对图像进行处理。运行结果表明,系统基本满足了视频图像采集和处理的实时性需要。     

基于Meteor Ⅱ图像采集卡的图像实时处理系统开发

采用双目视觉技术和Meteor Ⅱ图像采集卡开发图像处理系统.为了对双目视觉采集到的图像进行实时处理,提出了一种异步双缓存伪实时方法对图像进行处理.运行结果表明,系统基本满足了视频图像采集和处理的实时性需要.     

计算机视觉系统框架结构研究

计算机视觉系统框架的研究对计算机视觉是十分重要的,它指导着计算机视觉的发展方向。文章对计算机视觉发展几十年来在系统结构框架方面(主要是三维重建理论框架和主动视觉理论框架)所取得的研究进行了回顾和总结,并在前人所取得的成果之上,根据现有的实际情况,对原有框架结构进行了一些补充,同时对计算机视觉系统框架提出一些新的看法。     

基于depth-map和分布式视频编码的多视点视频传输方法

针对多视点视频传输系统数据量庞大的问题,提出一种基于深度图(depth-map)和分布式视频编码(DVC)的不等错误保护(UEP)传输方法。该方法首先基于多个视点提取深度图;然后,在传输过程中传输一个视点及其深度图;最后,经过网络传输,在解码端由一个视点图及其深度图生成其他视点。由于视点图和深度图在解码端的重要程度不同,对需要传输的视点图和深度图采用不同的分布式视频编码方法,进行不平等的错误保护。仿真实验结果表明,所提传输方法比传统的分布式多视点视频编码传输系统具有更好的抗误码性能,提高了传输可靠性,图像的峰值信噪比(PSNR)约提高1.5dB。     

Stereo disparity optimization with depth change constraint based on a continuous video

Three-dimensional reconstruction based on stereo vision technology is an important research direction in the field of computer vision, and has a wide range of applications in industrial measurement, medical image reconstruction, cultural relic preservation, robot navigation, virtual reality and other fields. However, the three-dimensional reconstruction of moving objects usually has poor accuracy, low efficiency and poor visualization effect due to the image noise, motion blur, complex and time-consuming calculation etc. In this article, a disparity optimization method based on depth change constraint is proposed, which utilizes the correlation of the adjacent frames in the continuous video sequence to eliminate mismatches and correct the wrong disparity values by introducing a depth change constraint threshold. The experiments on the video images which are taken by a binocular stereo vision system demonstrate that our method of removing incorrect matches bears satisfactory results and it can greatly improve the effect of the three-dimensional reconstruction of the moving objects.     

中心折反射相机标定方法综述

近十几年来,计算机视觉越来越受研究者们的欢迎,特别是全景相机由于其具有较大的视场而被广泛应用到许多领域,包括视频监控、机器人导航、电视电话会议、场景重建以及虚拟现实等。摄像机标定是从二维图像获得三维信息必不可少的一步,摄像机标定结果的好坏直接决定着三维重建结果以及其它计算机视觉应用效果的好坏,所以,研究摄像机的标定方法具有重要的理论研究意义和重要的实际应用价值。这里将2000年到2012年折反射相机标定方法按照标定像的不同分为五大类：基于线的标定、基于二维标定块标定、基于三维点的标定、基于球的标定和自标定,且简要分析其优缺点。     

实时三维重建算法的实现——基于Kinect与单目视觉SLAM的三维重建

作为计算机视觉技术的一个重要分支,基于单目视觉的三维重建技术以其要求简单、成本低廉、易于实现等优点,得到了越来越多的关注。在室内环境下就智能机器人的同步定位以及环境地图创建（SLAM）算法展开了研究,引入RGB-D相机Kinect直接获取3D场景的深度信息,实现了一种基于单目视觉SLAM与Kinect的实时三维重建方法。     

角点检测技术综述

角点检测是机器视觉和计算机视觉领域的基本课题.角点有时也称为兴趣点,在简化图像信息数据的同时,还在一定程度上保留了图像较为重要的特征信息.角点检测在三维场景重建、运动估计、视觉跟踪以及图像配准与图像匹配等计算机视觉领域得到了广泛的应用.本文对现有的角点检测方法进行了分类及阐述,主要分为基于灰度强度的方法、基于边缘轮廓的方法,并将其余类别的角点检测方法也进行了汇总.并介绍了现有方法的部分测评技术以及实用案例,为图像角点检测技术提供参考和借鉴.     

基于视觉的人体运动捕捉技术研究

运动捕捉技术是计算机视觉和人体运动分析领域的研究热点,在计算机动画等领域拥有广泛的应用前景。在总结基于视觉的人体运动捕捉技术进展的基础上,分析运动跟踪、捕捉方法及技术难点,提出一种新的从视频提取人体运动信息,重现人体运动轨迹的方法、流程及系统设计框架。     

视觉图像三维重构计算一般性框架研究

三维实体数字图像重构建模是当前计算机视觉研究领域的热点课题,涉及到相机标定、对应点匹配和三维重构计算等关键技术.本文回顾了三维重构建模的研究现状,分析了现有理论和方法在实际应用中存在的问题;在此基础上进行了相关研究,总结出了三维重构计算的一般性框架,提出了一些研究观点和方法,并探讨了三维重构技术的难点和发展趋势.     

Learning stratified 3D reconstruction

Stratified 3D reconstruction, or a layer-by-layer 3D reconstruction upgraded from projective to affine, then to the final metric reconstruction, is a well-known 3D reconstruction method in computer vision. It is also a key supporting technology for various well-known applications, such as streetview, smart3D, oblique photogrammetry. Generally speaking, the existing computer vision methods in the literature can be roughly classified into either the geometry-based approaches for spatial vision or the learning-based approaches for object vision. Although deep learning has demonstrated tremendous success in object vision in recent years, learning 3D scene reconstruction from multiple images is still rare, even not existent, except for those on depth learning from single images. This study is to explore the feasibility of learning the stratified 3D reconstruction from putative point correspondences across images, and to assess whether it could also be as robust to matching outliers as the traditional geometry-based methods do. In this study, a special parsimonious neural network is designed for the learning. Our results show that it is indeed possible to learn a stratified 3D reconstruction from noisy image point correspondences, and the learnt reconstruction results appear satisfactory although they are still not on a par with the state-of-the-arts in the structure-from-motion community due to largely its lack of an explicit robust outlier detector such as random sample consensus (RANSAC). To the best of our knowledge, our study is the first attempt in the literature to learn 3D scene reconstruction from multiple images. Our results also show that how to implicitly or explicitly integrate an outlier detector in learning methods is a key problem to solve in order to learn comparable 3D scene structures to those by the current geometry-based state-of-the-arts. Otherwise any significant advancement of learning 3D structures from multiple images seems difficult, if not impossible. Besides, we even speculate that deep learning might be, in nature, not suitable for learning 3D structure from multiple images, or more generally, for solving spatial vision problems.     

基于退化多边形求交的多面体虚拟壳模型重构

三维模型的重建和表示是计算机图形和计算机视觉中一个重要的领域,其广泛应用于自动识别,工业自动化设计以及虚拟场景的重建。文中实现一个从照片序列重建三维物体多面体模型的系统,使用由轮廓恢复形体(SFS),通过经由轮廓光锥相交得到包围物体的虚拟壳。在系统中采用的共极线几何和增量运算把所有的三维的相交计算投射到二维平面的退化多边形求交来降低相交计算的复杂度。与传统多面体虚拟壳重构相比,算法有以下几点改进:在图像平面以退化多边形组织投影锥体和物体轮廓的交集,把任意锥面与物体轮廓的交集归一到一个退化多边形;基于退化多边形的二维平面上多边形快速相交算法。通过这些改进可以减少虚拟壳的生成时间并有助于实时绘制的实现。