基于双目视觉的深度图立体匹配算法研究改进

双目立体视觉可以直接模仿人眼与人类视觉的立体感知过程,是计算机视觉研究的核心课题之一。文章主要针对图像的立体匹配算法研究,对区域相关算法进行了分析。在传统的NCC基本灰度相关度测度函数的基础上,将动态规划优化理论引入到匹配中,提高了匹配的速度和准确度。实验表明,本文算法能够满足目标跟踪试验要求,具有重要的理论意义和较高的实用价值。     

基于双目视觉系统的列车轨道异物距离检测

在线检测列车与轨道异物问的距离并为驾驶员提供减速信息对于行车安全具有重要意义。本文提出了一种基于双目视觉系统的列车轨道异物距离检测方法。通过对在机车上架设的摄像机获得的双目图像中待测目标对应点的准确匹配,应用双目视觉系统原理,根据左右视觉图像的视差实现机车与异物间距离的计算。     

基于低负载运算平台的双目视觉快速匹配算法

针对计算机视觉系统在低负载运算平台下的应用,对双目立体视觉系统中的图像特征提取和多分辨率图像匹配处理算法进行分析与研究。在对已有的图像降晰算法进行实验分析的基础上,提出了适用于低负载运算平台的双目视觉快速匹配算法。研究结果表明:该算法与已有的图像特征点匹配算法相比,算法执行时间缩短了约80%。基本满足低负载运算平台如自主移动机器人、车载摄像机等的要求,降低了运算难度,实现了目标定位实时性,同时兼顾了图像匹配精度和高可靠性。     

基于FPGA的双目立体视觉系统

立体视觉的目的之一就是为了获得周围场景的3维信息,其关键在于匹配算法。然而即便是使用目前先进的通用处理器,其计算致密视差图所需的时间仍无法满足高速自主导航的需求。为了解决这个问题,提出了一种基于现场可编程门阵列(FPGA)的双目立体视觉系统的设计方案,同时介绍了系统的硬件结构,并在讨论区域匹配的快速算法的基础上,提出了基于FPGA的像素序列和并行窗口算法框架,用以实现零均值像素灰度差平方和(ZSSD)的匹配算法。该算法是先将视频信号经解码芯片生成场景立体图像对,并由FPGA来完成立体图像对的几何校正和ZSSD匹配算法,然后将获得的致密视差图通过PC I总线发送至上位机。实践表明,该算法效果好、速度快,不仅具有较强的鲁棒性,并且硬件系统性能稳定、可靠。此外,该方案还适用于像素灰度差的绝对值和(SAD)和像素灰度差的平方和(SSD)等多种传统区域匹配算法的快速实现和实时处理。     

基于双目立体视觉的复杂背景下的牛体点云获取

提出一种基于双目立体视觉的复杂背景下的牛体点云获取方法。在点云获取过程中,针对牛不是保持不动的实际情况,采用基于被动视觉技术的双目立体视觉方法;在相机标定过程中,进行单目标定获取相机内部参数,统一标定获取相机外部参数,针对牛体毛色及所处环境复杂的情况,采用基于贝叶斯的皮肤检测算法提取牛体图像,采用基于SIFT的特征点提取和匹配方法实现特征点的匹配,利用计算机视觉中的极线几何原理,剔除误匹配点,通过相机的成像模型求取牛体的三维点云。实验验证了该方法能够在复杂背景下获取牛体点云,并得到较好的点云数据,较好解决了双目立体视觉中相机标定和立体匹配两个较关键和困难的问题。     

基于双目视觉的立体匹配算法研究

根据立体匹配原理,采用双目摄像头对图像进行采集,通过对摄像机的标定和图像立体校正、图像分割与立体匹配得到最后的视差图;根据最后的视差图以及算法的速度来评价算法的性能。实验结果表明,图像的视差图十分接近真实视差图,效果明显。     

双目视觉测量中点特征提取及匹配算法评估

对近年来出现的点特征提取、特征描述符和特征匹配3方面的新思路和新方法进行了综述,并对各个算法的性能进行了分析,提出了实际应用中有待进一步研究的内容。通过深度测量的准确性对点特征提取及匹配算法进行了综合评估。     

基于立体成像几何特性的动态有限搜索匹配法

提出了一种基于立体成像几何特性的动态有限搜索匹配法。该法根据被测物体与摄像机标定参照物在空间上的相互关系及被测物体形态，确定被测物体特征点视差匹配大致范围。利用立体成像几何特性，采用动态有限搜索法，以求出的视差为参考，根据左(右)图像中特征点与所得匹配对应点的水平视差值，确定在右(左)图像中的搜索方向和搜索范围，采用灰度区域相关计算，确定下一个匹配特征点，并依此类推。由于特征点灰度不稳定，且随视点的不同而有很大差异，为能得到正确匹配，需结合几何相似性约束。通过对一已知三维坐标标准件的计算机仿真实验，证实了该方法的有效性。     

一种新的基于特征点的立体匹配算法

目前,立体匹配是计算机视觉领域中最活跃的研究主题之一。为了快速并更精确的对特征点进行立体匹配,本文提出了一种新的基于特征点的立体匹配算法。该方法独立于特征点的检测算法,先以扫描线作为匹配单元,然后以鲁棒函数为匹配代价函数,最后用顺序约束对每一匹配单元的视差图进行检测与校正。实验证明,该方法的匹配精度高于传统的基于NCC(norm alized cross-correlation)的立体匹配算法,并且运行时间快,可以应用于纯软件的基于特征点的立体视觉系统中。     

基于灰度段的立体匹配算法

立体匹配一直是计算机视觉领域的一个中心研究问题.为了得到适用于IBR(image-basedrendering)技术中视图合成的比较精确的高密度视差图,提出了一种基于灰度段的立体匹配算法.该算法以灰度段作为匹配基元,并将应用于语音识别的DTW(dynamictimewarping)方法引入灰度段的匹配算法中.相对于点基元,灰度段基元覆盖的图像空间要大得多,且不易受噪声、光度变化等因素的影响,因此可以减少误匹配发生的几率,更容易进行匹配,比特征线段、二次曲线等匹配基元计算要简便得多.实验结果表明,该算法效果良好,具有实用价值.     

基于PatchMatch的半全局高效双目立体匹配算法

近年来双目立体匹配技术发展迅速,高精度、高分辨率、大视差的应用需求无疑对该技术的计算效率提出了更高的要求.由于传统立体匹配算法固有的计算复杂度正比于视差范围,已经难以满足高分辨率、大视差的应用场景.因此,从计算复杂度、匹配精度、匹配原理等多方面综合考虑,提出了一种基于PatchMatch的半全局双目立体匹配算法,在路径...     

一种基于特征编组的直线立体匹配全局算法

由于直线断裂、遮挡以及共面空间直线投影等因素的影响,从左右图像中提取出来的直线之间会出现"一配多"甚至"多配多"的匹配情况,然而目前很少有算法能可靠地处理这些情况.提出了一种基于特征编组的匹配算法来解决它.与已有方法不同,该方法是在由两幅图像共同组成的直线集上进行编组.每个特征编组包含了内部直线之间的匹配关系.这样,直线匹配的问题就转化为从直线集中提取一些相互兼容的特征编组的问题.整个算法分为两步:首先在几何和辐射约束的前提下构建所有可能的特征编组,并计算每个特征编组的匹配度,然后从所有可能的特征编组中寻找一个特征编组子集,在保证直线集中的每条直线最多属于该子集中一个特征编组的前提下,使得该子集中特征编组的匹配度之和最大.为了解决这个整数规划问题,设计了一种分两阶段的算法:首先将整个问题分为多个子问题,然后对于每个子问题,利用分支定限法寻找最优解.将所提出的算法应用于实际的立体图像对中,取得了满意的结果.     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

一种改进的立体像对密集点匹配算法

文中研究在随机光场照射下基于窗口的密集点匹配算法。针对基于窗口匹配中出现的细节平滑问题,提出了在窗口内对像素点引入权值参数来提高细节部分测量精度的方法。在匹配前对图像进行校正,使得各极线和图像坐标系的横轴平行,在匹配过程中不需要再计算极线方程,大大提高了匹配的效率。根据待匹配图像的灰度信息和摄像机的内外参数信息,通过求解对应窗口内像素点向量夹角的方式进行双目立体匹配。在试验中,完成了棋盘格图像的密集点匹配,并与典型区域匹配算法进行了匹配效率与视差图效果的对比分析,验证了文中算法在匹配效率和视差图效果方面的优越性。     

基于标签化匹配区域校正的双目立体匹配算法

双目立体视觉是一种精准有效的测量方法,由此文中提出基于标签化匹配区域校正的双目立体匹配算法.以常规图割算法为基础,通过匹配块的空间几何信息校正匹配区域,获得更高亚像素级精度的匹配视差.首先,根据标签及空间几何信息确定校正变换,充分利用左右两图匹配区域的像素信息.然后,不断更新获选标签,找到使全局能量最小的标签.最后,依据左右一致性准则及均值滤波细化视差图.实验表明,文中算法有利于寻找良好、平滑的分段线性视差图,在处理边缘区域和遮挡区域时精确度较高.     

一种基于多视立体视觉的多视图直线匹配方法

提出了一种基于多视立体视觉（Multiple view stereo,MVS）进行多视图直线匹配的方法. 本文方法首先利用MVS所得到的三维点云及其可见性信息,建立三维点与图像直线的对应关系. 根据此对应关系,为每条图像直线建立由一个三维点集和一个三维单位向量构成的描述子,用以衡量图像直线之间的相似性及一致性. 之后,本文方法以所有图像直线为顶点建立一个图,并引入了图谱分析来获取统一的顶点距离度量. 最后,本方法对DBSCAN聚类算法进行了修改,并用修改后的算法从图谱分析结果中获取可靠的直线匹配. 实验显示,本方法比已有方法更加鲁棒,并且有更高的准确率.