立体视觉深度认知过程研究

利用自行研制的多导视觉诱发电位(VEP)信号采集处理系统和两套视差深度随机点立体(RDS)图对,诱发视皮层神经网络兴奋发放,提取并分析了立体视觉视差深度认知过程的皮层电位信号,对视差相关诱发电位特征进行了标定.采用两种完全不同的信息处理方法重复实验,揭示了高级视皮层功能区出现的N2波由视差相关VEP发放,提示体视视差深度信息处理可能是在高级视皮层功能区上完成的.根据不同功能区隐含信息的处理结果,推测大脑皮层体视信息处理系统中存在信息反馈通路.实验结果还表明,立体视觉深度认知过程是一个动态的复杂信息协同处理过程.     

用虚拟显示技术实现立体视觉检查

立体视觉功能是宇航员、飞行员、高速车辆的驾驶员在身体检查中必须检查的项目。根据视觉生理理论,并参照军用光学仪器通用规范,提出一种应用现代计算机技术、虚拟光学技术实现的立体视觉检查方法。详细介绍了立体图像对的设计。用计算机产生随机点立体图像对,左右图像的视差越大,图形离开背景的距离也越大。通过计算机控制不同视差的立体图像对生成,将计算机产生的立体图用虚拟成像技术呈现在受检人的眼前,定量检测人眼的立体视能力。具有简便易行、精度高的特点。大量实验证明该方法应用在人体的立体视觉检查中,能够替代传统的立体视觉检查方法。     

立体图像对亮度差异对立体视融合的影响研究

针对具有亮度差异的立体图像对如何影响立体融合,提出了对不同亮度差异的立体图像对识别融合的影响范围。通过8名被试对亮度差异分别为0,10,20,30,40,50,60,70,80,90的立体图像对融合识别的反应时和正确率进行分析,给出了亮度差异对立体视融合的定量影响范围。结果表明:反应时随着亮度差异的增大逐渐增加,但识别正确率逐渐降低。亮度差异为20以下,立体识别可达到较好的识别效果,反应时较短并且正确率很高。当亮度差异介于20~60之间,反应时急剧增加,正确率稍有降低。但当亮度差异达到60以上,不仅反应时急剧增加,而且正确率急剧降低,达到很难识别的程度。     

双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

显微立体视觉系统的研究

在分析摄像机、体视显微镜和显微立体视觉系统光学原理基础上，提出了双目显微立体视觉系统方案，此系统是由单目显微镜改造而成，根据目标物体在两个摄像机上所成图像的视差，求得目标物体距摄像机的距离，从而可以对目标物体进行各种微操作。实验证明。此系统是一种高效、精确的显微视觉系统。     

基于人工神经网络的立体视觉系统的研究

立体视觉系统已广泛应用于三维形体检测等诸多方面,针对该系统物点到像点非线性关系的确定技术,提出了在于人工神经网络的标定、测量方法,同时提出了加快网络训练速度、提高网络训练精度的新方法,并给出了学习和测量结果,验证了此方法的正确性。这种方法降低了对系统本身精度的要求,且不同考虑透镜畸变的影响。是对立体视觉系统数学建模的有益探索,具有一定的理论意义和现实意义。     

基于RANSAC算法的立体视觉图像匹配方法

针对大尺寸立体视觉测量中存在较大视差和透镜畸变等因素导致极线约束匹配率低的问题,提出了将图像校正与随机采样算法相结合的立体视觉图像匹配方法.对立体图像对进行线性校正,建立初始匹配点集;采用随机采样算法估计图像对之间的基本矩阵,恢复原始图像对之间的对极几何约束关系,剔除初始匹配点集中未匹配和误匹配的特征点,从而获得精确的匹配点集.该方法已应用于合成孔径雷达(SAR)大型可展开微波天线网面的实际测量,匹配率高于96%.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

双目视觉立体标定方法的改进

为了提高双目立体视觉系统中立体标定的精度,提出了一种利用正方形标定域中相互正交方向的消失点进行立体标定的新方法.首先摄像机从不同的方向拍摄平面标定板,在图像平面上确定一个正方形投影区域,再根据射影几何模型中的交比性质,计算出正方形中相互正交方向上的两对消失点;然后利用消失点与光心连线的射影几何性质,线性求解摄像机的全部内外参数;最后利用全局优化方法进行参数的优化.这一方法继承了张正友标定方法畸变模型的使用,实验利用MATLAB通过左右摄像机拍摄的两组图像对方法进行验证,实验结果表明,该方法的立体标定精度较高,且旋转矩阵R和平移向量T均符合实际要求;由于实验中正方形投影区域的大小及具体的位置关系是随机的,使其具有较好的实用性.     

基于汇聚立体视觉的图像校正算法

通过分析汇聚立体视觉系统立体图像间的几何关系,提出了一种简单快速的图像校正算法,该算法利用矩阵的ＬＵ分解法,直接求解校正的转移关系矩阵．将立体视觉中对极几何的匹配关系变为图像扫描线的一一对应关系,从而将沿对极线搜索匹配点的过程变为沿图像行搜索的过程．实验表明该算法简单有效,具有较强的实用价值．     

基于几何约束的立体SAR影像自动匹配方法

针对立体合成孔径雷达(SAR)影像难以获得可靠匹配的问题,提出一种基于几何约束的立体SAR影像自动匹配方法.该方法首先对多视处理后的SAR影像进行尺度不变特征变换法(SIFT)匹配,并引入几何关系一致性原理剔除误匹配;然后基于构建的几何关系进行格网控制的匹配传播以产生数量更多、分布较均匀的匹配点,并进行归一化互相关(NCC)精化匹配;最后,依据多视视数将匹配点传递到原始影像,在原始影像上基于准确度较高的几何关系进行精化匹配.选择不同视角下的同侧X波段机载立体SAR数据进行试验,与经典SIFT方法对比.结果表明:该方法在匹配效率、匹配精度以及匹配点的空间分布方面具有优越性.     

基于单个摄像机的双目立体视觉测距技术研究

双目立体视觉测距关键是如何找到准确的匹配点.本文介绍了利用单个摄像机在导轨上滑动来实现双目视觉系统并且利用提取目标上的角点作为匹配点来实现双目立体视觉测距的方法.该方法简单可靠,实验结果证明了此方法的有效性.     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

内容感知的双视点立体图像缩放

为适应不同立体显示终端多样化尺寸的需求,需要对某些尺寸一定的立体图像进行缩放调整．对于双视点的立体图像而言,需要考虑左右两视点的一致性问题,以及视差大小的问题．为此,将视差和匹配引入立体图像的尺寸调整,提出了一种基于Seam Carving的立体图像缩放算法．该算法在选择左视点缝隙时将匹配算法和视差融入其中,在缝隙的选择方面,通过提出新的能量函数做出更精确的选择,从而在调整图像大小的同时,达到了保持图像内容,调整视差大小的目的,并且保证了左右视点缝隙的一致性．     

基于双目视觉模型的彩色目标实时检测与定位

从立体视觉中提取位置信息是计算机视觉的热点问题.在建立双目视觉模型的基础上提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法.该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复图像位置信息,完成对目标的实时检测和定位,满足机器比赛中对足球实时检测和定位的需要.     

月球车视觉系统立体匹配算法

为了满足月球车视觉系统实时性和可靠性的要求,提出了一种基于点和边缘特征提取的立体匹配算法.首先采用高斯滤波和有限对比适应性直方均衡化(CLAHE)方法对校正后的立体图像对进行预处理,以削弱噪声和对比度的影响.其次研究了图像的SIFT特征点和边缘特征提取和匹配方法,以获得月球车周围的环境概貌和障碍物信息.最后将匹配成功的...     

基于编码方法实现立体视觉中图像的点匹配

实现自动化的图像匹配一直是立体视觉测量中关键的一步。基于编码方法，对2幅图像中的测量进行匹配，匹配问题实质是求解空间点在2个（或多个）像平面的对应关系。如果对测量点进行编码，对编码进行身份识别后，即可实现匹配。该编码需在复杂的背景中被有效地识别，并且具有旋转、缩放、变形的无关性，实验表明，该方法匹配正确率高，匹配速度快，是一种解决匹配问题的实用方法。     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

汽车双目立体视觉的目标测距及识别研究

为了降低园区自动驾驶汽车的环境感知实际应用成本,采用双目立体视觉的方法采集车辆前方环境的双目图像,通过立体匹配算法进行视差测距;使用深度学习算法对左图像进行目标识别,根据得到的目标区域在视差图中获取目标最小距离。结果表明,双目立体视觉系统能达到1%的测距精度,对车辆前方目标的实时识别测距速率达到45帧/s,为汽车自动避障提供实时环境感知信息,同时大大降低了环境感知的应用成本。