基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.     

融合动态区域检测的自监督视觉里程计方法

为解决室外场景中动态区域对视觉里程计计算过程的干扰,获得准确的相机位姿和场景深度,提出一种自监督深度学习框架下融合动态区域检测的视觉里程计算法.给定相邻2帧图像,首先,采用深度估计网络计算2幅图像对应深度图,采用位姿估计网络获得二者初始相对位姿.然后,借助视点变换,计算两视角深度图像之间的差异,确定动态区域.在此基础上,对输入图像中动静态区域进行分离.之后,匹配两视角图像静态区域特征,计算最终相机位姿.从光度、平滑度以及几何一致性三方面构造损失函数,并在损失函数中融入动态区域信息,对所构造网络模型进行端到端自监督训练.在KITTI数据集上验证了所提算法,并将其与最近2年提出的相关算法进行比较.实验结果表明,该算法能够更好地应对动态场景,实现更高精度的相机姿态估计和细小物体深度估计.     

基于Kinect相机的深度图像修复算法

针对Kinect相机获取深度图像存在空洞和噪声的问题,提出了一种基于联合双边滤波和中值滤波相结合的深度图像处理方法.将Kinect获得的彩色(RGB)图像和深度图像裁剪对齐,利用联合双边滤波器修复深度图像中的空洞,用中值滤波器滤除噪声.实验结果表明:与其他方法相比,所提算法能够有效填充深度图中的空洞区域,并去除图像中的...     

包裹体积测量中关于底平面重建的研究

针对双目相机进行体积测量时底平面不平存在干扰区域的问题,提出一种在测量前对底平面重建的方法来提升数据准确性.首先,分析双目相机获取的深度值数据产生误差的原因.其次,根据分析结果提出一种针对干扰区域的像素点重新进行深度值计算的算法,完成对底平面的重建.最后,将该技术嵌入到体积测量软件中,对包裹进行测量实验.经实验,与对照...     

深度图像超分辨率重建技术综述

便携式消费级深度相机的问世和发展，加速了深度信息在无人驾驶、人机交互、三维重建等领域的应用，但低成本消费级相机所拍摄的深度图像通常具有较低的空间分辨率。深度图像超分辨率重建是一种能有效提高深度信息空间分辨率的方法，已经成为计算机视觉和图像处理领域的研究热点。在详细阐述深度图像超分辨率重建概念和必要性的基础上，从输入图像角度，全面梳理归纳了近年来深度图像超分辨率重建方法的研究现状，对其中的关键性问题和今后的研究方向做了较为深入的分析，最后对深度图像超分辨率重建的应用前景进行了展望。     

基于小波阈值与分层深度图像去噪算法研究

针对Realsense深度相机提取的深度图像中背景噪声和随机噪声对图像分割及目标识别的影响,本文提出一种深度图像分层结合小波阈值去噪的算法.根据深度图像预估图像的噪声强度,确定层级间隔,将图像进行分层,选择需要去噪的图层进行小波阈值去噪,将完成的分层图像拼合成完整的深度图像,最后选择多幅深度图像进行对比实验.实验结果表...     

自适应参数与边缘点引导的深度图像超分辨

当前TOF等深度相机仅能获取低分辨率的深度图像,无法满足三维视觉系统的需求.高分辨率深度图像可通过深度图像的超分辨算法获得,但当前算法的实验输出图像存在因纹理复制导致图像局部区域产生伪像以及边缘结构不清晰等问题.基于HR深度伪矩阵提出自适应参数与边缘点引导的深度值重建的算法,通过低分辨率深度图像边缘区域的像素点寻找修正...     

Kinect与二维激光雷达结合的机器人障碍检测

在Kinect相机和二维激光雷达结合的基础上,提出了一种适用于移动机器人、低成本的障碍物三维感知方法。该方法首先通过Kinect相机和二维激光雷达联合标定建立深度图像点与激光雷达测距点的对应关系,然后,融合二者的检测数据得到环境障碍物位置。具体步骤为:1）Kinect相机与二维激光雷达分别从环境中获取深度图像和二维激光数据;2）将深度图像转换成虚拟二维激光数据;3）根据联合标定得到的对应关系融合虚拟激光数据与二维激光雷达数据,得到障碍物的位置。实物测试证明该方法正确有效,可用于移动机器人对环境障碍物的判断。     

静态环境中基于光流的障碍物检测

针对估计相对深度的传统方法,易受噪声影响的问题,提出了一种基于光流的障碍物检测方法.基于摄像机前方局部地平面假设,通过尺度空间不变（SIFT）特征匹配得到单目图像序列前后帧的匹配点集,用随机抽样一致算法（RANSAC）鲁棒地估计出相机前方近似平面的单应性矩阵,并计算得到光流场,进而恢复出相对深度并建立障碍物图.由于避免了计算光流的一阶微分,该方法具有较好的鲁棒性.室内和室外环境的实验结果都表明,该算法能够恢复出相对深度,并对障碍物进行有效检测.     

基于结构光深度图像获取装置的研究

为了获得深度图像,采用激光时序空间编码技术,研制了深度图像获取装置,给出了深度图像获取装置的硬件和工作原理,提出了一种深度测量算法．实验结果表明,该装置能较好地获取深度图像;有效地减少图像的采集、处理量．通过处理8幅图像就能得到空间分辨率为1／256的景物深度数据和深度图像,具有简单、快速的优点,为基于深度图像的目标边缘检测和识别提供了有效的方法．     

基于多深度狭缝图像全景拼图的场景绘制

提出一种基于多个深度狭缝图像全景拼图的新的基于图像的绘制方法，可以进行大范围的基于图像绘制。本文首先介绍了深度狭缝图像和深度狭缝图像全景拼图的概念，在假设相机仅作平面移动的情况下，描述了利用深度狭缝图像生成原视点附近的近似场景和在多个深度狭缝图像全景拼图间作平滑切换的算法，并给出了从采样到绘制的实现。该方法具有采样简单，虚拟场景真实感强，支持连续大范围漫游的特点。文中给出了具体算法和实验结果，并指出了适用范围。     

新型双目相机运动控制系统设计

双目相机运动控制系统的小型化和快速化对双目立体视觉技术的发展和应用有着重要的研究意义。本文基于三维重建理论,以高性能的FPGA为控制核心,设计了一种新型双目相机运动控制系统。该系统利用FPGA实现双目相机的图像采集、压缩及处理功能,并通过WIFI模块将处理后的数据发送给计算机,在计算机上完成图像的解压缩、三维重建和显示,同时再利用WIFI模块向FPGA发送相机运动的控制命令,以便相机以最佳视角观测目标。本系统方案合理易行,结构简单,是一种新型简便的双目相机运动控制方式。     

结合注意力与无监督深度学习的单目深度估计

针对当前的无监督单目深度估计方法边界模糊的问题, 提出了一种基于双重注意力模块的网络架构。这种架构能有效利用图像特征的远程上下文信息解决深度估计中的边界模糊问题。整个框架使用基于视图合成的无监督方法训练, 模型框架包括深度估计网络与位姿估计网络, 同步估计深度和相机位姿变换。双重注意力模块嵌入在深度估计网络中, 包含位置注意力模块和通道注意力模块, 能表示远程空间位置和不同特征图间的上下文信息, 从而使网络估计出细节更好的深度信息。在KITTI数据集以及Make3D数据集上的实验结果表明, 本文的方法能有效提高单目深度估计的精度和解决深度估计边界模糊问题。     

深度图像中直线特征的提取

深度图像具有能够表征物体表面三维立体信息的优势,而直线则携带了图像中重要的结构信息,对图像分割、图像识别等后续图像分析具有十分重要的意义。提出一种新的深度图像直线检测方法,由直线组成的直线框架方法,能够精确地、综合地提取深度图像的直线特征。首先,在指定邻域内对每个深度像素估计表面法向量;通过对表面法向量的相关计算得到每个像素点的边缘强度;之后,通过全局匹配措施,连点成线;最后,采用Hough变换在深度图像上标记直线。通过仿真结果对比,不难发现相较于其他直线特征提取方法,本文提出的新方法能够提供更平滑干净的直线检测结果;此外,在折痕边缘处获得单条直线,阶跃边缘处获得两条平行直线,因而可作为深度图像的3D结构信息。     

利用移动最小二乘法进行深度图像曲面拟合

针对已有的对曲面进行局部拟合方法中窗口半径选取难的问题,提出了一种使用移动最小二乘法进行全局曲面拟合的新方法。该方法充分利用最小二乘法形函数多阶连续的特点,能够保持在较高拟合精度的前提下获得深度图像曲面多阶连续的拟合结果,这种拟合结果为计算深度图像的曲面特性提供了便利。利用真实的深度图像进行数值实验,计算结果说明了该方法的有效性。     

一种三维视频深度图像快速帧内编码方法

针对三维视频编码复杂度较高的问题,提出一种快速深度图像帧内编码方法．该方法基于视频图像与深度图像的相关性,利用视频图像的最优帧内预测模式信息优化深度图像帧内编码预测模式的选择范围,减少率失真代价函数的计算量,从而降低深度图像帧内编码复杂度．实验结果表明,这种方法较深度图像独立编码方法能有效地缩短深度图编码时间,在保证合成虚拟视图质量的条件下,深度图像帧内编码时间平均减少37.16%．     

融合谱-空域信息的DBM高光谱图像分类方法

在高光谱图像分类问题中,提取能够有效表达地物特征的信息是分类方法中的关键问题。为了提高高光谱图像分类精度,提出一种基于深度玻尔兹曼机的高光谱图像分类方法。该方法首先对高光谱图像数据进行主成分分析法白化处理,并提取像元的空域信息,与像元光谱信息组成综合的谱-空域信息;然后通过多层深度玻尔兹曼机模型从像元的谱-空域信息中提取深层次类别特征;最后通过逻辑回归模型对所提取特征进行分类。这种深度玻尔兹曼机模型能够利用数据的先验知识对高维数据进行特征提取,并且所提取的特征内在地表示了地物的空间结构和光谱特征。实验结果表明,这种方法能够有效地提高高光谱图像的分类精度。     

3D显示中立体感知深度研究

三维立体电视和电影的立体真实感能够带给人们震撼的视觉体验,是数字时代的新宠.在这类三维显示系统中,恰当的立体感知深度将产生好的观赏体验,反之,将导致视疲劳、甚至眩晕等不适感.因此,很有必要对立体感知深度进行预先解算.针对这一问题,对于3D显示中立体感知深度的影响因素进行分析,提出基于特征点的视差计算方法,推导立体感知深度与视差等多个参数的定量关系.实验验证了立体感知深度定量计算方法的可行性,基于左右眼图像,计算得到了感兴趣点的立体感知深度.实验表明:计算得到的立体深度与测试者主观感受具有较好的一致性;研究结果可用于指导立体拍摄以及立体显示以便达到最佳立体效果.     

基于深度图像和半像素的虚拟视点绘制

为提高虚拟视点图像的绘制精度,提出了一种基于深度图像和半像素的虚拟视点绘制方法。该方法首先对参考图像进行预处理,包括图像的半像素处理和亮度校正,然后利用正向3D图像映射获得虚拟视点的图像和深度信息,再利用逆向3D图像映射填补由深度信息不准确等因素产生的部分空洞,并根据深度信息擦除背景伪影,最后根据空洞类型的不同采用不同的方法进行空洞填补。实验结果证明,利用该方法可以绘制出令人满意的虚拟视点图像。     

一种基于DSmT推理的物品融合识别算法

针对目前提升深度模型分类表现方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,提出一种基于DSmT(Dezert-Smarandache)推理的物品融合识别算法。对于待识别目标,应用数据融合思想将来自不同深度学习模型提供的识别信息进行融合处理。利用已有的预训练深度学习模型,根据分类识别任务进行特定的微调;针对DSmT理论中构造信度赋值困难的问题,使用深度学习网络对图像的判别输出进行证据源信度赋值;在决策级层运用DSmT组合理论对信度赋值融合处理,进而实现物品的准确识别。在不改变网络模型结构与同一数据集的情况下,将提出的方法与单一网络模型和平均值处理方法进行对比测试试验。试验结果表明,该方法可以有效地提高物品图像的识别率。