基于色彩分割和自适应窗口的快速立体匹配

针对现有立体匹配算法难以兼顾匹配精度和速度的不足,提出了一种基于联合匹配代价的局部方法.首先,根据视差在同一色彩分割区域内平滑变化的假设,提出了一种利用参考图像和目标图像的色彩分割信息获得的基于任意形状和大小支持区域的匹配代价;然后在RGB色彩空间中,通过由窗口内的平均匹配误差、误差方差及较大窗口的偏向误差构成的窗口选择评价函数,获得基于自适应矩形窗口的匹配代价;最后,将这两种匹配代价进行有机的结合构成联合匹配代价,并通过局部优化方法获得稠密视差图.采用Middlebury dataset进行的实验结果表明,本文算法不仅可以提高视差不连续区域和低纹理区域的匹配精度,而且获得的视差与当前主流算法具有可比性.此外,所提算法的处理时间较之当前优秀的局部方法提高了约19～35倍.     

一种基于自适应窗口和图切割的快速立体匹配算法

针对基于图切割的立体匹配算法计算量大的缺点,提出了一种新的快速立体匹配算法。首先根据图像边缘特征自适应变化窗口,并采用灰度差平方和匹配(SSD)作为相似判定准则计算初始视差图,再通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项,最后采用图切割(graph cuts)算法求取使全局能量最小的视差最优分配。通过标准图像对测试了提出的方法,并与其他方法进行了比较,实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法对大的低纹理区域和遮挡像素较好处理的优点,而且匹配时间短,运行时间比原有算法约缩短了三分之二,能够满足工程实用性的要求。     

采用多级动态规划实现立体匹配

动态规划算法是立体匹配中比较流行的一种全局优化方法,然而传统的动态规划立体匹配算法因忽略了核线间像素对视差的影响,产生了比较明显的横向\"条纹\"效应。为了消除此效应,本文提出了一种采用多级动态规划的立体匹配算法。该算法通过建立初始视差空间,对核线间进行双向的动态规划运算,然后将合并得到的结果用于优化初始视差空间。基于新的视差空间在核线上进行双向的动态规划运算,最后求取使核线上和核线间动态规划合并结果最小的值作为所求视差。利用标准数据库Middlebury平台对提出的算法进行了测试。实验结果表明,该算法与传统的动态规划算法和基于扫描线优化算法相比,横向\"条纹\"效应有所改善,且总体误匹配率分别降低了28.60%和40.42%,提高了匹配结果的准确性。     

空洞卷积和双边格网的立体匹配网络

为解决基于深度学习的立体匹配方法面临着网络规模大、网络结构复杂等问题,提出了一个网络规模较小、精度较高的网络结构。该网络在特征提取模块删减修改了复杂冗余的残差层并引入了空洞卷积金字塔池化模块来扩大视野范围,提取更多有用的上下文信息;在代价计算模块中使用了三维卷积层以成本聚合提升立体匹配的精度;最后,在代价聚合模块引用了双边格网模块以较低分辨率的成本量来获取精度较高的视差图。将该网络在KITTI 2015数据集和Scene Flow数据集等主流数据集上进行实验,结果显示,相较于其他主流优秀网络类如金字塔立体匹配网络（Pyramid Stereo Matching Network,PSM-Net）,网络规模参数量减少了约38%,并取得了较高的实验精度,其中Scene Flow数据集的终点误差（End-point Error,EPE）为0.86,是一个同时兼顾速度与精度的立体匹配网络。     

融合多尺度信息的各向异性立体匹配

针对传统立体匹配算法准确率低且在弱纹理区域存在误匹配的问题,提出融合多尺度信息的各向异性立体匹配算法(ASMSI)。首先构造各向异性的匹配代价计算函数,将梯度和相角信息引入代价计算过程中用于剔除弱纹理区域的离群点;随后采用融合多尺度信息十字交叉代价聚合计算每个支持域内的匹配代价;进一步经赢家通吃策略生成初始视差图;在此基础上进行左右一致性检测及后处理得到精修后的视差图;最后通过仿真实验对比图像中非遮挡、深度不连续区域的误匹配率和运行时间来评价算法模型。实验结果表明：所提算法能有效解决弱纹理区域的误匹配问题,使匹配准确率提高了5.02%,能够满足立体匹配过程中高效率、高精度的要求。     

双目PMP视觉测量中立体匹配方法的设计与实现

针对PMP视觉测量中物体深度变化大或表面形状复杂时出现的误匹配问题,提出一种基于区域分割和视差修正的立体匹配方法。研究了四步相移法和多频外差相移的基本原理,并采用基于OpenCV的标定立体校正方法对光栅图像进行了校正;结合PMP视觉测量系统的特点对相机视场进行分析,根据视场各区域的相位信息特点以及视差约束,提出基于混合阈值的区域分割原则和实现方法;应用视差求解和视差校正获得有效的视差图,并在自主研发的PMP视觉测量系统中验证了立体匹配方法的有效性。     

基于种子点传播的快速立体匹配

针对计算机视觉中的对应点误匹配问题,提出了一种基于种子点传播的快速局部立体匹配算法来进一步提高匹配算法的运行效率。该算法首先利用Canny算子提取图像边缘,结合边缘信息构造动态匹配窗口,以克服固定窗口对匹配带来的不利影响;然后利用AD-Census联合匹配代价在动态窗口上进行代价聚集,用WTA搜索策略得出初始视差图,对视差值进行筛选以确定种子点;随后利用像素间颜色差异将种子点的视差值传递给周围非种子点;最后采用区域投票和局部校正方式对视差值求精,进而获取精确的稠密视差图。实验结果表明,该算法可对Middlebury测试图生成高质量的视差图。与目前较新的局部立体匹配算法相比,其运行速度提高了1.8倍,满足了实际应用对速度和精度的要求,具有较高的实用价值。     

相位测量的不连续位置自适应分割

为了消除不连续位置对基于相位测量轮廓术三维重建精度的影响,提出了一种相位测量的不连续位置自适应分割方法。对该方法所采用的基于自适应方向相干性的相位不连续分割算法进行研究。首先,采用自适应方向相干图和平滑相位图确定不连续位置,即获得不连续区域与连续区域的灰度映射图。接着,将灰度映射图后处理为使用0-1表示的不连续区域与连续区域的掩码图。最后,将掩码图作为加权最小二乘相位展开方法的权重图将相对相位展开为绝对相位,所求解权重主要用以衡量包裹相位图中每个像素位置相位的质量。仿真结果表明：该自适应方向相干法对噪声方差为0.8的包裹相位图中直线和矩形不连续位置的分割平均误差分别为1.678 3和3.000 2个像素。实际相位测量轮廓实验也证明所提出方法可以有效分割包裹相位图不连续位置。所提出方法可实现对不连续位置的自适应分割以用于高精度的三维重建。     

基于极曲线几何和支持邻域的鱼眼图像立体匹配

提出了一种基于极曲线几何和变支持邻域的立体匹配算法来解决鱼眼立体视觉中图像变形导致的极曲线求取和匹配代价计算问题。首先,对鱼眼相机进行标定并获取相机的相关参数;针对鱼眼镜头的畸变问题,根据鱼眼镜头的优化投影模型推导出系统的极曲线方程,并利用得到的极线方程确定对应点的搜索范围。然后,根据同源像点在左右图像上的位置关系确定各中心像素点的支持邻域,并计算出不同视差条件下该支持邻域在另一幅图像上的对应支持邻域,利用获取的支持邻域计算出各点的匹配代价。最后,利用WTA(Winner Takes All)策略选取最佳匹配点得到最终的匹配结果。基于提出的极曲线和支持邻域对两组鱼眼图像进行了匹配实验并与传统方法进行了实验对比,结果表明:提出的方法的匹配准确度比传统方法分别提高了4.03%和4.64%。实验结果验证了极曲线的应用加快了匹配速度并减少了误匹配;支持邻域的使用使其对匹配代价计算的准确度优于传统方法。该算法满足了鱼眼图像立体匹配对信息获取速度、准确度和数量的要求。     

基于生物信息学中双DNA序列比对 算法的图像立体匹配及其实现

提出了一种基于生物信息学中双DNA序列比对算法的图像立体匹配新方法。图像立体匹配和生物信息学中双DNA序列比对的实质都是在匹配准则下搜索最佳匹配基元,因而新颖地将双序列比对算法引入图像立体匹配。首先介绍了基于动态规划的双序列比对算法原理及其用于图像立体匹配的实现方法,然后根据左右摄像机的最大视差是一个有限定值,进行了算法改进,极大地减少了计算量,并给出了VC6.0中的实现流程,最后采用4组不同的图像对进行了实验验证。该方法具有较低的计算复杂度和适宜于并行计算的特点,生成的视差图效果表明双序列比对算法为图像立体匹配提供了一个实用有效的方法。     

基于线性生长的区域立体匹配算法研究

图像的区域立体匹配是立体视觉中的重点研究课题之一,实时可靠应用的关键在于视差图的可靠性和计算复杂度.提出了一种基于线性生长的区域立体匹配算法,实现从立体图像对中提取深度信息,获得更可靠视差图的方法.该算法包括根点选择和区域生长2个部分,获得视差图的计算时间短,利用滤波可以提高视差图的可靠度.最后对此算法生成的结果进行了比较分析.     

基于极线距离变换的人脸立体匹配算法

针对人脸立体匹配中低纹理区域的误匹配率较高的问题,将极线距离变换应用到人脸立体匹配当中。这种变换将图像中像素点的灰度值转化为极线方向上相应区域的位置,使得在低纹理区域中灰度值相似的像素点变得容易区分。因此可以用于提高立体匹配算法在低纹理区域的匹配精度。但是在应用到人脸立体匹配过程中会出现高纹理区域的鲁棒性和精度下降的问题,通过对不同极线长度的极线距离变换结果提取有利的部分进行匹配来解决这一问题。实验结果表明,采用改进后的方法,在人脸的低纹理区域仍然能获得较高的匹配精度,并且降低了计算的复杂度,同时对于人脸中的高纹理区域具有较好的鲁棒性。     

基于脉冲耦合神经网络和Markov随机场的立体匹配研究

立体匹配是寻找立体图像对中对应点的问题,是立体视觉的核心问题。现有立体匹配算法通常是就立体匹配问题建立适当的数学模型并进行求解,在匹配速度和匹配精度之间存在矛盾。以生物视觉研究为背景,提出一种基于脉冲耦合神经网络(PCNN)的立体匹配方法。该方法以Markov随机场(MRF)上的贝叶斯模型为基础,并利用PCNN建立其似然概率模型。将左右2幅图像分别输入到2个PCNN网络,通过迭代生成点火时间序列。引入点火时间序列的平均点火时间差的概念,利用2个像素对应神经元的平均点火时间差来评价2个像素的相似性,并以此为基础确定似然概率。最后利用信任传递(BP)算法求解Markov随机场模型的最大后验概率问题。利用广泛使用的立体视觉测试图像对算法进行了实验。实验结果表明该算法能够有效实现立体匹配,匹配效果较好。     

基于图像校正与灰度相关性的立体匹配算法研究

立体匹配是双目视觉系统中必不可少的环节,对特征点进行匹配求解过程复杂,而且误匹配率较高。外极线约束为立体匹配提供了便利条件,但由于实际系统中的外极线是弯曲的,使得沿外极线进行同名点搜索不仅非常耗时,而且计算过程受噪声影响大。给出一种基于图像校正与灰度相关性的立体匹配算法。首先采用图像校正方法将弯曲的外极线变为相互平行的水平外极线,简化了外极线的求取过程;再利用灰度相关性算法对同名点进行匹配。实验结果验证了本文方法的准确性和稳定性。     

基于动态规划的分层立体匹配算法研究

动态规划是双目立体匹配的经典算法,针对控制点动态规划算法易产生横向条纹以及立体匹配普遍的边缘性和弱纹理区域问题,提出一种基于金字塔分层双向动态规划的改进立体匹配算法。该算法将分层模型加入传统动态规划方法,以低像素层级为高像素层级提供控制点集,并在匹配代价计算中采用一种自适应相关性测度函数,加以匹配代价滤波,提高算法精确度及实时性并获取高精度视差图。以Middlebury标准库中的图片以及实拍图片作为实验对象,实验表明所提出的方法具有较好的性能。     

水下双目立体视觉对应点匹配与三维重建方法研究

针对水下双目立体视觉成像稠密立体匹配因不满足空气中极线约束问题,提出一种水下对应点匹配与三维测量方法,可将水下双目相机采集的立体图像校正为符合共面行对齐原则的图像对,再套用空气中成熟的立体匹配方法得到水下左右相机图像视差图,从而实现水下目标的三维重建。首先,将进入相机的所有光线总和看成光场,采用四维光场参数表达对每一条光线建模,据此建立相机的折射成像模型和双目立体视觉模型并计算光线的方向向量;根据光线的光场表达将光线转化为点矢量的形式,计算方向图像上任意像点对应原图像的像素坐标并确定位置映射关系。通过插值即可快速得到符合行对齐原则的左、右方向图像,并最终获得每条光线对应的视差图。仿真结果表明,方向图像的行对齐误差小于0.8 pixel。水池实验采用事先标定的靶球作为目标物,利用随机散点主动投射以增加目标物表面的纹理信息,对靶球多次测量的均方根误差为2.8 mm,具有较高的测量精度。     

基于SIFT的单目移动机器人宽基线立体匹配

SIFT特征描述子是一种对图像旋转平移、缩放以及视角变化具有不变性的匹配特征描述方法,本文针对单目移动机器人环境探索中存在的大视差宽基线图像对的立体匹配问题,提出了一种基于SIFT特征描述子的单目移动机器人宽基线立体视觉匹配方法,通过提取SIFT不变特征点,构造SIFT特征向量,从而实现特征点对的初匹配,进一步利用RANSAC算法以及外极线约束进行匹配点的优化筛选,并通过三维重建实验验证了获得匹配点对的准确性。     

Fast stereo matching based on edge energy information

万方数据知识服务平台-中外学术论文、中外标准、中外专利、科技成果、政策法规等科技文献的在线服务平台。