立体视觉研究的进展

立体匹配是计算机视觉领域最为关键的重要分支，根据匹配基元的不同，立体视觉匹配算法可分为区域匹配、特征匹配和相位匹配三大类。该文对三类匹配算法进行了详细的评述，包括它们的理论依据、基本特征和改进策略。     

基于二次曲线的立体视觉

我们提出了一种基于二次曲线的立体视觉方法。在以前基于曲线的立体视觉方法中,曲线只是用于计算点的特征,从而更加容易地实现点对应。我们提出的方法以图像中的二次曲线为匹配基元,勿需点与点之间的对应,我们给出了两幅图像中二次曲线对全局匹配的准则。在匹配的基础上,给出了二次曲线重建的方法,重建的过程具有解析形式的解。此方法可以实时实现。本文的最后给出了解的唯一性分析和在真实图像上所做的实验结果。     

基于线条特征的双目立体视觉系统

本文阐述了一个以线条特征为匹配基元的双目立体视觉系统.匹配算法以环境相似性度量为核心,以多层表示为基础,采用由粗而精的控制策略,通过预测、归并、分解、传播四过程实现.匹配算法考虑到实际环境中的双目立体图象的非理想性及抽取出来的线条特征的非完整性,允许某种程度的纵向偏差,引入中心主轴概念,在分解过程中建立对应,计算视差.首先由前三个过程建立起可靠的粗层次的对应,称之为骨架对应,然后利用连续性约束假设将骨架对,应的结果由传播过程逐级传播到整幅图象中去.     

立体视觉概述

立体视觉是计算机视觉领域的一个重要分支,经过了40多年的研究与发展,这门技术在许多领域发挥着越来越重要的作用。本文系统地介绍了立体视觉研究的基本原理和内容,指出双目视觉技术的实现分为图象采集、摄象机标定、特征提取、立体匹配、三维重建以及后期处理几个步骤,分析了各个步骤的技术特点、存在的问题和解决方案,分析比较了各种技术的优缺点和适用范围,并着重介绍了特征提取和立体匹配这两个步骤,简要介绍了立体视觉技术的应用范围,总结分析了目前立体视觉研究所存在的主要问题和今后的发展方向。     

立体视觉概述

立体视觉是计算机视觉领域的一个重要分支，经过了40多年的研究与发展，这门技术在许多领域发挥着越来越重要的作用。本文系统地介绍了立体视觉研究的基本原理和内容，指出双目视觉技术的实现分为图象采集、摄象机标定、特征提取、立体匹配、三维重建以及后期处理几个步骤，分析了各个步骤的技术特点、存在的问题和解决方案，分析比较了各种技术的优缺点和适用范围，并着重介绍了特征提取和立体匹配这两个步骤，简要介绍了立体视觉技术的应用范围，总结分析了目前立体视觉研究所存在的主要问题和今后的发展方向。     

Using Real-Time Stereo Vision for Mobile Robot Navigation

This paper describes a working vision-based mobile robot that navigates and autonomously explores its environment while building occupancy grid maps of the environment. We present a method for reducing stereo vision disparity images to two-dimensional map information. Stereo vision has several attributes that set it apart from other sensors more commonly used for occupancy grid mapping. We discuss these attributes, the errors that some of them create, and how to overcome them. We reduce errors by segmenting disparity images based on continuous disparity surfaces to reject spikes caused by stereo mismatches. Stereo vision processing and map updates are done at 5 Hz and the robot moves at speeds of 300 cm/s.     

一种行星车视觉系统立体匹配算法

针对行星车视觉导航系统,提出一种立体匹配算法。使用Census变换得到一组二进制码流,通过色彩权重和距离权重完成权重计算,采用双通道的方法累加匹配代价。实验结果表明,该算法在时钟频率为100 MHz的情况下,每秒可处理2幅23帧左右的图像,平均误匹配率低于6%。     

一种无需基础矩阵的鲁棒性极线校正算法

立体视觉校正也称为极线校正,它的目的是使得立体图像的对应极线平行于水平方向,消除垂直方向上的视差,从而使得在立体匹配过程中可以更为快速准确地寻找对应点.在传统的投影校正算法的基础上提出了一种鲁棒性校正算法,直接通过原始匹配点计算投影变换矩阵,利用遗传算法良好的全局搜索能力和Levenberg-Marquardt算法稳定快速的局部搜索功能进行分步优化计算,同时本算法采用了随机抽样一致算法（RANSAC）鲁棒估计思想,避免了由于对应点噪声引起的误差.此外,还针对两个平行放置的摄像机之间具有较小运动的情况,提出了一种鲁棒的优化函数.实验结果说明,该算法是一种有效的极线校正方法.     

一种鱼眼镜头成像立体视觉系统的标定方法

鱼眼镜头成像立体视觉系统在微小型机器人视觉导航和近距离大视场物体识别与定位中有着广泛的应用 .尽管鱼眼镜头摄像机具有很大的视场角 (接近 180°) ,但同时也引入严重的图像变形 ,常规的摄像机标定方法无法使用 .该文提出一种标定鱼眼镜头摄像机立体视觉系统的方法 .在鱼眼镜头变形模型的基础上 ,通过考虑鱼眼镜头成像的径向变形、偏心变形和薄棱镜变形 ,建立了鱼眼镜头成像的精确成像模型 ;然后 ,利用非线性迭代算法 ,精确求解摄像机外部参数、内部参数 .实验表明 ,使用该方法得到的立体视觉系统参数满足精确恢复大场景稠密深度图的要求 .     

基于自适应聚合的立体视觉合作算法

提出了一种恢复高质量稠密视差图的立体视觉合作算法.该算法采用基于形态学相似性的自适应加权方法,迭代地进行局部邻域的自适应聚合和抑制放大,实现高效率和高质量稠密视差图计算.将该算法推广到三目摄像机立体匹配系统中,通过重建摄像机坐标系实现图像校正,并根据连续性假设和唯一性假设,建立视差空间中的支持关系和三目摄像机之间的抑制关系.实验结果表明,三目立体合作算法能够得到精确的场景视差映射,并可以实现多基线方向的遮挡检测.该算法特别适用于由多个廉价摄像机组成的立体视觉系统,在几乎不增加软件和硬件资源的情况下,就可以得到高质量的稠密视差图.     

主动式立体全景视觉技术的研究

为了解决立体视觉测量中的快速匹配问题,文中通过集成全景彩色结构光发生器和全方位视觉传感器构建一种主动式立体全景视觉传感器;通过分析图像像素的颜色和投射角之间的映射关系估算全景图像上各像素息对应的投射角,利用三角关系计算对应物点的深度信息;实验结果表明该方法能快速地得到场景的全景深度信息。     

嵌入式双目立体视觉测距系统

设计和研究了一种基于S3C2440硬件平台和嵌入式Linux双目立体视觉测距系统.该系统通过使用两个USB摄像头同步采集图像数据,并利用OpenCV对采集的两幅图像的数据进行处理,计算目标物在两幅图像中的像素偏差,进而算出目标物到摄像头平面的距离,在论文中以车牌作为目标物.同时该系统用Qt/Embedded实现LED实时显示图像和数据.整个系统建立在嵌入式架构上,能独立完成图像采集,数据处理,实时显示等功能.只要改变定位算法,则能测出任意目标物的距离.     

基于立体视觉的非合作航天器相对导航

非合作航天器其没有可交互的传感器,传统的相对导航方法难以满足精度要求。根据非合作航天器相对导航特点,提出一种基于立体视觉的空间非合作目标相对导航算法。方法使用安装在追踪航天器上的立体视觉相机作为测量传感器,实现目标在追踪航天器体坐标系下相对位置的测量。在惯性坐标系下建立航天器相对运动方程,并离散化作为系统的状态方程,利用立体视觉的测量信息作为量测值,在此基础上设计基于卡尔曼滤波(Kalman filter)的两步滤波相对导航算法,实现航天器间相对导航状态的实时估计,仿真结果显示算法实时性、有效性,导航方法收敛速度较快,精度高,满足相对导航要求。     

基于立体机器视觉的前方车辆探测

对国内现有的车辆探测方法进行了大量的研究,提出了一种基于立体机器视觉的前方车辆探测方法;首先根据道路边界确定车辆的大概位置Vehicle_AOI,然后进行图象增强,灰度拉伸——二值化——Robert算子边缘检测——二值化;对上一步的结果进行边界链码跟踪,这一步的结果成功地获得了车辆边缘的链码chain,进一步抑制了车辆周围的图像信息,得到了车辆的下半部分的精确边界;最后以边界确定的区域为模板进行区域匹配,此算法是对区域匹配相关跟踪方法的一种改进,该算法能快速有效的实现匹配,匹配后求出左右两幅图象的视差,在此基础上求出前方车距;再采用平均法确定距离,以消除误差的影响.     

基于立体视觉的立体拍摄参数自动获取方法

现有的3D摄像机在立体拍摄过程中参数调整困难,难以保证左右2台摄像机动作的协调性和一致性。针对该问题,提出一种基于立体视觉的立体拍摄参数自动获取方法。由4台全方位视觉传感器构成的全景3D摄像机获取全景立体图像,通过立体图像处理技术自动获取立体拍摄所需要的汇聚点位置、拍摄距离、焦距以及光圈系数等参数。实验结果表明,该方法能有效保证焦距、拍摄方向、拍摄角度和3D深度等3D拍摄参数的一致性,解决3D拍摄过程中2台摄像机在拍摄动作以及立体景深参数调整等协调难的问题,在拍摄3D全景视频图像的同时进行3D特写视频图像的拍摄,实现在显示器上全景点控的自动3D特写视频图像拍摄。     

双目立体视觉系统的精度分析

为提高双目立体视觉系统的测量精度,分析双目视觉系统的工作原理以及该系统各个环节的误差模型.通过提高标定模板的精度、增加标定图像,可以减小标定误差及图像校正行对齐误差.分析图像识别误差对视觉系统测量精度的影响,导入视觉系统的结构参数与测量误差之间的关系,从而确定结构参数对测量精度的作用.讨论物距对测量精度的影响,并给出合...     

立体视觉测程研究进展

立体视觉测程技术正逐渐成为移动机器人在非结构化环境中导航定位的主要实现方法.本文对立体视觉测程技术在机器人导航应用中的现状进行分析,总结目前立体视觉测程技术的主要研究内容和方法,评述各种技术方法的优缺点,最后对立体视觉测程的发展进行展望.     

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。     

基于彩色立体视觉的障碍物快速检测方法

Real-time obstacle detection method is a key technique for machine vision based mobile robot and au-tonomous land vehicle navigation in unstructured environments. In this paper o considering the real-time requirement for stereo matching algorithm, an adaptive color segmentation method for possible obstacle region detection is first developed based on the color feature, and a simple region based stereo matching algorithm of binocular vision for realobstacle recognition is also introduced. Obstacle detection is implemented by combining the road color adaptive seg-mentation method and region based stereovision method. Lots of experiment results show that the proposed approachcan detect obstacle quickly and effectively, and this algorithm is particularly suited for road environments in which the road is relatively flat and of roughly the same color.     

一种用于智能车环境探测的立体视觉传感器

设计了应用于户外智能车环境感知的立体视觉系统,并提出了两种立体匹配算法,分别实现不同的功能.基于多特征提取的稀疏匹配算法首先通过图像局部增强处理减弱光照和场景变化的影响,然后在对极线引导和连续性约束下提取立体图像的角点特征和边缘特征进行匹配,能够实时探测环境的三维概貌,并突出环境中的障碍物信息,实现辅助车辆自主导航的功能;基于特征引导的稠密匹配算法采用了最小割/最大流算法,并利用多特征匹配的结果来剔除稠密匹配中的成块误匹配,能够重建出未知环境详细的三维信息,实现三维可视化功能.最后通过试验验证了两种算法的有效性.