一种三维头盔显示器驱动电路设计方案

针对三维头盔显示器的结构与特点,提出了以PC为平台,以FPGA(现场可编程门阵列)为控制核心,以OLED(有机发光二极管)微显示芯片为图像源的三维头盔显示器USB2.0接口电路设计方案;并且在PC机上利用三维造型软件3ds MAX进行三维建模并从中提取出具有一定视差的双目图像,然后通过USB2.0接口将其按照给定的视频格式并行传送到左右两个微显示芯片进行显示,从而实现了双目立体视觉,验证了方案的可行性.     

狭缝光栅自由立体显示器的立体图像串扰度

为了表征狭缝光栅自由立体显示器存在的左右眼视差图像的混叠程度,提出了立体图像串扰度C的概念。根据狭缝光栅自由立体显示器的结构和工作原理,应用几何光学知识,分析得出了立体图像串扰度C的计算公式,并给出了一个具体的狭缝光栅自由立体显示器的计算结果。通过观看实验,证明了所定义的立体图像串扰度C可以定量描述观看者在立体可视区域看到的立体图像的串扰程度。     

三维全息摄影技术的立体显示器

德国SeeReal Technologies GmbH公司开发出采用三维全息摄影技术的立体显示器。通过使用对多个视点进行全息图缜细分割所得的亚全息图，在任何位置上均可显示出高精细3D图像。使用像素间距为25μm～50μm的普通液晶面板，可显示全高清晰的精细视频。     

AMOLED头盔显示器光学系统设计及视空间评价

基于投影式物镜,采用新型AMOLED图像源,引入折射/衍射混合结构,通过系统优化,得到一款3片投影式头盔显示器光学系统.该系统采用0.61英寸AMOLED微显示器,视场为45°,质量为1.35 g,直径为11.32 mm,分辨率满足SVGA显示模式,实现了头盔系统的超轻小设计.通过理想透镜焦距变化模拟人眼调节,对其MTF(调制传递函数)进行了精确的视空间评价,评价结果显示:对于3 mm瞳孔,该系统中心视场的MTF在0.5 cycles/arc min处为0.41,远夫于AIM(视网膜空间像调制度)曲线的值     

基于LED屏的立体图像生成方法

LED屏自由立体显示系统是将光栅板附在LED显示屏的外表面,根据LED屏的参数生成立体图像文件。其生成方法包括三个步骤,首先根据LED屏和光栅板的特征参数计算出合成立体图像文件所需的像素点映射表;然后采用缝隙删除技术对视点图像进行处理,使其满足像素点映射表的要求;最后,将经处理的视点图像合成立体图像。实验结果表明,提出的方法适用范围广,并能快速高效地合成任意视点数的立体图像,获得较好的立体视觉效果。     

基于Maya的立体元图像阵列的生成

提出了一种基于Maya的立体元图像阵列生成方法,该方法无需实景采集设备,可以根据显示平台参数自由调整渲染,生成任意大小的多种孔径透镜阵列所需的立体元图像,即克服了传统集成成像系统存在的空间反转和串扰等问题,又避免了复杂而繁琐的光学设备校准,快速推进理论研究,提供基于集成成像系统研究所需的各种图像来源。实验分别从子图像与立体元图像间的映射关系、真实再现立体图像、虚拟再现立体图像3个方面验证了本文方法的正确性。     

视差立体图像

本文叙述了视差立体图像的发展历史和其观察方法,阐述了视差立体图像的原理和设计方法。进而介绍了作者近年来的研究成果——视差立体动画,提出了视差立体动画的三种设计策略。     

蜂窝式立体元图像阵列的生成

提出了一种蜂窝式透镜阵列立体元图像的生成方法。首先,通过分析真实透镜的成像原理,建立了成像模型。然后,利用虚拟相机阵列模拟透镜阵列,根据显示端透镜阵列和显示器的参数设置虚拟相机的采集参数。最后,采用投影的方式生成立体元图像阵列。实验结果表明:利用本文方法生成的蜂窝式立体元图像阵列在水平和垂直方向均具有连续的视差变化,且满足子图像与立体元图像之间的投影关系,可以真实再现3D物体的空间信息。本文方法既克服了透镜阵列直接采集存在的空间反转和串扰等问题,又可避免光学采集设备带来的误差,节约成本,可为基于组合成像系统研究提供各种图像来源。     

一种基于HVS色度不敏感性的立体图像处理方法

利用了人眼视觉系统(human visual system-HVS)中的色度不敏感性,对双视点和多视点立体图像的色度图像部分数据进行了分析和实验,并在此基础上提出了一种自由立体图像色度替代处理方法.实验结果证明,该新方法在没有明显降低立体效果的情况下,降低了数据量.     

立体库PC控制系统

介绍了立体库ＰＣ（可编程控制器）控制系统,该控制系统以高性能ＰＣ控制器为核心,立体库定位由拨码盘设定．在ＰＣ控制下,堆垛机自动存取货物．本系统设计为自动和手动两种工作方式,并增设了温控装置,确保系统可靠工作     

相机快速立体定标方法

相机定标是计算机视觉中极为重要的环节,定标的准确性和实时性直接影响其工业应用。为了实现快速、高精度的相机定标,对相机的成像模型及模型参数求解进行了研究,发现相机成像平面中心附近区域的畸变基本可以忽略。针对这一发现,提出一种简易、快速的相机立体定标方法。首先以成像平面中心附近的点作为特征点,用来求解相机的内外参数,再将求得的内外参数作为已知带入畸变模型,以剩余点的三维坐标及像素坐标作为输入,用多元线性回归最小二乘法对畸变参数进行最优化拟合。实验表明,该方法的定标精度高,其平均像素误差可达到10-2量级,同时算法运算时间明显缩短,能更好地满足实际工业应用的需求。     

电机端部磁场中镜象法的实际应用

本文详细而系统地分析和讨论镜象法在求解电机端部磁场中遇到的几个实际问题。     

一种新的散堆物料立体匹配方法设计

本文基于实际工程的需要，设计了一种散堆物料立体匹配的方法。该方法弥补了过去所用方法计算时间长、误区配较多的缺陷。     

自适应图像边缘检测LOG算法的DSP实现

LOG算子是图像边缘检测的重要算子,可以在不同尺度下检测图像的边缘特征。针对LOG算子存在的缺陷,并借助于LMS自适应算法获取最佳空间系数σ值,成功抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,当σ值较小时,LOG算子对高反差像素比较敏感,能够检测出物体的精细边缘,并且与实际边缘的一致性较好,但同时高斯滤波不彻底,图像中出现大量的虚假边缘;当σ值较大时,算子能够检测出原图像的边缘,噪声情况明显减小,但是边缘间存在相互干扰,位移严重等情况;本算法检测出的图像边缘,不仅成功抑制了图像中大部分噪声和微小的灰度变化,还保证了较高的边缘定位精度。增强了LOG算子的实用性,并且该算法易于实现,可以较好的解决图像边缘检测问题。     

一种多视角高精度图片的深度估计方法

针对多视图的重建中高精度图片难以有效重建的问题,提出了基于学习的深度估计方法.该方法利用空洞卷积神经网络对图片进行特征提取,利用长短期记忆网络构建并优化三维代价体,并且采取有监督和无监督2种方式进行训练.在2个真实场景中的多视角图片数据集上的实验结果表明,相比于传统方法和其他基于学习的方法,该网络所需的显存大大减少,因此能用于高精度图片的重建,同时,提高了模型深度预测的准确性和完整性.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

一种有雾图像低对比度增强的方法

为了提高有雾图像的能见度,提出一种雾天降质图像清晰化方法。该方法根据图像的灰度分布特 性,将高灰度区域的像素映射到模糊域处理以便得到天空区域的灰度值分布范围,将天空区域和景物部分区分开, 以便增强景物细节信息和避免天空噪声的影响。利用移动模板对各局部区域进行子块重叠双直方图均衡化实现清 晰化处理,从而克服直方图均衡化时模板内景物不同深度退化差异的情况。实验结果表明,该方法能有效地改善雾 天时图像的退化现象和提高图像的清晰度。     

一种基于图像融合的多线结构光立体视觉测量方法

针对现有线结构光立体视觉测量系统在实际应用中,由于图像遮挡、反射等原因造成的缺陷导致精度降低和测量错误,提出一种基于多摄像机的图像融合的测量方法.在现有的多线结构光立体视觉测量系统的硬件平台上,经由提取光带图像,图像特征匹配,以立体视觉测量原理匹配光带图像和产生光带图像的线结构光刀,通过坐标转换和图像的重新采样插值将光带图像转换到同一个摄像机的成像平面进行图像融合,经试验得到的图像能够大幅降低由于图像缺陷导致的精度降低和测量错误.     

一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法.首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图.由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头.实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境.