立体视觉匹配技术

立体视觉匹配技术是计算机视觉领域中最为关键的研究分支。根据匹配基元的不同,立体视觉匹配算法分为区域匹配、特征匹配和相位匹配三大类。其中,相位匹配是近二十年才逐步发展起来的一类匹配算法。以往关于立体匹配算法的综述文章对相位匹配这类新型算法几乎没有系统的阐述,而且很少从算法设计的角度分析和比较现有的立体视觉匹配技术。该文将算法设计过程分成三个步骤,在各个步骤中采用由个性至共性的分析手段,对三类立体视觉匹配算法进行了详细的评述,包括它们的理论依据、基本特性和改进策略的分析和比较,表明各类匹配算法的设计具有自身的发展特性。另一方面,“不适定”视觉问题普遍存在于各类匹配算法中,因此它们对算法设计的优化又存在着许多共性。文章通过由点至面的分析过程,旨在为算法设计者从综合思考的角度去优化算法提供技术借鉴,包括匹配基元自身缺陷的克服和普遍存在的不适定视觉问题的解决。此外,算法的完善和更佳算法模型的推出还依赖于科学的算法评价手段,文中根据不同用途对算法评价方法进行了分类,使算法性能的评估有了科学的指导方法。     

面向流水线结构的并行匹配算法

本文提出一种面向流水线计算机的立体视觉并行匹配算法,使立体视觉算法所需的低层视觉信息处理和特征匹配都能在具有高速视频总线的流水线计算机中完成,这样既简化了视觉系统的结构,又大大提高了处理速度.匹配中应用了排序、方向和幅度约束作为相似性判断,并根据匹配点邻域中的视差梯度,利用松弛迭代法提高匹配的可靠性.算法已在PIPE流水线计算机上实现,256×256图像的立体视觉算法可在10秒内完成.     

双目视觉小波域SIFT匹配与极线约束算法研究

研究双目立体视觉技术,特征的提取和匹配是双目视觉的最基本的问题。目前,SIFT已经被证明鲁棒性最好的局部不变特征描述符。但是SIFT算法产生的误匹配较多,精度偏低,为了解决这一问题,同时降低算法特征提取与匹配的复杂度,达到双目立体视觉实时性的要求,文中提出了一种结合小波变换和SIFT特征点的双目立体视觉匹配方法。首先,对双目视觉系统采集的左、右图像进行小波分解,把分解得到的低频图像作为输入,用SIFT算法进行特征点的初始匹配,再利用极线约束的理论求得精确匹配。实验结果表明,该方法具有较强的适应性,能够在减少误匹配的同时,大大加快运算速度。     

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。     

新的单目立体视觉的视差图的获得方法

在立体视觉中,视差间接反映物体的深度信息,视差计算是深度计算的基础。常见的视差计算方法研究都是面向双目立体视觉,而双焦单目立体视觉的视差分布不同于双目视差,具有沿极线辐射的特点。针对双焦单目立体视觉的特点,提出了一种单目立体视差的计算方法。对于计算到的初步视差图,把视差点分类为匹配计算点和误匹配点。通过均值偏移向量（Mean Shift）算法,实现了对误匹配点依赖于匹配点和图像分割的视差估计,最终得到致密准确的视差图。实验证明,这种方法可以通过双焦立体图像对高效地获得场景的视差图。     

图像立体匹配研究进展

图像的立体匹配一直是立体视觉的研究重点.首先简要介绍了立体匹配方法及其分类,归纳了立体匹配中的各种约束条件和相似性测度函数;然后总结了局部匹配算法和全局匹配算法的特点,并结合对象的三维重建问题重点分析了全局匹配算法中的动态规划算法、图割法和置信度传播算法;最后对立体匹配研究面临的主要问题给出了一些建议.     

简化的SIFT算法在双目立体视觉中的应用

图像均匀匹配是双目立体视觉领域研究的重点。本文用SIFT特征匹配算法处理立体匹配,并利用构造圆环形窗口以及12维向量表示一个特征点的方法,既保持SIFT算法的尺度不变性,又有效降低了算法的复杂度,提高了算法实时性。     

基于SIFT特征描述子的立体匹配算法

目前,立体匹配是计算机视觉领域最活跃的研究课题之一。为了克服传统的局部特征匹配算法对噪声和图像灰度的非线性变换敏感的缺点,本文提出了一种新的基于SIFT(Scale Invariant Feature Transform)特征描述子的立体匹配算法。该算法利用图像梯度信息,构造基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。实验结果表明,该方法匹配精度高,对图像灰度的非线性变换比较鲁棒,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。     

立体视觉与体视匹配

本文简要地介绍了立体视觉和体视匹配的研究内容和研究方法。回顾了立体视觉的发展过程。重点讨论了基于区域的和基于特征的二种体视匹配方法。总结和分析了立体视觉所面临的技术难点及其发展动向。     

基于低负载运算平台的双目视觉快速匹配算法

针对计算机视觉系统在低负载运算平台下的应用,对双目立体视觉系统中的图像特征提取和多分辨率图像匹配处理算法进行分析与研究。在对已有的图像降晰算法进行实验分析的基础上,提出了适用于低负载运算平台的双目视觉快速匹配算法。研究结果表明:该算法与已有的图像特征点匹配算法相比,算法执行时间缩短了约80%。基本满足低负载运算平台如自主移动机器人、车载摄像机等的要求,降低了运算难度,实现了目标定位实时性,同时兼顾了图像匹配精度和高可靠性。     

基于双目视觉的人脸三维重建

基于双目立体匹配算法PatchMatch算法,提出了一种获取人脸三维点云的算法。该算法对局部立体匹配算法PatchMatch进行了优化。该方法既不需要昂贵的设备,也不需要通用的人脸三维模型,而是结合了人脸的拓扑结构信息以及立体视觉局部优化算法。此方法采用非接触式的双目视觉采集技术获取左右视角的人脸图像,利用回归树集合(ensemble of regression trees,ERT)算法对人脸图像进行关键点定位,恢复人脸稀疏的视差估计,运用线性插值方法初步估计脸部的稠密视差值,并结合局部立体匹配算法对得到的视差结果进行平滑处理,重建人脸的三维点云信息。实验结果表明,这种算法能够还原出光滑的稠密人脸三维点云信息,在人脸Bosphorus数据库上取得了更加准确的人脸重建结果。     

一种基于梯度特征列表的机器视觉目标匹配

机器视觉目标匹配中,匹配相似性测量应用特征列表相关算法计算,可有效减少处理时间,并且匹配具有较高的峰值系数和峰值信噪比,可以清晰识别目标。所提出的基于梯度特征列表的机器视觉目标匹配方法,采用梯度特征列表描述图像,对特征像素点非均匀采样,匹配相似测量基于特征像素点梯度归一化互相关,可有效改善特征列表算法性能。     

Stereo vision-based real-time localization of electric vehicle battery in the complex environment

The approach to passive stereo vision-based real-time localization is developed in this context, as it can adapt to complex factors such as the illuminations, backgrounds, viewing angles, and occlusions. After the calibration of the visual coordinates, the proposed system can jointly calibrate the robots and the vision systems flexibly by controlling the terminal positions of the robots. The fast phase-only correlation algorithm is proposed to considerably improve the matching efficiency of the image pairs. Pose normalization and regional three-dimensional vector feature detection can make the proposed system robust to the surface patterns of the cars and the battery shapes, allowing for reliable localization and detection. The proposed real-time system has been verified in the practical application.     

3D reconstruction of human face based on an improved seeds-growing algorithm

An algorithm based on binocular stereo vision is proposed to generate 3D (three-dimensional) dense points cloud model of the human face. A two-step matching strategy from sparse to dense is developed. Firstly, an improved seeds-growing algorithm is utilized to acquire sparse matching of high confidence. Secondly, based on the control points method and piecewise dynamic programming, the dense matching is completed. Experimental results show that the proposed algorithm can produce smooth and dense 3D points cloud model of the human face.     

基于强相似点检测快速双目立体匹配算法

立体匹配是双目视觉的一个重要分支领域,能够通过深度图还原出三维信息,但由于其计算量庞大,实时性难以得到保障。为此,提出了一种基于强相似点的快速立体匹配算法。首先,将双目图像通过对极处理,使匹配区域固定在同一水平线上,减少匹配区域;其次,对图像进行灰度转化,并将搜索范围内与待匹配点灰度值接近的点定义为强相似点,对强相似点所在块进行匹配代价计算,并得出该点最优视差,对不存在强相似点的待匹配点进行正常视差计算;最后将进行视差修正与滤波,得到最终视差图。经Middlebury算法测试平台的提供数据进行验证,结果表明在不损失精确率的前提下,该方法相对于SAD速度提高70%左右,为立体匹配算法的实际应用奠定了良好基础,在视觉导航、障碍物检测方面也有着良好的应用前景。     

改进型SIFT立体匹配算法研究

针对机器人视觉系统立体匹配中存在的匹配重复或错误等问题,提出了一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT算法）和余弦相似度匹配规则的立体匹配方法。该方法以左、右两幅图像中特征向量较多的图像作为基准匹配图像,另一幅图像作为待匹配图像;再由二者的特征向量之间的余弦相似度所建立的匹配规则进行立体匹配。实验结果表明,改进型立体匹配方法有效地降低了匹配错误或重复比,具有较强的鲁棒性,匹配效果较佳,更加有利于机器人视觉系统的三维重建与定位。     

一种基于方向SUSAN特征的目标特征列表匹配

目标匹配识别中,特征列表相关算法可以有效减少计算时间,匹配具有较高的峰值系数和峰值信噪比,清晰识别目标。提出一种基于方向最小核值相似区（SUSAN）特征列表的目标匹配方法,考虑特征点的方向信息,应用SUSAN原理提取特征并列表描述图像,匹配相似测量基于特征点归一化误差均值,有效降低了算法的噪声敏感性。     

基于背景感知相关滤波的深度提取跟踪算法研究

背景感知相关滤波算法将目标背景和前景一起建模[1],利用包含背景信息的负样本进行训练,得到高鲁棒性核相关滤波器,实现跟踪目标与背景的分离。这种单目实现的相关滤波跟踪算法能够做到实时跟踪,却以丢失深度为代价。本文提出了一种将双目立体视觉深度提取与基于单目的背景感知相关滤波相结合的算法,该算法在做到实时跟踪的同时,能够对视频序列中的若干帧利用改进的双目立体匹配SGM算法得到视差图,反馈出跟踪目标的深度信息。实验结果表明该算法具备实时性,且三维坐标定位准确。     

一种基于置信度传播的立体匹配算法

在双目立体视觉中立体匹配问题存在歧义性,是视觉研究中难点问题之一。通过采用分水岭分割图像的方式有效的对图像进行了过分割处理,实现了基于图像块置信传播的匹配算法。最后用Middlebury College图像库中的图像对算法进行了验证,实验结果表明这种方法能够获得很好的匹配效果,克服了传统立体匹配中精度低和速度慢的缺点。     

An Evolutionary-Based Stereo Matching Method with a Multilevel Searching Strategy

Stereo matching is one of the fundamental problems in computer vision. It consists in identifying features in two or more stereo images that are generated by the same physical feature in the three-dimensional space. This paper presents an evolutionary approach with a multilevel searching strategy for matching edges extracted from two stereo images. The matching problem is turned into an optimization task, which is performed by means of a genetic algorithm with a new encoding scheme. For an effective exploitation of the genetic stereo matching algorithm for real-time obstacle detection, a multilevel searching strategy is proposed to match the edges at different levels by considering their gradient magnitudes. Experimental results and comparative analysis are presented to demonstrate the effectiveness of the proposed method for real-time obstacle detection in front of a moving vehicle using linear stereo vision.