基于梯度值的自适应窗口立体图像匹配算法

针对基于区域的立体图像匹配算法支持窗口难以选择,容易出现窗口过大或过小的问题,提出一种新的自适应窗口立体图像匹配算法。该算法利用Sobel梯度算子计算像素梯度值,并根据其梯度值动态地获取具有自适应的支持窗口,然后分别选择相似性测度函数SAD或NCC搜索最佳匹配点,获得视差图。此外,算法在窗口选择过程中进行优化,减少了计算量。实验结果表明,改进后的算法提高了匹配正确率且计算时间缩短了近5%。     

机器人用双目视觉的三维重构技术实验研究

随着视觉技术与机器人技术的发展,人们利用摄像头模拟人眼,作为机器人与外界联系的窗口,获取三维世界景物的形态,姿态,运动和深度信息,并将所得到的数据传递给机器人大脑(计算机),通过计算机的信息处理与筛选,选择合适的信息对机器人下一步行动进行指示。双目立体视觉技术的实现分为图像获取,摄像机标定,特征提取,立体匹配和三维重构,本文构造了完整的机器人双目立体测量系统进行了实验。     

基于移动机器人的快速立体匹配技术研究

在介绍了常用立体匹配算法的基础上,针对移动机器人快速移动的特点,结合立体匹配的实时性,选择了基于区域的WTA立体匹配算法,并对该算法采用了多项改进措施,保证了匹配的正确性,降低了误匹配率。实验结果表明,改进后的立体匹配算法既具有良好的实时性也具有较高的精度,完全可以满足移动机器人的双目立体视觉应用要求。     

视觉导航机器人三维场景重建研究

针对自主导航机器人在室外中的立体视觉,应用了一种基于置信点扩展的三维重建的方法。该方法改进了归一化交叉相关算法,由视差空间图寻找视差空间中的置信点并进行表面跟踪,并用计算亚象素视差和中值滤波的办法得到视差图,最后使用滚球算法对从视差图中得到的点云数据进行三角化从而进行地形重建。实验结果表明,所使用匹配方法优于单一的归一化交叉相关方法,有着较强的鲁棒性,重建的地形效果较为理想。     

基于图像分割的自适应窗口双目立体匹配算法研究

针对传统双目立体匹配算法采用固定窗口导致弱纹理区域匹配精度较低的问题,提出了一种基于图像分割的自适应窗口立体匹配算法.首先,采用Mean-shift算法对图像进行分割,之后对分割图像进行局部子区灰度标准差统计,在此基础上提出了一种根据纹理丰富程度进行窗口大小自适应设定的算子.基于自适应窗口大小设定,组合使用Census变换和梯度值计算匹配代价,并分别通过自适应权重代价聚合及"胜者为王"策略进行初始视差计算,最后利用左右视差一致性原则和加权中值滤波得到稠密视差图.采用提出的自适应窗口匹配算法与固定窗口匹配算法对Middlebury数据集上的标准图片进行匹配实验,实验结果表明,所提算法的平均匹配错误率为2.04％,相比对比算法,所提方法的匹配错误率分别降低了4.5％和7.9％.     

计算机视觉原理分析及其应用

介绍了计算机视觉的原理,分析解释了实现原理的步骤以及发展现状,并且举例说明了计算机视觉的应用,解决了在人脸检测和识别、机器人目标定位、导航等领域的应用问题,并简单论述了计算机视觉技术的发展方向.     

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.     

自适应分层粒子群稠密视差图估计

分析了遗传算法的缺陷,提出了自适应分层粒子群(PSO)立体匹配算法计算稠密视差图。首先采用SIFT(scale invariant feature transform)特征检测和匹配算法准确地确定视差范围;其次根据图像和视差范围的大小分层,建立由粗及细的自适应分层图像金字塔结构,加快搜索速度、减少错误匹配;然后在优化函数中引入能根据匹配窗口大小自动变化的因子来调整灰度项和平滑项数据的权重,并用改进的带变异算子的整数形式的PSO进行优化,避免了遗传算法搜索的盲目性以及容易陷入局部最优的缺陷,更快、更好地找到最优解。最后合成图像以及真实图像的实验结果表明该方法精度较高,速度较快。     

射线图像的立体匹配技术研究

在数字射线成像检测技术中,当物体形状不适宜于旋转扫描时,传统的X射线计算机断层成像技术(CT)难以得到其3维信息,对于这种情况,立体视觉是一种较好的解决方案。立体视觉的关键技术是立体匹配,尽管目前立体匹配技术的研究已取得了很大的进展,然而这类研究主要局限于可见光等反射成像领域,对X射线图像等透射成像领域的研究很少。由于成像原理的不同,透射图像的立体匹配技术与可见光图像存在很大差异。为了对X射线图像进行正确匹配,根据射线图像的特点,首先制定了合理的立体匹配策略,并指出边缘是一种"好"的匹配基元;然后建立了射线图像立体匹配的约束条件,同时分析了射线图像匹配不确定性的原因;最后确定了由粗到精的两步匹配方法,并提出利用多目视觉约束来实现精匹配。利用工业射线像增强器系统对标准样件进行成像的实验结果表明,该技术是可行的,匹配的绝对平均误差在2pixels范围内。