一种基于MPEG-2的立体视频编码中的视差匹配快速算法

高效，快速的视差匹配是立体视频处理中的一项关键技术。本文在分析立体图像序列的视差矢量与运动矢量之间的相关性的基础上，提出一种基于MPEG-2的立体视频编码中的视差匹配快速算法。实验结果表明，与全搜索法相比，在保证重建图像质量的前提下，快速算法能显著降低视差估计的计算复杂度。     

新型彩电面面观

新型彩电最能集中反映显示技术的突破性进展。本文介绍全球彩电市场概况、交互式彩电、数字式彩电、数字式有线彩电及近年来不断涌现的彩电新品，如眼控式彩电、声控式彩电、声控式彩电、多媒体彩电、三维立体彩电及无荧屏彩电等。     

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%。     

基于图像反馈的标靶面与光轴垂直调节系统

介绍了摄像机标定的内部参数,阐述了标靶面与光轴垂直可以简化标定的过程.当标靶面与光轴垂直时,利用标靶面上特征圆在CCD成像面上成像也是圆的特点,提出了基于图像反馈的标靶面与光轴垂直的调节方法.一般情况下,标靶面与光轴不垂直,标靶面上特征圆在CCD成像面上成像为椭圆.通过图像处理和最小二乘椭圆拟合法计算出成像椭圆的长短轴及偏角,设计了调整控制策略.实验结果表明,该方法是有效可行的.     

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。     

一种基于立体视觉的车轮中心测量方法

在车辆尺寸参数测量系统中,车轮中心是一个很重要的过程参数,目前该参数都是由人工进行手动测量,为此提出一种基于立体视觉的车轮中心高精度测量方法.该方法以车轮钢圈作为处理对象,首先根据边缘分组算法和椭圆拟合判别算法提取出车轮钢圈的圆形特征;其次利用立体匹配算法获取车轮钢圈圆形特征上点的三维坐标;最后通过三维平面拟合、坐标转...     

GPU近实时线性双目立体代价聚合

目的 近年来双目视觉领域的研究重点逐步转而关注其“实时化”策略的研究,而立体代价聚合是双目视觉中最为复杂且最为耗时的步骤,为此,提出一种基于GPU通用计算(GPGPU)技术的近实时双目立体代价聚合算法。方法 选用一种匹配精度接近于全局匹配算法的局部算法——线性立体匹配算法(linear stereo matching)作为代价聚合策略;结合线性代价聚合的原理,对其主要步骤(代价计算、均值滤波及系数求解等)的计算流程进行有针对性地并行优化。结果 对于相同的实验样本,用本文方法在NVIDA GTX780 实验平台上能在更短的时间计算出代价矩阵,与原有的CPU实现方法相比,代价聚合的效率平均有了数十倍的提升。结论 实时双目立体代价聚合方法,为在个人通用PC平台上实时获取高质量双目视觉深度信息提供了一个高效可靠的途径。     

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.     

立体图像对亮度差异对立体视融合的影响研究

针对具有亮度差异的立体图像对如何影响立体融合,提出了对不同亮度差异的立体图像对识别融合的影响范围。通过8名被试对亮度差异分别为0,10,20,30,40,50,60,70,80,90的立体图像对融合识别的反应时和正确率进行分析,给出了亮度差异对立体视融合的定量影响范围。结果表明:反应时随着亮度差异的增大逐渐增加,但识别正确率逐渐降低。亮度差异为20以下,立体识别可达到较好的识别效果,反应时较短并且正确率很高。当亮度差异介于20~60之间,反应时急剧增加,正确率稍有降低。但当亮度差异达到60以上,不仅反应时急剧增加,而且正确率急剧降低,达到很难识别的程度。