基于计算机视觉中双目立体匹配技术研究

基于计算机视觉中双目立体匹配技术研究

论文摘要

立体视觉技术是计算机视觉领域一个经典的研究课题,它以尽可能逼真的模仿人类的双目视觉功能为目标。所谓双目立体视觉,是从两个不同的角度来观察同一个景物,以获取在不同视角下的感知图像,通过成像几何原理计算图像像素之间的位置偏差(视差),进而获取景物的三维信息。作为立体视觉领域的热点,尤其是在排爆机器人确定危险目标,无人车自动避障,人造卫星的目标识别等领域,该课题的研究可以解决很多实质性问题。因此,对它进行进一步研究,将会非常有意义。双目立体匹配技术的实现可分为图像获取、摄像机标定、特征提取、立体匹配和三维重建几个部分。论文针对双目立体视觉的几个关键技术进行了深入的研究。(1)在摄像机参数标定中,采用了一种介于传统标定方法和自标定方法之间的方法——张正友的基于平面标定模板的摄像机标定方法(张氏标定法),通过手工方法和Harris角点检测获取模板特征点的图像坐标,进而通过实验和计算来获取摄像机的参数。(2)立体匹配时寻找一个同一目标点在两幅图像中的成像位置,匹配特征的选取、匹配准则的确定、匹配算法的实现是立体匹配的三个重要步骤。在基于特征的立体匹配方法中,本课题采用基于Sift算子的特征点提取和匹配算法进行编程,并且通过实验获得空间点数据。提出了基于Sift算子的MSift算子,进而进行实验验证,通过与原算子Sift的比较,得到了预期的结果,并通过MSift算子下的程序获取了匹配点的图像坐标。(3)根据立体视觉基本原理及三维坐标计算方法,完成了三维坐标计算,将特征点的距离信息与激光传感器测距进行比较获得误差,并对误差原因进行了分析,最后根据测量结构生成了轮廓深度图。论文中应用Matlab,C++进行基于实验算法的编程。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 计算机视觉技术介绍
  • 1.1.1 研究背景
  • 1.1.2 国内外发展概况及研究现状和难点
  • 1.2 双目立体视觉技术
  • 1.2.1 双目立体视觉概述
  • 1.2.2 图像获取
  • 1.2.3 图像预处理
  • 1.2.4 摄像机标定
  • 1.2.5 立体匹配
  • 1.2.6 三维内插介绍
  • 1.3 双目立体视觉系统的理想模型
  • 1.4 论文主要工作
  • 第二章 双目立体视觉系统的数学模型和摄像机的标定
  • 2.1 双目立体视觉系统的数学模型
  • 2.2 摄像机标定
  • 2.2.1 摄像机标定概述
  • 2.2.2 摄像机成像模型
  • 2.2.3 传统的摄像机标定方法
  • 2.3 Tsai两步法
  • 2.3.1 算法基本原理
  • 2.3.2 标定过程
  • 2.4 本课题采用的标定方法
  • 2.4.1 算法过程
  • 2.4.2 求解过程
  • 2.4.3 镜头畸变优化
  • 2.4.4 标定步骤
  • 2.4.5 实验结果
  • 2.5 本章小结
  • 第三章 立体匹配关键技术及算法分类
  • 3.1 概述
  • 3.2 立体匹配技术发展
  • 3.2.1 特征空间
  • 3.2.2 相似性度量
  • 3.2.3 搜索空间
  • 3.2.4 搜索策略
  • 3.3 立体匹配算法归类
  • 3.4 Sift算法详解
  • 3.4.1 Sift特征提取
  • 3.4.2 Sift特征匹配
  • 3.5 MSift特征匹配
  • 3.5.1 MSift算法的特征提取
  • 3.5.2 MSift算法的特征匹配
  • 3.6 实验结果分析
  • 3.7 本章小结
  • 第四章 三维重建
  • 4.1 引言
  • 4.2 空间坐标计算
  • 4.2.1 立体视觉原理
  • 4.2.2 空间坐标计算
  • 4.2.3 坐标计算结果及误差分析
  • 4.3 生成深度图
  • 4.4 本章小结
  • 第五章 总结与展望
  • 参考文献
  • 致谢
  • 硕士研究生期间发表的论文
  • 相关论文文献

    • [1].基于计算机视觉求解数独的系统设计[J]. 中国科技信息 2020(02)
    • [2].计算机视觉中的深度学习专题简介[J]. 中国科学:信息科学 2019(12)
    • [3].深度学习在计算机视觉领域的应用进展[J]. 计算机产品与流通 2020(01)
    • [4].计算机视觉中的深度学习专题(2020)简介[J]. 中国科学:信息科学 2020(02)
    • [5].计算机视觉与感知在智慧安防中的应用[J]. 移动通信 2020(03)
    • [6].试析计算机视觉艺术在数字媒体中的应用[J]. 电子世界 2020(07)
    • [7].计算机视觉各技术分支专利分析[J]. 高科技与产业化 2020(04)
    • [8].计算机视觉产业专利分析报告[J]. 高科技与产业化 2020(05)
    • [9].基于计算机视觉核桃质量预测方法的探讨[J]. 无线互联科技 2020(09)
    • [10].关于高校计算机视觉课程教学的思考[J]. 计算机产品与流通 2020(09)
    • [11].眼控科技:计算机视觉融入交通和气象[J]. 机器人产业 2020(05)
    • [12].深度学习在计算机视觉领域的应用发展探究[J]. 电脑编程技巧与维护 2020(09)
    • [13].计算机视觉赋能中小企业[J]. 机器人产业 2020(05)
    • [14].医学3D计算机视觉:研究进展和挑战[J]. 中国图象图形学报 2020(10)
    • [15].计算机视觉在水稻大面积制种中的应用研究[J]. 农机化研究 2019(03)
    • [16].微课在计算机视觉课中的应用探究[J]. 中国新通信 2018(23)
    • [17].深度学习分类网络研究及其在计算机视觉中的应用[J]. 通讯世界 2019(03)
    • [18].感知世界 洞察未来——2018年计算机视觉行业回顾与展望[J]. 中国城市金融 2019(02)
    • [19].基于计算机视觉的玉米田间除草系统开发[J]. 农机化研究 2018(03)
    • [20].基于计算机视觉的玉米种子形态识别测量[J]. 农机化研究 2018(04)
    • [21].基于计算机视觉的小麦长势监控研究[J]. 农机化研究 2018(04)
    • [22].基于计算机视觉的瓜果采摘系统的运用研究[J]. 农机化研究 2018(01)
    • [23].计算机视觉研究综述[J]. 电子世界 2018(01)
    • [24].基于计算机视觉的深度估计方法[J]. 科技资讯 2018(04)
    • [25].计算机视觉艺术在数字媒体艺术中的应用研究[J]. 山西大同大学学报(自然科学版) 2017(01)
    • [26].计算机视觉:数字世界新曙光[J]. 国资报告 2017(02)
    • [27].数字摄影测量与计算机视觉概述[J]. 测绘标准化 2016(02)
    • [28].计算机视觉艺术在数字媒体的应用探讨[J]. 中国报业 2016(18)
    • [29].计算机视觉艺术在数字媒体领域的应用研究[J]. 互联网天地 2015(07)
    • [30].基于计算机视觉的运动目标分析[J]. 电脑迷 2017(12)

    标签:;  ;  ;  ;  ;  ;  

    基于计算机视觉中双目立体匹配技术研究
    下载Doc文档

    猜你喜欢