立体匹配算法及其关键技术研究

论文摘要

计算机视觉是当前的研究热点，而双目立体视觉作为计算机视觉的一个分支，越来越得到重视和关注，其应用也越来越广泛，如无人导航、工业控制、三维测量和虚拟现实等。立体匹配技术是双目立体视觉的关键技术之一，其基本思想是：在相关的约束规则下，按照一定的代价函数寻找不同视角的两幅或者多幅图像之间的像素点的对应关系。本文以立体匹配算法及其基本理论的研究为基础，重点探讨了非参量的特征区域匹配和基于不变量的立体匹配技术，进而实现了基于上述匹配的三维重建算法。首先，系统地介绍了立体匹配的一般原理、关键技术，以及在三维重建中需要的标定原理。在基于区域的匹配技术中引入权值矩阵，通过实验证明权值矩阵可提高匹配可靠性；其次，针对图像获取存在干扰以及在标定过程中存在标定误差的问题，引入了基于非参量的特征区域匹配技术和基于不变量的图像匹配方法，详细介绍了这两种方法的原理，实现了基于这两种方法的立体匹配算法。实验表明，这两方法都具有较强的健壮性和较好的抗干扰性，且后者还具有较快的速度，无论是在特征提取还是匹配都比最近流行的SIFT(ScaleInvariantFeatureTransform)快很多；最后，在以上工作的基础上，进行了三维重建理论和方法的研究，实现了一个三维重建系统。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 立体匹配技术研究现状
• 1.1.2 立体匹配挑战性问题及发展趋势
• 1.2 论文的主要内容及结构安排
• 1.2.1 论文的主要研究内容以及创新点
• 1.2.2 论文的组织安排
• 第二章 双目立体视觉原理和摄像机标定
• 2.1 双目立体视觉原理
• 2.2 摄像机标定
• 2.2.1 图像坐标系，摄像机坐标系与世界坐标系
• 2.2.2 摄像机模型及标定原理
• 2.3 小结
• 第三章 立体匹配关键技术及区域匹配技术
• 3.1 立体匹配的关键技术
• 3.1.1 匹配基元
• 3.1.2 匹配规则
• 3.1.3 搜索策略
• 3.1.4 相似性测度函数
• 3.2 立体匹配算法原理及分类
• 3.2.1 基于灰度的匹配算法
• 3.2.2 基于特征的匹配算法
• 3.2.3 基于相位的匹配算法
• 3.3 权值矩阵模型及区域匹配算法
• 3.3.1 区域匹配算法
• 3.3.2 权值矩阵模型以及和 SAD 相似度函数的结合
• 3.4 实验结果及其分析
• 3.4.1 相似度测量对比实验
• 3.4.2 采用权值矩阵的区域匹配
• 3.5 小结
• 第四章 基于非参数变换和不变量技术的特征匹配算法
• 4.1 基于非参量的特征区域匹配算法
• 4.1.1 引言
• 4.1.2 Rank 变换及抗噪原理
• 4.1.3 区域特征匹配原理
• 4.1.4 基于非参量的特征区域匹配算法的设计与实现
• 4.1.5 实验结果与分析
• 4.2 基于不变量的特征匹配算法
• 4.2.1 引言
• 4.2.2 特征提取
• 4.2.3 匹配
• 4.2.4 约束条件
• 4.2.5 基于不变量立体匹配算法的设计与实现
• 4.2.6 实验结果及其分析
• 4.3 小结
• 第五章 三维重建
• 5.1 空间点的计算
• 5.2 系统的设计与实现
• 5.3 实验效果与分析
• 5.4 小结
• 第六章 总结与展望
• 致谢
• 参考文献