多视图匹配算法研究

论文摘要

随着立体视觉技术的发展,多视图匹配问题成为其中一个研究热点,在很多方面和领域都得到了广泛应用。在广泛研究立体匹配算法的基础上,本文对多视图匹配算法进行了深入探讨和研究。双目立体匹配是立体视觉的一种常用技术,而多视图匹配在匹配精度、匹配率和匹配速度上有了更高的要求,双目立体匹配中的两视图匹配方法并不能简单地应用于多视图匹配。本文提出了一种新的适宜于多视图匹配的基于梯度的角点匹配算法。首先提取视图中的角点,选取角点梯度匹配角点,角点梯度在角点提取过程中获得,不需要额外计算;然后,采用只包含简单的加减运算的相似性测度函数,降低了计算量。最后,在初始匹配点优化过程中,利用随机采样算法估计出基本矩阵,恢复极线约束,然后采用对极距离剔除误匹配点。与传统的灰度归一化交叉相关匹配算法和近期的基于水平和垂直两种梯度的算法相比,本文的角点匹配算法不仅能够获得更多的同名点,更高的匹配率和匹配精度,而且大大缩短了匹配时间。以提出的角点匹配算法为基础,本文给出多视图匹配算法的整体框架。首先,每增加一幅视图,就将之与其最近的视图按照本文的角点匹配算法进行匹配,为了进一步提高匹配速度,依据多视图几何理论,在新增视图上只搜索其最近视图中已匹配点的同名点;然后,调整前面所有视图中的同名点,淘汰与新增视图不匹配的点;最终,得到了多视图中的同名点。采用本文算法对实景图像进行了一系列的实验验证,结果证明其在匹配率、匹配精度,尤其是在匹配速度上,均优于灰度归一化交叉相关算法和基于水平和垂直两种梯度的算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的目的和意义
• 1.2 国内外研究现状及分析
• 1.2.1 区域匹配算法研究现状及分析
• 1.2.2 特征匹配算法研究现状及分析
• 1.2.3 相位匹配算法研究现状及分析
• 1.2.4 多视图匹配研究现状及分析
• 1.3 本文研究思路
• 1.4 本文组织结构
• 第2章 立体匹配相关理论
• 2.1 摄像机成像模型
• 2.1.1 针孔成像模型
• 2.2 立体视觉模型
• 2.2.1 平行式立体视觉模型
• 2.2.2 汇聚式立体视觉模型
• 2.3 视图几何
• 2.3.1 两视图几何
• 2.3.2 多视图几何
• 2.3.3 多视图匹配的理论基础
• 2.4 匹配约束
• 2.5 本章小结
• 第3章 基于梯度的角点匹配方法
• 3.1 Harris 角点检测算法
• 3.1.1 角点检测算法介绍
• 3.1.2 Harris 算子的数学描述
• 3.1.3 Harris 算子原理
• 3.2 初始匹配
• 3.2.1 传统角点匹配方法
• 3.2.2 角点梯度
• 3.2.3 搜索窗口
• 3.2.4 相似性测度函数的选取
• 3.2.5 相似矩阵
• 3.2.6 左右一致性约束
• 3.3 优化初始匹配
• 3.3.1 基本矩阵的计算
• 3.3.2 对极距离剔除误匹配
• 3.3.3 利用RANSAC 算法优化匹配点
• 3.4 实验结果与分析
• 3.5 本章小结
• 第4章 多视图匹配算法
• 4.1 图像获取
• 4.2 初始两视图匹配
• 4.3 匹配点搜索及调整
• 4.3.1 新增视图匹配点搜索
• 4.3.2 匹配点调整
• 4.4 实验结果与分析
• 4.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢