基于ToF-雙目融合的深度信息獲取技術研究
發(fā)布時間：2021-03-03 21:09
深度信息的獲取是三維應用領域所必需的關鍵技術之一。近幾年來,隨著三維技術應用的不斷拓展,人機交互、自動駕駛、三維重建以及智能監(jiān)控等領域對深度獲取技術的精度和場景適應能力有了更高的要求。因此,進一步提升深度獲取技術的精確性和魯棒性成為了當前三維感知領域中亟待解決的問題。在目前眾多深度信息獲取技術中,雙目立體視覺可以看作被動式深度獲取技術的代表,而ToF則可以看作是主動式深度獲取技術的代表,單獨使用這兩種技術不可避免會存在一些缺陷,同時二者也具有優(yōu)勢互補的特點,因此將兩者融合起來獲取深度信息已成為三維成像領域的一個重要研究方向。本文以提升深度獲取技術的精確性和魯棒性為研究目標,根據主動式脈沖型ToF深度獲取技術和被動式雙目立體視覺深度獲取技術的特點進行了ToF-雙目融合相關技術的分析和研究。本文具體內容和創(chuàng)新性主要體現(xiàn)在以下兩個方面:1.本文提出了一種基于半盲反卷積的脈沖型ToF深度圖去噪算法。針對提高深度信息精度的需求,該算法直接設計脈沖型ToF深度相機原始測量值的正則化器,避免了傳統(tǒng)的去噪方法可能對像素值本身造成的誤差。結合二階總廣義變分的數學模型去設計目標函數,該算法首先估計出了每個...
【文章來源】：北京工業(yè)大學北京市 211工程院校
【文章頁數】：79 頁
【學位級別】：碩士
【圖文】：
深度獲取技術分類圖
圖 1-2 主流 ToF 深度相機Fig. 1-2 Mainstream ToF depth cameras1.2.2 雙目立體深度獲取技術研究現(xiàn)狀被動式雙目立體視覺深度獲取方法的核心問題是立體匹配問題，立體匹配算法就是尋找不同位置的對應點求取視差的過程，由于雙目相機的位置不同，場景中的同一點在相機感光元件上的對應點也會不同，這一點在不同圖像上的位置也不一樣，那么這個位置差就是視差。一直以來，立體匹配算法都作為一個經典的視覺問題而備受研究者們青睞。20 世紀 70 年代，美國麻省理工大學的 Marr[27]提出了一個還原三維場景的視覺理論。該理論分為三步，第一步是獲取場景的二維圖像；第二步是將二維圖像轉為 2.5 維，最后是將前兩步提取的信息還原成三維信息。立體匹配屬于第一和第二步。在這個視覺理論的基礎上，誕生出很多優(yōu)秀的立體匹配算法。Scharstein和 Szeliski[28]根據視差計算方式的不同，將目前出現(xiàn)的匹配算法大致分成兩類：局部立體匹配算法和全局立體匹配算法，下面主要介紹這兩類立體匹配算法。
的反卷積問題，引出了二階總廣義變分的數學模型來解決這一問題；其次利用二階總廣義變分的數學模型的特點及去噪優(yōu)勢和 ADMM 算法求解能量函數的原理，結合二階總廣義變分的數學模型和設計脈沖型 ToF 深度圖像原始測量值的正則化器，提出了本章算法和求解的過程；最后，給出了該算法在標準數據集和本文采集的數據上的去噪結果對比，并對本章內容進行了總結。第 4 章提出了基于 ToF-雙目融合的深度獲取算法。在融合算法進行之前，首先對圖像進行預處理，包括多相機標定和第 3 章給出的深度圖去噪。其次，利用有效 ToF 深度信息重新設計了匹配代價函數，引導立體匹配算法，提出基于 K最近鄰的匹配代價聚合算法，完成初步深度融合。為了彌補在其他區(qū)域的影響，提出了基于權重的像素級融合，包括權重函數設計和歸一化處理，完成最終的ToF-雙目深度融合。最后，對該算法在數據集上進行了驗證，并和其他算法進行了對比，且對本章內容進行了總結。文章最后部分是結論，總結了論文整體工作，展示了論文研究成果，對未來工作進行了展望。
【參考文獻】：
期刊論文
[1]基于TOF與立體匹配相融合的高分辨率深度獲取[J]. 劉嬌麗,李素梅,李永達,劉富巖. 信息技術. 2016(12)
[2]面向機器人磨拋的激光點云獲取及去噪算法[J]. 鄧文君,葉景楊,張鐵. 光學學報. 2016(08)
[3]基于種子點傳播的快速立體匹配[J]. 胡漢平,朱明. 光學精密工程. 2015(03)
[4]基于雙目立體視覺的快速人頭檢測方法[J]. 顧騁,錢惟賢,陳錢,顧國華,任建樂. 中國激光. 2014(01)
[5]基于自適應分水嶺的圖割的立體匹配算法[J]. 祝世平,楊柳. 光學學報. 2013(03)
[6]脈沖雷達測距時間-電壓轉換方法[J]. 袁其平,范立潔,童崢嶸,楊秀峰,曹曄. 現(xiàn)代雷達. 2012(06)
[7]基于視覺的三維重建技術綜述[J]. 佟帥,徐曉剛,易成濤,邵承永. 計算機應用研究. 2011(07)
[8]一種快速雙目視覺立體匹配算法[J]. 狄紅衛(wèi),柴穎,李逵. 光學學報. 2009(08)
碩士論文
[1]基于雙目立體視覺的深度感知技術研究[D]. 馬源.北京理工大學 2015
[2]結構光深度圖像獲取算法研究[D]. 王一嬌.清華大學 2014
[3]基于圖像分割和圖割的雙目立體三維重建[D]. 王桂芝.大連理工大學 2013
本文編號：3061941
【文章來源】：北京工業(yè)大學北京市 211工程院校
【文章頁數】：79 頁
【學位級別】：碩士
【圖文】：
深度獲取技術分類圖
圖 1-2 主流 ToF 深度相機Fig. 1-2 Mainstream ToF depth cameras1.2.2 雙目立體深度獲取技術研究現(xiàn)狀被動式雙目立體視覺深度獲取方法的核心問題是立體匹配問題，立體匹配算法就是尋找不同位置的對應點求取視差的過程，由于雙目相機的位置不同，場景中的同一點在相機感光元件上的對應點也會不同，這一點在不同圖像上的位置也不一樣，那么這個位置差就是視差。一直以來，立體匹配算法都作為一個經典的視覺問題而備受研究者們青睞。20 世紀 70 年代，美國麻省理工大學的 Marr[27]提出了一個還原三維場景的視覺理論。該理論分為三步，第一步是獲取場景的二維圖像；第二步是將二維圖像轉為 2.5 維，最后是將前兩步提取的信息還原成三維信息。立體匹配屬于第一和第二步。在這個視覺理論的基礎上，誕生出很多優(yōu)秀的立體匹配算法。Scharstein和 Szeliski[28]根據視差計算方式的不同，將目前出現(xiàn)的匹配算法大致分成兩類：局部立體匹配算法和全局立體匹配算法，下面主要介紹這兩類立體匹配算法。
的反卷積問題，引出了二階總廣義變分的數學模型來解決這一問題；其次利用二階總廣義變分的數學模型的特點及去噪優(yōu)勢和 ADMM 算法求解能量函數的原理，結合二階總廣義變分的數學模型和設計脈沖型 ToF 深度圖像原始測量值的正則化器，提出了本章算法和求解的過程；最后，給出了該算法在標準數據集和本文采集的數據上的去噪結果對比，并對本章內容進行了總結。第 4 章提出了基于 ToF-雙目融合的深度獲取算法。在融合算法進行之前，首先對圖像進行預處理，包括多相機標定和第 3 章給出的深度圖去噪。其次，利用有效 ToF 深度信息重新設計了匹配代價函數，引導立體匹配算法，提出基于 K最近鄰的匹配代價聚合算法，完成初步深度融合。為了彌補在其他區(qū)域的影響，提出了基于權重的像素級融合，包括權重函數設計和歸一化處理，完成最終的ToF-雙目深度融合。最后，對該算法在數據集上進行了驗證，并和其他算法進行了對比，且對本章內容進行了總結。文章最后部分是結論，總結了論文整體工作，展示了論文研究成果，對未來工作進行了展望。
【參考文獻】：
期刊論文
[1]基于TOF與立體匹配相融合的高分辨率深度獲取[J]. 劉嬌麗,李素梅,李永達,劉富巖. 信息技術. 2016(12)
[2]面向機器人磨拋的激光點云獲取及去噪算法[J]. 鄧文君,葉景楊,張鐵. 光學學報. 2016(08)
[3]基于種子點傳播的快速立體匹配[J]. 胡漢平,朱明. 光學精密工程. 2015(03)
[4]基于雙目立體視覺的快速人頭檢測方法[J]. 顧騁,錢惟賢,陳錢,顧國華,任建樂. 中國激光. 2014(01)
[5]基于自適應分水嶺的圖割的立體匹配算法[J]. 祝世平,楊柳. 光學學報. 2013(03)
[6]脈沖雷達測距時間-電壓轉換方法[J]. 袁其平,范立潔,童崢嶸,楊秀峰,曹曄. 現(xiàn)代雷達. 2012(06)
[7]基于視覺的三維重建技術綜述[J]. 佟帥,徐曉剛,易成濤,邵承永. 計算機應用研究. 2011(07)
[8]一種快速雙目視覺立體匹配算法[J]. 狄紅衛(wèi),柴穎,李逵. 光學學報. 2009(08)
碩士論文
[1]基于雙目立體視覺的深度感知技術研究[D]. 馬源.北京理工大學 2015
[2]結構光深度圖像獲取算法研究[D]. 王一嬌.清華大學 2014
[3]基于圖像分割和圖割的雙目立體三維重建[D]. 王桂芝.大連理工大學 2013
本文編號：3061941
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3061941.html
最近更新
教材專著
