隨著信息技術(shù)不斷的發(fā)展,計算機視覺逐漸變成比較熱門的研究領(lǐng)域,在雙目視覺中,雙目立體匹配被廣泛應(yīng)用。雙目立體匹配的精度與效果會直接對三維重建產(chǎn)生影響,而雙目立體匹配也存在很多影響效果的因素,因此解決雙目立體匹配中的匹配精度問題在雙目立體匹配算法中起著關(guān)鍵性的作用。AD-Census算法是將AD算法和Census算法進行融合,算法可以減少噪聲的影響,在灰度變化小的平滑區(qū)域和紋理區(qū)域匹配效果較好,但是算法仍然存在很多不足,比如AD-Census算法在確定支持域時支持域設(shè)立不理想,在弱紋理區(qū)域匹配精度不高。根據(jù)這些不足,分析AD-Census算法在匹配過程中容易引起誤匹配的原因,對算法進行了改進。首先在匹配代價計算階段為了克服算法過分依賴中心像素的問題,本文算法采用窗口均值替代中心像素,利用HSV顏色模型來取代傳統(tǒng)的RGB顏色模型,加入梯度算法同時結(jié)合AD-Census加權(quán)融合作為匹配代價,以此提高代價計算階段的匹配精度;在代價聚合階段采用改進十字交叉法來進行代價聚合,提高弱紋理重復(fù)紋理匹配精度;在視差計算階段采用“勝者為王”策略計算聚合后的最優(yōu)視差值;在視差優(yōu)化階段首先采用左右一致性檢測的... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

立體匹配四階段存在問題Fig.1.3Theproblemsinfourstagesofstereomatching

第2章立體匹配技術(shù)2.1雙目立體匹配2.1.1攝像機成像原理在雙目立體匹配中，主要是應(yīng)用雙目攝像機，具體的成像原理是通過攝像機的拍攝，可以得到拍攝圖像，并將圖片的二維坐標與三維空間的坐標聯(lián)系。過程為從三維空間到二維平面的投影。生活中用到的針孔攝像機就是同樣的成像過程。具體的成像模型，如圖2.1所示。圖2.1成像模型Fig.2.1Imagingmodel如圖2.1所示，在成像的過程中，三維空間中存在一點P，將該點投影到二維空間的S平面上，使得直線OP與S平面形成一個交點，這個交點即為點p，這一點是從三維的空間投影到二維空間的點，此過程由矩陣表示公式如2.1所示：=101000000001ZYXffyxS（2.1)此過程實際上是空間中的某點從三維坐標映射到二維平面上的過程。式中ZYX)1,,,(代表空間中三維坐標系坐標,yx)1,,(代表平面中二維坐標系的坐標，f表示攝像機的焦距，S為比例因子且不為零。2.1.2雙目成像以人眼為例，通過人的雙眼觀測物體，左右眼睛會對場景的信息感知不同，從而可以知曉場景的深度信息，產(chǎn)生視差，這一過程即為人眼視覺。圖2.2為模擬的人眼成7沈陽工業(yè)大學(xué)碩士學(xué)位論文

沈陽工業(yè)大學(xué)碩士學(xué)位論文像，C和D分別表示兩個點，LM和RM表示人的左眼睛和右眼睛，當左右兩眼同時看C點和D點時，C點和D點與左眼和右眼構(gòu)成的視角是1θ和2θ，左眼成像和右眼成像的差值是雙眼的視差，1C和1D表示左眼成像的兩個點，2C和2D表示右眼成像的兩個點。因為21DD之間的長度大于21CC間的長度，所以對比D點的視差與C點的視差，C點的視差比較大。圖2.2視覺原理Fig.2.2Visualprinciple攝像機拍攝某一物體時，通過根據(jù)人眼的成像原理，將兩個攝像機比作人的雙眼，通過拍攝得到它的左圖像和右圖像，根據(jù)圖像的匹配策略可以算出兩張圖片的匹配點對，得到深度信息，最后重建三維場景。這一原理即為雙目視覺原理，圖示2.3即為這一過程。圖2.3雙目攝像機成像過程Fig.2.3Binocularcameraimagingprocess圖2.3是攝像機的雙目攝像頭進行拍攝的雙目立體視覺成像示意圖，左攝像機拍攝的投影平面坐標系為1Ouv，右攝像機拍攝圖像的坐標系為2Ouv，u和v分別的對應(yīng)x軸8

【參考文獻】：
期刊論文
[1]虛擬現(xiàn)實技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用[J]. 王丹,張紅星,徐派的,劉融.  湖北中醫(yī)雜志. 2018(09)
[2]農(nóng)業(yè)行業(yè)中的計算機視覺與模式識別技術(shù)[J]. 孫玉.  計算機產(chǎn)品與流通. 2018(07)
[3]基于改進代價計算和自適應(yīng)引導(dǎo)濾波的立體匹配[J]. 閆利,王芮,劉華,陳長軍.  光學(xué)學(xué)報. 2018(11)
[4]一種改進Census變換與梯度融合的立體匹配算法[J]. 范海瑞,楊帆,潘旭冉,溫潔,王曉宇.  光學(xué)學(xué)報. 2018(02)
[5]區(qū)域分割的亞像素相位立體匹配算法[J]. 蒙雁琦,胡改玲,溫琳鵬,王軍平.  西安交通大學(xué)學(xué)報. 2017(10)
[6]基于改進Census變換和異常值剔除的抗噪立體匹配算法[J]. 彭新俊,韓軍,湯踴,尚裕之,俞玉瑾.  光學(xué)學(xué)報. 2017(11)
[7]醫(yī)學(xué)虛擬現(xiàn)實技術(shù)研究[J]. 鄭琳琳,鄭璐,李靜.  電子世界. 2014(09)
[8]一種適應(yīng)無人機平臺的快速立體匹配方法[J]. 于英,楊靖宇,張永生,薛武.  計量學(xué)報. 2014 (02)
[9]高分辨率衛(wèi)星立體影像對的圖割匹配算法[J]. 王瑞瑞,石偉,黃華國.  農(nóng)業(yè)工程學(xué)報. 2013(24)
[10]結(jié)合分水嶺和區(qū)域合并的彩色圖像分割[J]. 李小紅,武敬飛,張國富,賈莉,張宜軍.  電子測量與儀器學(xué)報. 2013(03)

博士論文
[1]基于雙目立體視覺的汽車制動性能檢測系統(tǒng)研究[D]. 岳洪偉.吉林大學(xué) 2015
[2]基于圖像深度感知中的立體匹配和深度增強算法研究[D]. 張康.清華大學(xué) 2015

碩士論文
[1]基于雙目立體視覺的全自主移動機器人導(dǎo)航研究[D]. 丁文.江蘇科技大學(xué) 2014
[2]三維重建中雙目立體視覺關(guān)鍵技術(shù)的研究[D]. 杜宇.哈爾濱理工大學(xué) 2014
[3]圖割在圖像匹配中的應(yīng)用研究[D]. 張少娟.北方工業(yè)大學(xué) 2011



本文編號：3331651