基于立体视觉的三维服装图像生成技术

提出了一种新开发的用于三维服装图像生成的立体视觉系统.相比于二维图像,三维服装图像为显示服装的风格、悬垂和适体性提供更真实和有效的可视化手段.该系统由4个相同的,可组合的图像单元组成,可覆盖身体的上部、下部或全身.每个单元包含一对数码相机和一台投影仪.2个相机从不同角度获取的图像用于立体匹配;投影仪产生的图案用于在布面上制造人工纹理以助于减少立体匹配的不确定性.文中采用的2个阶段的算法能实现亚像素、高密度匹配.第一阶段进行前景(服装)分割及生成初步偏移图(disparity map).第二阶段使用局域最小二乘匹配和全局优化细化偏移图及生成三维数据.然后,用曲面造型算法将无序的数据点连接成三角网格,并对其进行细分和优化,从而形成完整光滑的服装表面.     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。     

基于立体视觉匹配的采摘机器人目标定位方法

为了解决采摘机器人目标定位偏差大的缺陷,提出基于立体视觉匹配的采摘机器人目标定位方法。引入立体视觉模型获取目标图像,采用线性平滑滤波模板消除目标图像的噪声;应用Bouguet算法立体校正左、右图像对;应用Sobel算子检测采摘目标边缘,确定目标的采摘中心点,通过立体匹配确定左、右图像中采摘目标的对应关系,完成采摘中心点的正确匹配,实现采摘机器人目标精准定位。测试结果显示,应用提出方法获得的采摘中心点匹配精度更高,采摘机器人目标定位误差最小值为1.0%,降低了目标定位偏差,应用性能较佳。     

基于立体视觉的空间球体快速定位方法

采用双目立体视觉系统,对空间球体三维视觉定位方法进行了研究,提出了基于双视锥曲面的球体定位方法.为了实现对球体三维位置的动态实时检测,提出一种基于预测的椭圆曲线快速搜索算法.该算法采用随机Hough变换的取样思想和启发函数预测椭圆搜索区域,减少Hough变换的计算量.为了提高Hough表的操作效率、减少存储空间,设计了一种有效的Hough表存储结构.通过多种方法的综合应用,降低了球体三维定位的计算量和对存储空间的需求,并在实验中验证了所提出的方法.     

双目立体视觉系统测量精度的分析

双目立体视觉系统的几何参数影响双目视觉的测量精度,且各几何参数间存在着一定的约束关系.通过分析双目视觉系统的几何参数及约束关系,讨论了两相机光轴和基线之间的夹角α1和α2、基线距B、投影角等几何参数对测量精度的影响,并采用Matlab软件对不同的几何参数下的测量精度进行仿真,找出最佳的几何参数范围,从而提高了双目立体视觉系统的测量精度.最后,通过试验验证了理论分析的正确性.     

基于立体视觉的被动测距技术研究

为了实现基于立体视觉的被动测距技术,该文搭建了一套双目成像测距系统实验平台,研究了基于双目立体视觉的被动成像处理算法;设计了可实现多目标的实时跟踪测距的双目成像测距应用软件,对提出的一种基于SIFT搜索窗口大小随着目标尺寸变化自适应调整的跟踪算法进行了验证.测试结果表明该软件在跟踪、测距方面表现出色,在1~2个目标时具有较好的实时性.通过平面标定法进行准确的摄像机标定,采用SIFT特征匹配算法进行立体匹配,测试结果表明在取octave层数为4时,匹配准确度一般可在0.05个像素范围内.实际外场测试实验表明,该算法对一定距离范围内的目标物体进行测量具有较好的准确性.     

一种双目主动立体视觉系统的目标定位算法

首先引入主动视觉空间的概念,即用系统本身运动自由度来表达摄像焦点到空间点的视线,其次,推导了把任意摄像机图像点换到主动视觉空间的算法,最后,采用三角形测量原理对图像特征点进行匹配和定位,因为系统中的各个摄像机独立注视目标,摄像机可以采用较小的视野,这为提高定位精度提供了可能性,采用数值仿真手段对相关理论进行了验证。     

基于双目立体视觉的孔洞填充方案研究

主要研究基于双目立体视觉重建三维模型的孔洞填充方案。在重建三维模型过程中,视差图出现的孔洞造成重建模型的深度信息缺失和不连续现象。针对这个问题,提出使用双边滤波器、中值滤波器和形态学处理三者融合的方案。实验结果证明,融合方案有效地实现孔洞填充,进一步解决三维模型深度信息不连续性问题。     

基于双目立体视觉的孔洞填充方案研究

主要研究基于双目立体视觉重建三维模型的孔洞填充方案。在重建三维模型过程中,视差图出现的孔洞造成重建模型的深度信息缺失和不连续现象。针对这个问题,提出使用双边滤波器、中值滤波器和形态学处理三者融合的方案。实验结果证明,融合方案有效地实现孔洞填充,进一步解决三维模型深度信息不连续性问题。     

基于MATLAB与OpenCV相结合的双目立体视觉测距系统

双目立体视觉测距技术是当前机器视觉领域中的一个主要研究内容.本文设计了基于MATLABatlab与OpenCV相结合的双目立体视觉测距系统,利用MATLAB进行摄像机标定后将结果导入到OpenCV进行后续的图像处理与立体匹配.摄像机标定通过MATLAB标定工具箱来完成,较于人工标定和OpenCV标定具有更好的鲁棒性和较高的精确性.立体匹配采用区域匹配中相对快速实时的SAD匹配,能够更好的被应用于工程实际.     

双目视觉机器人精确定位研究

如何实时鲁棒地进行移动机器人精确定位是一个挑战性的问题,人工路标有助于解决视觉定位中的数据关联难题,双目视觉有助于提高定位的精度,本文提出一种结合双目视觉和人工路标的方法来实现移动机器人的精确定位,实验结果验证了本方法的有效性。     

双目立体机器视觉检测系统及其应用

为了快速准确地获得被测物体的三维立体尺寸,双目立体视觉检测系统是有效解决方案之一。经过精密标定的双且视觉系统,可根据两摄像机的视差,准确计算空间物体的三维形貌尺寸。双目视觉系统的标定技术及立体匹配技术是决定测量数据质量的关键环节。设计了高精度视觉标定系统,有效解决了立体匹配的难题,所开发的便携式立体测量仪,可以快速准确地获得大型物体的稠密三维坐标点云。在不喷涂显影荆的情况下,解决了黑色物体和反光物体的三维测量难题,可广泛应用于摩托车、汽车、模具、服装鞋帽以及逆向工程设计中。以逆向工程的3D轮廓测量为例,介绍了双目立体视觉技术及其应用。。     

基于平行双目视觉的目标距离计算

为了快速的计算出相机与目标物之间的距离,需要找到两幅图像的对应点。采用SIFT算法提取图像特征向量后,在匹配时加入外极线的约束条件,可以有效地去除误匹配,提高测量精度。实验结果表明,距离测量的相对误差在2%以内。     

立体视觉中求对应点的解

从讨论物体表面的特性出发,研究了立体视觉中可匹配点存在的集合以及唯一匹配问题,指出了可匹配点集与成象系统焦点位置及其物体表面法线之间的关系,证明了空间曲线在两幅图象上投影的孤长之比和变形的物理特性。     

基于集束搜索的立体车库库位布局研究

为缩短堆垛机在巷道堆垛式立体车库内运行时间、顾客等待时间,提高立体车库效率,提出了一种集束搜索算法,用于优化堆垛机运行路径.通过对实体运行立体车库的分析,建立了立体车库排队等待的数学模型,再结合实际车库库位布局,以堆垛机运行距离、顾客平均等待时间和平均等待队长为衡量指标,采用MATLAB软件编写仿真程序,分析对比了在一定库位容量下不同库位布局方式对整体运行效率的影响,并与就近存取原则下各项运行指标进行对比.结果表明:在4层6列库位布局下,立体车库各项运行指标均最低,且使用集束搜索对最优库位进行选择时比就近存储运行距离缩短了约50%,顾客平均等待时间和平均等待队长缩短了约31%和76%.因此,集束搜索在对立体车库选择合理库位布局时有较好的效果.     

坐标网格立体视觉测量中的图像匹配技术

利用立体视觉技术，实现对板料成形分析中应用的大批量坐标网格的变形进行无接触自动测量与分析，以减少工作量并提高测量的速度和精度．主要针对圆形坐标网格变形的立体视觉测量中的图像匹配技术进行了研究．在对网格图像进行特征提取与编码的基础上，实现网格单元的子域匹配，并通过对摄像位置进行预约束，建立起左右对应像素点纵向图像坐标间的约束关系，从而实现左右图像特征点的快速准确匹配方法．该方法程序实现简单，匹配结果可靠，无二义性，可推广应用于其他具有相似结构特征的三维图像的立体匹配中．     

基于结构光立体视觉的激光再制造工件的测量

为了实现激光再制造工件的快速准确测量,提出了1套与激光再制造机器人耦合的视觉系统.该视觉系统由2个摄像机、1个激光投射器和计算机组成.摄像机和激光投射器组成扫描测头,由6自由度机器人手持实现多视角扫描.并自动完成数据拼接,消除‘死角'.首先,通过MATLAB编程完成系统标定,分别标定出单目摄像机内外参数矩阵,双目相机关...     

Service Robot Localization Based on Global Vision and Stereo Vision

To satisfy different positioning accuracy demand in the movement of the service robot,a hierarchical localization method based on vision was proposed considering the positioning cost and computational ...     

基于自适应权重极限距离变换的立体匹配

为解决传统极限距离立体匹配算法在深度不连续区域,以及光照差异增大时出现匹配误差大幅升高等问题,提出基于自适应权重极限距离变换的立体匹配算法。在Delta-Gama对数空间下,该算法首先根据初始匹配结果计算立体图像对Gama校正系数,基于光照差异修正极线距离变换相似度函数带宽,其次基于权重相似度自适应选取极线端点,确定分割系数;最后利用置信度传播算法计算视差图。实验结果表明,本文算法能够有效提高深度变换区域的匹配准确度,同时有效降低光照差异图像的误匹配效率。相对于当前先进算法,本文算法的匹配率比当前先进算法提高至少40%。