从二维图象中恢复距离信息的体视匹配方法

利用双目立体视觉技术从二维图象中恢复三维距离信息是立体视觉研究中的一个重要研究方向，在双目立体视觉系统中，立体匹配部分是其核心部分。该文提出了一种基于边缘特征的立体匹配方法。该方法用边缘象素作为匹配基元，利用边皆的位置，差分强度和梯度方向属性，在核心线约束和视差连续性约束下，通过迭代运算实现了立体匹配，获得了较好的匹配效果，通过对匹配结果进行三维重建表明，该方法是有效可行的。     

自适应构造与聚合多尺度代价体的双目立体匹配

基于卷积神经网络的双目立体匹配算法取得了重要进展，但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征；然后设计可学习的特征增强模块，为各个尺度的匹配代价体恢复所需的细节信息；最后基于全局注意力对各尺度匹配代价体进行尺度内聚合，并提出自适应多尺度加权方法进行尺度间聚合，筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明：所提方法在较小网络规模的情况下取得了有竞争力的性能表现，验证了所提方法的有效性.     

基于OpenCV的双目测距系统

为解决利用双目设备实现测距并使测距时间控制在毫秒级的问题, 研究了摄像机标定、 立体校正、 极线约束下的块匹配和三维重建等关键技术。使用立体相机将拍摄多个角度的棋盘照片保存到计算机中进行角点检测和标定, 以获得摄像机参数。使用Bouguet标定立体校正算法\, 立体匹配使用块匹配方法。得到视差图后求出三维点云, 进行三维重建, 根据三角相似原理计算目标物体的距离。使用OpenCV2.4.3, 在VS2010编译环境下, 用VC++编程实现。该系统只需普通立体相机采集图像, 成本低, 与其他立体匹配方法相比, 块匹配方案测距速度快且准确度满足应用的要求。     

转向架轮对参数的双目视觉测量方法与实现

为实现转向架轮径参数的精确检测,提出一种基于双目立体视觉的非接触式检测方法.采用Bouguet算法对轮对双目图像平面进行重投影,实现立体校正,并应用简化的NCC算法实现特征点的立体匹配;通过三维重建和坐标变换将提取到的轮对边缘特征点映射到二维平面内,并最终拟合出轮径参数;轮对轮缘半径检测试验,结果显示该方法的误差小于0.1mm,验证了该方法具有较好的检测精度,解决了当前测量方法特征点立体匹配误差较大和难以三维拟合的问题,满足实际现场快速测量要求.     

基于交互式演化算法的陶瓷产品造型设计研究

伴随数字技术发展,其应用范围已经扩展到各个行业包括陶瓷设计行业,因此提出基于数字交互式图像三维演化算法对陶瓷产品进行造型设计。首先,利用改进的马尔可夫随机场对陶瓷图像实现预分割,在该随机场中根据图像的连续性和约束性对分割图像的边缘信息实现保存,同时使该特性反映特征能量函数,并运用函数提高分割精度初步实现陶瓷图像立体匹配;其次,以图像立体匹配为基础对陶瓷造型实现表面三维重建,利用隐式拟合泊松三维重建算法,将陶瓷造型目标通过估计指标函数对其实现等值面获取,并得到三角化表面预估函数,利用指示函数梯度并构造向量域通过二者积分关系获得指示函数梯度,最后采用梯度重新计算指示函数完成陶瓷产品三维造型设计。实验证明,利用图像结合三维重建的交互演化算法可以较好地完成对陶瓷产品的造型设计。     

基于交互式演化算法的陶瓷产品造型设计

伴随数字技术发展,其应用范围已经扩展到各个行业包括陶瓷设计行业,因此提出基于数字交互式图像三维演化算法对陶瓷产品进行造型设计。首先,利用改进的马尔可夫随机场对陶瓷图像实现预分割,在该随机场中根据图像的连续性和约束性对分割图像的边缘信息实现保存,同时使该特性反映特征能量函数,并运用函数提高分割精度初步实现陶瓷图像立体匹配;其次,以图像立体匹配为基础对陶瓷造型实现表面三维重建,利用隐式拟合泊松三维重建算法,将陶瓷造型目标通过估计指标函数对其实现等值面获取,并得到三角化表面预估函数,利用指示函数梯度并构造向量域通过二者积分关系获得指示函数梯度,最后采用梯度重新计算指示函数完成陶瓷产品三维造型设计。实验证明,利用图像结合三维重建的交互演化算法可以较好地完成对陶瓷产品的造型设计。     

双目立体视觉非接触式测量研究

为了实现距离和物体尺寸的非接触式测量,通过摄像机标定、图像的采集和预处理、立体校正、立体匹配、三维重建等关键技术,实现了物体点三维坐标的求解.采用图割法和块匹配2种算法分别进行立体匹配,建立了原图像与视差图之间的对应关系,实现了物体与相机距离测量,在此基础上实现了物体外观尺寸的测量.并对2种匹配算法的精度和速度进行了对比,实验结果表明:图割法测量结果更加精确,块匹配算法测量速度更快.     

计算机双目视觉中的动态规划立体匹配算法研究

计算机双目视觉技术是自然光条件下可使用的非接触测量方法,对于逆向工程、工业检测、三维重建、移动机器人导航等领域都有重要的实际应用价值.针对动态规划立体匹配中存在的条纹瑕疵问题,本文提出一种新的动态规划立体匹配方法,设计了新型矩形窗口计算匹配代价,构建基于遮挡约束的优化函数,在降维低分辨率图像上求取控制点抑制条纹瑕疵.选择Middlebury平台上的4个组的图像作为实验图像,将基于置信传递的立体匹配方法和基于图形切割的立体匹配方法作为比较方法,对本文方法的性能进行验证. 4个组的实验图像的立体匹配实验结果表明:基于控制点修正的动态规划立体匹配方法,获得的视差图像连续稠密、坏像素比例低,明显优于两种比较方法.应用本文方法,对比基于图形切割的立体匹配方法(GC)和基于置信传递的立体匹配方法(BP)获得的视差图像,坏像素比例分别下降了1～2个百分点.     

双目视觉中的一种人脸立体匹配及视差计算方法

研究并实现了一种基于双目视觉的人脸立体匹配计算方法.采用OpenCV技术结合肤色模型检测技术得到准确人脸区域,在实验对比了3种相似性度量算子优缺点的基础上,采用互相关性度量算法作为区域匹配方法.为了缩小搜索范围及提高匹配准确率,提出结合极线约束、人脸区域约束、人脸对称性等约束条件进行立体匹配,再利用左右一致性原则进行视差后处理.实验表明,本文给出的算法在时间效率上以及对应点的匹配率上有了较大的提高,效果较好,可为后续进行人脸三维重建提供良好的基础.     

基于立体校正的快速相位立体匹配

立体匹配技术一直是立体视觉领域研究的重点与难点。针对立体匹配的效率与精度问题,提出了一种基于立体校正与四步相位移相结合的方法来提高立体匹配的速度与精度。首先,通过Bouguet立体校正算法将左右相机拍摄的图像进行立体校正,使匹配点在左右相机上成的像位于同一水平线上。然后,采用四步相移法获取精确的各像素绝对相位值,并通过双向线性插值法获得了稠密匹配点,并提高了立体匹配的精度。最后,通过对标准台阶零件进行测量与精度分析,实验结果表明该方法能够快速、准确的实现稠密的立体匹配,满足工业应用的需求。     

基于多视图立体视觉的煤场三维建模方法研究

随着港口自动化智能堆取料技术的快速发展,智慧港口逐渐成为港口发展的趋势,而港口煤场的三维模型是其重要的组成部分。无人机的出现解决了大规模场景图像采集的难题。本文将无人机图像与多视图三维重建技术相结合,采用无人机搭载摄像机进行港口煤场图像采集,根据运动恢复结构(SFM)和稠密立体匹配的重建原理,实现煤场三维重建。设计开发了基于立体视觉的多视图三维重建的软件系统,最终重建出带有纹理信息的三维模型。实验结果和真实场景较为接近,能满足港口自动化智能堆取料的使用需求。     

基于深度学习的单幅图像三维重建

随着深度学习技术的发展,深度神经网络在图像处理和三维重建中得到广泛应用,为探究目前深度学习框架下的单幅图像三维重建研究现状,该文对近年的相关研究工作进行综述.首先介绍深度学习框架下基于图像的不同三维重建方法的分类;其次梳理图像三维重建中不同神经网络方法的研究进展;并根据重建三维模型表示方式的不同,分别讨论针对体素、点云、网格、隐式等不同表示方式的单幅图像三维重建网络和方法;然后给出单幅图像三维重建中的常用评价指标与数据集,并对公开数据集下针对不同表示方式的各类三维重建方法的结果进行比较与分析;最后对单幅图像三维重建所面临的困难和挑战进行讨论,并给出未来的研究方向.     

基于结构光和序列图像的三维重建方法

为解决在基于图像三维重建物体表面的过程中,对不同图像进行立体匹配的难题,提出了基于特征的立体匹配算法,建立了利用序列图像重建物体表面的系统。系统采用投影结构光给物体表面加上主动特征的方法,以快速精确地重建物体表面,并对Canny算法进行了改进,用于轮廓提取、细化和修正等操作,从而准确获取图像主动线索特征。该方法能快速获取物体表面的三维点云数据,并达到了较高的精度。     

一种基于深度网络的视图重建方法

为了解决在仅有单目视图的环境下实现立体匹配的问题，在现有视图重构网络模型Deep3D的基础上，提出了基于加权局部对比归一化约束的全卷积重构模型.该模型采用改进的全卷积神经网络架构作为模型的特征提取模块，以期减少训练参数，降低训练时间，增加模型的非线性.为了进一步提高重构精度，设计了新的基于加权局部对比归一化的约束条件，并采用结构相似性成本(SSIM)与L1成本相结合的损失优化函数对模型进行优化.在KITTI 2015数据集上展开实验，并与Deep3D模型及其后续的改进方法进行比较.实验结果表明，在只使用左视图作为训练数据的情况下，生成的右视图在SSIM和峰值信噪比两个指标上有很大提升，能够满足立体匹配方法中右视图的精度要求.     

基于深度学习的自动驾驶技术综述

该文在行人检测技术方面介绍了基于卷积神经网络(CNN)模型的目标识别、检测技术与改进的区域卷积神经网络(R-CNN)、任务辅助卷积神经网络(TA-CNN)模型技术。在立体匹配技术方面简述了基于孪生网络的立体匹配的深度学习模型技术。在多传感器融合技术方面回顾了基于深度学习网络的视觉传感器、雷达传感器与摄像机传感器的多源数据融合技术。在汽车控制技术方面分析了基于卷积神经网络实现无人驾驶车辆端到端的横向与纵向控制技术。深度学习技术在自动驾驶领域的感知层、决策层与控制层的广泛运用,不断地提高感知、检测、决策与控制的准确率,并取得一定的成功,分析表明深度学习技术将加速自动驾驶技术的发展速度,为自动驾驶成为现实带来巨大的可能性。     

多信息代价计算融合显著梯度的立体匹配

立体匹配是视觉导航、三维重建的信息基础.为了降低光照失真对匹配代价计算的影响,消除引导滤波平滑图像时产生的光晕,提出了一种多信息代价计算融合显著梯度的立体匹配算法.设计了融合颜色特征、梯度信息及梯度角度的匹配代价计算算法,对左右视图进行匹配代价计算;然后进行显著性处理,计算显著图的梯度信息,得到图像的局部平均梯度;遍历...     

用神经网络实现三值PMC模型的计算机系统诊断

本文系统地研究了如何构造一个神经网络来实现三值ＰＭＣ（ｐｒｅｐａｒａｔｅ－Ｍｅｔｚｅ－ｃｈｉｅｎ）模型的计算机系统诊断。大量模拟实验表明，用神经网络来解决计算机系统诊断问题非常有效；同时，，模拟实验还得出了电容，，Ｃ电阻Ｒ，放大系数Ｋ与网络收敛时间的关系。     

基于神经网络的温度测量方法研究

介绍基于神经网络的温度测量方法，给出系统原理图及温度测量误差自动校正方法；采用错位累加计算法(LEA判别法)以实现梯度迭代法和牛顿迭代法的有效结合，使神经网络学习步数明显减少而收敛率提高；采用DSP技术实现温度实时快速测量，并给出实验结果。     

事故车辆图像特征点的自动匹配

实现交通事故现场勘查中物体的立体视觉量测,需要对勘查获取的立体图像进行匹配。但由于一般自动匹配记录信息和事故研究所需信息的差异,使得自动匹配成果难以直接应用到交通事故勘查的立体匹配中。针对该问题,研究提出了一种事故车辆图像特征点的自动匹配方法,应用SIFT理论和BP神经网络理论,构造了事故车辆图像特征点的自动匹配模型,并进行了实验验证。研究结果表明,该匹配方法可以实现立体像对中任一选定目标的自动匹配,匹配的结果能够做为精匹配的提示。该项研究大幅度提高立体匹配选点的效率,加快交通事故立体视觉系统量测的速度,还可以作为一种技术手段给车牌被遮挡的违章车辆的确认提供借鉴。     

神经网络知识获取及推理技术在番茄专家系统中的应用

针对传统专家系统知识获取的瓶颈性问题，提出了基于神经网络和传统知识获取与表示相结合的方法。传统的推理方式存在推理效率低和冲突消解问题，提出了由神经网络推理和逻辑推理所组成的混和推理系统。利用神经网络的自学习、自组织、自适应特点，来实现自动知识获取；混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题，又克服了神经网络推理结果无法解释等特点，具有较高的准确性和效率性。最后给出了番茄病虫害诊断的应用实例。