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。     

基于双目视觉的移动机器人动态目标识别与定位

提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。     

基于频域的视差估算

采用一种广义的小波变换——多尺度傅立叶变换（ＭＦＴ）求取视差,实现了对基于相位的匹配算法的改进,避免了带通滤波器中心频率和图像特征频率不一致的问题,并且能够直接计算二维视差,使像对中的图像无需经过相对和绝对定向就可进行匹配．在采用了ＦＦＴ算法之后,本算法可达到较高的效率．实验结果证明了本算法是切实可行的．     

双目视觉变焦测距技术

双目视觉测距是根据视差原理,将三维空间求深度信息的问题转化成二维空间求视差.提出一种改进的变焦测距方案,使得传统双目视觉测距系统的测量范围得到更好的延展性,测量精度有了更好的自适应性.提出测距系统的“灵敏度”定义,它是决定系统有效量程和测量精度的重要指标.根据灵敏度函数的具体标定,提出自适应的变焦测距策略,在实际的测量应用测试中已收到较好的效果.     

空间物体定位的机器人手-眼视觉标定方法

提出了一种用于空间物体定位的机器人手-眼视觉标定新方法。该方法用一恒定变换矩阵描述末端执行器坐标系与机器人坐标系的对应关系,并假定在标定过程中,物体至摄像机的距离保持不变,将三维定位的问题简化为二维问题处理,极大地减少了计算量。当未端执行器的位置变化时,不需要对系统进行重新标定。     

四维光场数据中基于极平面图的深度估计方法

针对四维(4D)光场数据中的深度估计问题,提出一种基于4D光场数据极平面图(EPI)结构信息的高精度深度估计方法 .首先,对4D光场结构进行了分析,给出了深度信息与视差的关系.然后,在外极平面图像上,计算切片域中每个点的视差估计以及可信度估计.最后,根据可信度估计来加权局部视差估计的准确性,用于获取全局一致性视差图,进而可获得全局深度图.仿真实验结果表明,该方法能够精确估计出深度信息,为视觉三维重建提供了良好的基础.     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于视差梯度约束的匹配点提纯算法

在图像拼接过程中,粗匹配点对提纯算法RANSAC(Random Sample Consecsus,随机抽样一致性)存在计算量大,效率低等缺陷.为提高该算法提纯匹配点对的效率,基于预检验的策略,提出了基于视差梯度约束的RANSAC算法.实验结果表明,算法在不改变匹配精度的前提下,很好地提高了算法的效率.     

视差计算的层级模型

生物的立体感知是由一个层级网络完成的:从初级视皮层到高层区域,神经元感受野逐步增大,局部立体感知逐步变为全局立体感知.视皮层中存在大量对视差敏感的神经元,其中V1区单个神经元的视差选择特性可用视差能量模型来描述.文中从生物的立体感知过程出发,提出了一种计算图像视差的层级模型,主要贡献有:(1)提出了一种符合心理学实验结果的归一化视差能量模型,减弱了图像对比度变化对神经元视差响应能量的影响;(2)利用视皮层视差功能柱的性质,提出了一种不同倾向视差神经元的汇聚方法;(3)根据不同脑皮层之间的连接关系,提出了一种两层网络结构来解决V1区神经元编码视差的歧义问题.文中方法可以有效提高纹理重复和纹理不丰富区域的视差计算精度.