基于Harris-Affine的宽基线立体影像LSM匹配方法

针对宽基线影像的高畸变特点,提出基于几何一致性约束的Harris-Affine高精度最小二乘匹配(Least Square Matching,LSM)方法。首先,用Harris-Affine算子在影像高斯多尺度空间中提取仿射不变特征,并根据特征区域灰度矩阵与主梯度方位来实现特征的几何归一化,继而提取特征描述符,接着采用一种由粗到精的特征匹配策略来渐进地获取正确率占优的特征匹配。然后,通过LSM迭代方法来补偿同名像点的定位误差,LSM迭代所需的良好的几何畸变初值由同名特征区域灰度矩阵与主梯度方位求取,而良好的辐射畸变初值通过同名区域像元灰度的最小二乘线性拟合法求取。实验结果表明:该算法鲁棒有效,且实现了亚像素匹配精度。     

一种基于基本矩阵估计的立体视觉中滤除误匹配的方法

根据基本矩阵建立两幅图像间的极线约束关系,能有效减少误匹配.噪声干扰和对应点中的误匹配使得基本矩阵的解精度降低.介绍了极线几何和基本矩阵理论,在最小中值平方法的基础上,提出一种基于匹配点对之间协因数的RANSAC(random sampling consensus)算法估计基本矩阵,有效解决了因误匹配导致的基本矩阵估计结果恶化问题.实验结果表明,所提出算法能有效滤除误匹配,具有良好的鲁棒性.