机器人视觉下的视差图效果优化研究

立体匹配(Stereo Matching)算法的效果在机器人应用中至关重要。为了提高立体匹配算法效果,首先利用基于一阶差分的Sobel检测、Scharr检测和Canny检测对图像进行梯度处理,获取图像边缘,其次利用图像的边缘信息作为初始匹配代价进行立体匹配,大幅减少不必要的计算量,然后利用所提算法分别对Middlebury数据集中的图像和自采集的图像进行实验,获得立体匹配的误匹配率和匹配时间。经过实验数据对比,Sobel检测算法和BM(Boyer-Moore)算法结合的方法所得视差图速度快且精度高,效果最佳,实验证明所提方法具有明显优势,可提高立体匹配效果。

立体显示中立体深度与视差图获取的关系

自由立体显示器的再现立体深度与视差图的视差大小有关系,而视差的大小与获取视差图时相机摆放方式密切相关。本文采用平行结构放置相机,通过设置相机间距使得拍摄到的视差图在相对平移后某一深度物点具有零视差,而另一深度物点具有所期望的视差。视差大小体现了再现立体深度大小,从而得到再现立体深度与相机间距间的定量关系。通过实验验证了推出关系的正确性。该研究结果可用于指导拍摄立体影像时相机的摆放,便于获得适当的视差图以达到最佳的立体显示效果。

从平面图生成多视点自由立体显示视差图的研究

提出一种从平面图生成立体显示视差图的新方法。该方法利用Matlab建立曲面模型并为图片中的相应规则区域赋予深度信息,再根据深度信息的投影原理,在不同观察点得到具有视差的多幅视差图。将这些视差图的合成图在多视点自由立体显示器上显示,可以看到很好的立体显示效果。该研究对于多视点自由立体显示器利用现有大量的平面图像源得到立体显示效果具有一定指导的意义。

一种YUV颜色空间下的多视差图偏色校正方法

在多幅视差图中选取一副颜色接近真实的图像作为标准图,然后将该标准视差图和偏色视差图分别进行从RGB到YUV的颜色空间转换,计算偏色视差图在YUV颜色空间下的3个颜色校正系数K,得到YUV颜色空间下待校正偏色图像的真实颜色灰度值,最后将得到的颜色灰度值从YUV转换到RGB颜色空间,从而实现任意多幅偏色视差图的校正。实验研究表明,本方法可以实现任意多路偏色程度在15%以内的偏色校正,校正效果较好,从而能改善自由立体显示器的显示质量。

刀具磨损图像视差图的非标定方法

刀具磨损检测的视场范围很小、现场工况复杂(存在机床护罩和刀具保持架的遮挡),而以往对摄像机进行标定的方法多用于大视场环境,并不适合于加工现场的刀具磨损检测。为此,文中提出一种采用非标定双目视觉方法获取刀具磨损图像视差图的方法,无需标定参考物和人工干预。首先,利用SURF(speeded-up robust features)算法检测图像对中的特征点;其次,利用8点算法计算基本矩阵,再利用极点无穷远变换完成图像对的校正;最后,利用基本区域匹配方法完成图像对视差的计算。进行了加工现场的磨损刀具图像获取实验,先对比了重构出的刀具视差图轮廓与实际轮廓,接着分析了刀具视差图的精度。结果显示,重构轮廓与实际轮廓基本相符,重构出的视差图的绝对误差在5个像素点以下,相对误差在10%至30%之间,说明在小视场和复杂工况下,用非标定方法获取的刀具视差图能够满足现场检测的精度要求,并且该方法具有灵活和高效的特点。

正射影像镶嵌线自动搜索的视差图算法

提出了一种基于正射影像视差图的区域级镶嵌线搜索算法。首先利用半全局约束立体匹配算法(semi-global matching,SGM)分别计算立体像对的左右视差图,并通过自适应阈值化去除细小的噪声区域,再经数学形态学方法进一步削弱噪声影响和填补小的漏洞区域,得到了较为精细的房屋等非地面区域的分割结果,从而分离出地面与非地面区域;然后采用改进的贪婪蛇搜索算法进行镶嵌线搜索,以提高算法的稳健性。试验表明,本文算法能很好地避开房屋等明显突出地表的实体,得到不穿越非地面区域的最优路径。

基于视差图优化的立体匹配算法研究

传统的立体匹配算法通过计算两幅图像的像素点相似程度,从而找到左图像素点和右图像素点的对应关系,常采用的是一种局部最优的方法,所以其匹配精度很低。为了提高精度,当前策略主要是将问题转化为求解能量方程,进而来对全局空间进行优化。从一个新的角度即视差图优化来研究能量方程的求解,通过对扫描线算法、动态规划算法和图割算法深刻讨论来分析算法原理与运行图,从而理解各算法优缺点形成本质与问题转化的依据,可以进一步的改进其不足,为研究新的算法打下基础。

一种用于焊接工件三维重建的视差图分割算法

在遥控焊接中采用立体视觉传感建立焊接工件的三维模型时,视差图的分割是重要步骤之一.文中对经典USF平面距离图分割算法进行改进,通过增加区域合并步骤,使之能够分割含有圆柱面的立体视差图.区域合并步骤分为边界探测和合并曲面两步.在边界探测步骤记录平面分割所得区域的边界像素;合并曲面步骤通过比较相邻区域的边界像素间的法向量夹角和距离,判断相邻区域是否属于同一曲面,并将属于同一曲面的区域赋予相同的标签.文中给出了马鞍形工件的立体视差图分割结果,证明了算法的可行性.

浓密视差图的快速提取

视差图的提取既是双目视觉研究的核心,也是双目视觉研究的难题。全面研究了基于归一化协方差区域相关快速提取浓密视差图的途径,从快速相关计算、数据结构优化和金字塔图像匹配策略三个方面加速了匹配过程,实现了浓密视差图的快速提取。

SAR立体影像匹配的视差图融合方法

提出了一种基于视差图融合的匹配方法。首先,基于归一化互相关系数(normalized cross correlation,NCC),利用多个不同尺寸的匹配窗口分别进行匹配,获取相应的视差图;然后,提出了一种左右一致性(left right consistency,LRC)和信噪比(signal to noise ratio,SNR)相结合的置信测度,用来评价视差图中每个视差的置信水平;在此基础上,提出了一种视差图融合策略,该策略对上述多个匹配窗口获取的视差图进行加权融合,融合时既考虑了视差本身的置信水平,也兼顾了其邻域视差的影响。采用TanDEM-X的聚束立体影像进行试验,结果表明,本文方法能有效减少DEM粗差点,DEM高程精度由11.28 m提高到8.41 m。

基于三角形网格的浓密视差图提取

提出一种基于三角形网格的浓密视差图提取算法。用SUSAN算法从立体图像对中提取某一幅图像的特征点,用Delaunay的方法将特征点三角化,然后再进行视差的计算,最终得到浓密的视差图。该算法将SUSAN算法和DT(Dalau-nay triangulation)网格结合起来,使算法更加简单化,实现了浓密视差图的快速提取。

基于偏微分方程的稠密视差图获取方法

立体匹配是计算机视觉领域中的一个重要的热门研究课题,为了获得性能更优的稠密视差图,通过把偏微分方程理论运用于机器视觉中,提出了一种新的基于能量函数获取稠密视差图(disparity map)的方法,并首先分析了匹配点对在不同相对位置下对匹配项产生的影响;接着提出了适用于视差图的各向异性的热扩散方程,它不仅继承了Alvarez定义的正则项对初始视差图内部平滑和保持边缘不连续的特性,还通过引入图像的噪声屏蔽函数和二阶方向导数来分别控制对应视差图中不同区域的扩散速度和角点处的扩散方向;最后通过定义的正则项和匹配项来构造新的能量函数,并把基于区域匹配算法得到的视差图作为初始值,再利用最速下降法求解相应的最小能量泛函。实验结果表明,无论从视觉效果上,还是重构深度图的判别上,该新算法都取得了更优的性能。

自适应分层粒子群稠密视差图估计

分析了遗传算法的缺陷,提出了自适应分层粒子群(PSO)立体匹配算法计算稠密视差图。首先采用SIFT(scale invariant feature transform)特征检测和匹配算法准确地确定视差范围;其次根据图像和视差范围的大小分层,建立由粗及细的自适应分层图像金字塔结构,加快搜索速度、减少错误匹配;然后在优化函数中引入能根据匹配窗口大小自动变化的因子来调整灰度项和平滑项数据的权重,并用改进的带变异算子的整数形式的PSO进行优化,避免了遗传算法搜索的盲目性以及容易陷入局部最优的缺陷,更快、更好地找到最优解。最后合成图像以及真实图像的实验结果表明该方法精度较高,速度较快。

校正图像对视差图计算的一种简化方法

本文提出了一种基于边界流的校正图像对视差图计算的简化方法。本方法通过将校正图像上匹配扫描线对划分为灰度相似的象素段,以灰度平均的像素段为基元构造新扫描线,在计算像素段匹配的基础上进行匹配计算,以降低视差图计算过程中的歧义性,提高匹配效率。

基于多窗体的改进视差图算法及其应用

针对传统多窗视差图算法和大窗多窗视差图算法的误匹配率高、易受干扰和匹配速度慢等缺点,采用大型聚合窗固定和优化匹配代价计算方法的方式,提出了一种基于多窗体的改进视差图算法。该算法采用图像边缘提取和固定聚合窗相结合的方法,减少了匹配搜索空间;在匹配代价计算过程中,采用计算机缓存技术,提高了算法匹配速度和精度。试验表明相对于传统多窗算法,改进算法减小了图像的误匹配率和时间度,对于噪声以及复杂背景图像有较好的匹配结果、鲁棒性好,可应用于工作环境背景复杂、精度要求较高的工业和立体视觉领域。

基于视差图的未知环境下农田障碍物检测方法

针对智能农业机器人作业环境中障碍物不规则和背景受自然光照等外界环境干扰大的问题,提出一种基于视差图的未知环境下障碍物检测方法。采用价格低廉的网络摄像头采集左右场景图并计算对应的视差图;用视差阈值过滤掉远处的景物,再通过区域连通,得到独立的潜在障碍物;最终经面积阈值和高度阈值的过滤,检测出障碍物并定位。实验结果表明,该检测算法不需要障碍物和背景的先验知识,在距离摄像头5m视野内,障碍物距离和尺寸测量的相对偏差绝对值分别控制在4.37%和3.81%以内。

新的单目立体视觉的视差图的获得方法

在立体视觉中,视差间接反映物体的深度信息,视差计算是深度计算的基础。常见的视差计算方法研究都是面向双目立体视觉,而双焦单目立体视觉的视差分布不同于双目视差,具有沿极线辐射的特点。针对双焦单目立体视觉的特点,提出了一种单目立体视差的计算方法。对于计算到的初步视差图,把视差点分类为匹配计算点和误匹配点。通过均值偏移向量(Mean-Shift)算法,实现了对误匹配点依赖于匹配点和图像分割的视差估计,最终得到致密准确的视差图。实验证明,这种方法可以通过双焦立体图像对高效地获得场景的视差图。

基于边缘检测的视差图效果优化

在立体视觉中,匹配之后得到的视差图利用投影模型可以得到原图像的深度信息和三维信息。为了达到提高立体匹配的精度与速度的目的,提高视差图的质量成为了立体匹配的核心问题。利用Canny检测算法、Sobel检测算法、Scharr检测算法对双目图像进行边缘提取。在此基础上,分别使用BM(Boyer-Moore algorithm)算法、SGBM(Semi-global block Matching)算法以及DP(Dynamic programming)算法进行立体匹配,并且分别计算视差图及误匹配率。经分析,Canny检测算法与SGBM算法相结合的方法剔除了大量不相关信息,大幅度减少数据的处理量。选取真实场景图片对该方法进行结论验证。实验结果表明,该方法提高了视差图的质量。

立体视觉中大视差图像误匹配滤波研究

从实际应用角度,对大视差稠密视差图误匹配滤波方法进行了研究,给出了一种针对前景区域进行误匹配滤波的邻域视差相关性三维空间滤波算法。实验结果表明,该算法能够明显地去除并修正视差图的误匹配点,提高视差图质量。

基于分割的立体匹配法提取光场视差图

为了解决从光场相机采集的图像中提取物体深度信息的问题,提出一种利用Lytro光场相机设备,基于图像分割的立体匹配方法估计光场图像深度。首先对Lytro相机采集的原始灰度图进行解码和颜色校正,提取相应的子光圈图像;在Matlab环境下,结合图像颜色分割、自适应立体匹配对子图像进行处理,通过平面拟合技术和BP优化得到相应的深度估计图。实验结果表明,该方法提取到深度图在视觉精度上有了明显的提高。