一种基于主动式双目视觉的三维测量方法

针对传统视觉图像匹配方法易受干扰的问题,提出了基于激光强特征匹配方法。该方法采用激光扫描模块和双目视觉结构构建双目立体成像系统,利用扫描到物体上的激光线作为左、右视图的强特征进行双目视觉匹配,从而快速获取物体的深度信息。实验表明,该方法能够实现前方物体快速测量,具备可靠性高等显著优点,在自动驾驶领域具有较好的应用前景。

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低,而且生成的场景中的点云又具有非结构化、近密远疏的性质,因此,提高双目视觉匹配的精度与速度,以及准确分割点云目标,一直是点云获取及目标检测中的难点问题。针对以上问题,本文首先提出了一种融合主动激光的3D点云目标采集方法,快速准确地获得原始点云数据;其次提出了一种基于欧式聚类的改进算法,使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类,得到边界明确的3D点云目标检测框。实验结果表明:所设计的3D点云成像系统能够有效获取前方物体的3D点云信息,且具有比激光雷达成本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物体易出现欠分割或过分割的问题,提高了目标检测的准确率,在室内场景下具有良好的检测效果。