一种基于单双目融合的深度估计方法

深度信息在工业机器人、服务机器人、AR、VR等诸多领域具有十分重要的应用。目前市面上深度相机主要基于双目匹配方法。采用双目匹配方法的深度相机获取信息的效果取决于左右相机的特征差别,但在特征较少的场景如黑色、反光、重复纹理等情况下很难达到较好的效果。相对于双目深度估计方法,单目深度估计方法基于物体的纹理、梯度、材质等信息,提供了相对于双目完全不同的信息。针对当前广泛应用的双目结构光相机存在的点云缺失的问题,提出了一种基于单双目融合的方法,分别采用单目深度估计以及双目匹配方法对场景中的深度进行估计,然后对估计得到的信息进行融合获得最终的深度估计值。通过实验验证了所提出基于单双目融合的深度信息获取方法相对于单纯双目估计方法的有效性。由于所提出的方法完全依赖于当前主流深度相机的硬件需求,并且能满足实时计算的需求,有望能够在结构光3d相机中取得广泛的应用。

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法,设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域,构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除,并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内,利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明:算法的检测率为99.0%,误检率为1.3×10-4%,检测时间为57ms,检测率高,误检率低,检测时间短;与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比,本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。