递归边缘保持型双目立体匹配算法研究

通过对近年来的双目立体匹配算法的研究,从3D图像处理算法设计的实时性和精确性两个方面进行研究,提出了一种递归边缘保持性双目立体匹配算法,并将由此算法获取的视差图进行优化渲染得到3D图像.通过仿真实验验证了算法的有效性.该图像处理算法的误码率能够与先进的局部双目匹配算法相媲美,平均误码率在5.6%,而且该算法中只运用了加法、乘法等简单运算,在计算复杂度上占有优势,因此在实时性上也表现良好.

基于两阶段自适应优化的双目立体匹配算法

针对局部立体匹配算法在弱纹理区域匹配准确度低的问题,提出一种在代价初始化和代价聚合两阶段自适应优化的立体匹配算法。首先,在代价初始化阶段,通过双阈值线性约束条件构造像素点的十字支撑窗口,并依据十字支撑最短臂长构造自适应函数融合AD及Census特征测度;其次,在代价聚合阶段,利用十字支撑水平扩展及形态学处理的方法构造自适应滤波窗口,并通过区域滤波实现代价聚合;最后,通过视差选择及视差优化得到最终的视差图像。Middlebury平台测试结果表明:该算法与传统的AD-Census融合立体匹配算法相比,图像集的整体匹配误差减小了3.95%,在非遮挡区域的匹配误差减小2.17%;与传统区域滤波立体匹配算法相比,该算法在弱纹理区域可以取得更好的立体匹配效果。

基于机器视觉的智能导盲系统

要为解决导盲眼镜穿戴体验感差、反馈效率较低及无法有效帮助盲人过马路等问题,本文以云平台为核心,融合机器视觉、图像处理、无线通信等技术,设计了一款基于机器视觉的智能导盲系统。系统由眼镜端、云服务端、手机APP端三大部分组成。眼镜端以搭载Linux系统的树莓派及高清双目模组作为主控制器和图像采集设备。视觉深度学习处理云服务端由云服务器,场景分析和语义分割等构成。总运算延迟在4-6s以内,盲人在独立出行时能及时得到反馈信息。本研究基于Yolov5识别算法对障碍物进行识别,融合了测距、HSV向量空间、语义分割等帮助盲人通过听觉获得出行场景信息,保证盲人在出行方面的避障安全性和导航便利性,实现智能辅助盲人出行的功能。