基于颜色和边缘信息的非局部立体匹配算法

为了解决传统非局部立体匹配算法在纹理丰富区域匹配误差较大的问题,提出基于颜色和边缘信息的非局部立体匹配算法。代价计算阶段,结合灰度和梯度信息求得匹配代价。代价聚合阶段,为降低相似背景下的误匹配率,利用最小生成树进行代价聚合,结合颜色和边缘信息重新定义权重函数。再利用胜者为王(WTA)策略求得最佳视差,通过左右一致性检验和中值滤波等后处理操作对视差图作精细化处理。最后在Middlebury数据平台上对算法进行可行性验证,实验结果表明,图像的平均误匹配率由原算法的6.02%降低到5.10%。

基于引导图像和自适应支持域的立体匹配

提出一种基于引导图像和自适应支持域的局部立体匹配算法。首先对校正后的输入图像进行预处理得到引导图像;在匹配代价计算阶段,提出一种梯度计算方法,结合引导图像和输入图像的梯度信息,分别计算x和y方向的梯度,再与AD(absolute difference)和Census变换融合构建匹配代价计算函数;在代价聚合阶段,使用基于自适应支持域的导向滤波;在视差细化阶段,提出一套基于自适应支持域的多步细化方法,通过该方法得到最终的视差图。实验结果表明,视差细化后全部区域的平均误差和方均根误差平均减少43.7%和38%,非遮挡区域平均减少33.7%和30.9%,所提算法具有较好的鲁棒性并能获得精度较高的视差结果。

视觉导航在扑翼飞行器避障中的应用

视觉传感器本身具有独立性、准确性和可靠性等优点,使得它在无人机视觉导航的应用领域中具有独特的作用,但是传统的视觉导航设备质量过大,无法应用在扑翼飞行器上。针对此问题,本项目利用FPGA芯片设计基于Census变换的局部立体匹配算法的立体视觉模块,该模块质量轻,并且能够进行图像的实时处理,满足避障场景的实时性要求。通过扑翼飞行器实际的飞行实验结果表明,本项目设计的视觉导航模块可以为无人机的自主避障飞行提供技术支持和决策依据。