多导体视诱发脑电采集系统设计及视差深度诱发电位研究

我们根据科研实验要求利用现有的微机系统和临床脑电图仪建立了一套适用脑认知科学研究的多导视觉诱发脑电 (VEP)信号采集处理系统。该系统既能满足部分临床应用的需要 ,同时也能根据实验要求 ,进行立体视觉认知过程脑电 (EEG)的信号提取和分析处理。通过立体视觉深度相关脑诱发电位提取及比较分析 ,对深度相关的特征视觉诱发电位发放进行了标定。

视差深度多线索认知研究

认知过程研究的目的是探索人的智力这个令人印象深刻和能够不断发展的能力是如何发生和被调控的。我们长期以来一直通过立体视觉研究这个核心问题。本文根据科研实验要求建立了一套多导视觉诱发脑电(VEP)信号采集处理系统 ,用于立体视觉认知过程脑电 (EEG)信号的提取和分析处理。我们对视差深度相关的视觉诱发电位特征发放进行了标识 ,初步确定了体视视差深度信息处理是在高级视皮层功能区完成的 ,立体视觉深度相关脑诱发电位提取的实验结果与其它研究结果基本一致。我们认为立体视觉深度认知过程是一个动态多信息处理过程 ,皮层高级功能区深度认知是生物反馈作用于体视信息处理全过程的结果 ,这是我们在心理物理研究过程中提出一个重要假设 。

全距离深度平衡立体匹配网络

针对当前视差估计网络在将视差转换成深度时,存在深度精度受相机参数影响,且在远距离处产生深度精度急剧下降的问题,提出一种全距离深度平衡立体匹配网络(FRDBNet)。首先构建深度代价体,使网络学习到全距离深度的概率分布,进行深度回归直接生成深度;然后采用视差与深度损失融合的训练策略使网络同时关注远中近三分段全距离的深度估计;最后,基于初始视差右图对应点7邻域特征设计视差优化模块进一步提高网络的深度估计精度。在大型真实驾驶场景Driving Stereo数据集上的实验表明,针对全距离[1,100]m的深度估计,FRDBNet在[1,30]m近距离、[30,60]m中距离和[60,100]m远距离处深度精度相比CVPR2022性能表现优越的ACVNet分别提高10.38%、15.11%和20.35%,达到了良好的深度精度平衡。

基于双目摄像头障碍物深度图像的设计

智能机器人行业迅速发展,对避障技术的难度又提升了一个新台阶。本文运用平行双目摄像头获取障碍物图像,利用MATLAB标定工具箱对左右图像进行立体标定。同时通过OpenCV对图像进行预处理及图像畸变校正,调整内外参数进行立体匹配,获取障碍物深度视差图,还原障碍物在现实世界中的深度信息,为机器人避障工作提供一个参考基准。

基于FTV的改进深度估计算法

深度估计是任意视点电视(Free View Television,FTV)系统的关键技术。为提高深度边缘的深度估计准确度,并解决视频序列中不同帧间同一深度物体深度估计值不一致问题,提出一种在深度图的时间一致性保持算法,以前一帧的深度图与当前视图的运动信息为约束条件估计当前帧的深度,使得相邻帧的深度图在时间上保持一致。

亮度优化立体视频视觉舒适度评价

结合立体视频帧左右视图的灰度图,采用鲁棒性算法与软剪刀算法相结合的"画笔"方案来提取立体视频帧的前景区域,合成视差图并提取水平视差,计算深度视差;根据主观评价结果建立视差深度—视觉舒适度模型,再结合亮度对视觉舒适度的评价模型进行优化,使模型的评分更接近人类视觉系统的评分;结合人类主观评价实验的结果,用逆向代入法求出模型的系数确定模型,最终实现基于人类视觉系统特性的对立体视频视觉舒适度的评价。实验结果表明:通过视觉舒适度模型计算得到的结果与人类主观评价结果之间的误差率不超过5%,其中大部分视频误差率不超过1%。说明评价模型更符合人类主观感知结果的立体视频视觉舒适度,模型评分更接近人类视觉系统特性的主观实验评分,这为立体视频舒适度的评价提供了参考。

局部高效的SEM下三维测量法

针对微纳尺度三维扫描电子显微镜(3D SEM)形貌测量方法的配套算法缺失,严重限制其应用的问题,提出了基于视差—深度映射的微纳尺度三维测量方法。首先,建立视差与样品表面深度信息的映射模型;通过引入极线校正算法用以保证视差求解准确性;基于光流估计来进行对应点的匹配,获得稠密准确的视差图,保证了三维数据质量与精度;最后为了证明本文的D2D-SEM微纳尺度三维形面测量方法的有效性,与微纳测试领域较为常用的超景深三维显微镜(VHX-6000,KEYENCE)对比,对样品进行了三维测量与表征。结果表明:所提方法有效可靠。