视差估计下的VR全景图像局部细节特征提取

受环境背景、视觉偏差等因素的影响,VR全景图像细节特征提取难度较高.为了优化VR全景图像局部细节特征提取效果,提出视差估计下的VR全景图像局部细节特征提取方法 .在均衡VR全景图像灰度值的基础上,去除VR全景图像的噪声.构建人眼视觉模型,检索去噪后的VR全景图像,获取VR全景图像视差信息.通过匹配代价计算、代价聚合计算、视差计算与后处理计算估计视差数值,利用SIFI算法检测并提取VR全景图像局部细节特征.实验数据显示:应用提出方法获得的局部细节特征点检测结果与实际结果保持一致,视差估计误差最小值为0.3 Pixel,证实提出方法具备较好的局部细节特征提取性能.

四维光场数据中基于极平面图的深度估计方法

针对四维(4D)光场数据中的深度估计问题,提出一种基于4D光场数据极平面图(EPI)结构信息的高精度深度估计方法 .首先,对4D光场结构进行了分析,给出了深度信息与视差的关系.然后,在外极平面图像上,计算切片域中每个点的视差估计以及可信度估计.最后,根据可信度估计来加权局部视差估计的准确性,用于获取全局一致性视差图,进而可获得全局深度图.仿真实验结果表明,该方法能够精确估计出深度信息,为视觉三维重建提供了良好的基础.

基于局部纹理特性和图像分割的分步立体匹配

为解决立体匹配难以兼顾精度和速度的问题,提出一种分步立体匹配方法。根据局部纹理特性对图像对进行灰度变换;然后利用均值漂移算法分割参考图像,以任意大小和形状的分割区域为支持窗口进行初次匹配,形成基于色彩分割的视差约束;再以固定窗口为支持窗口进行二次匹配,获得初始视差图;最后通过可信度分类优化初始视差。实验结果表明所提出的算法兼有较高的匹配速度和精度。

像方和物方结合的线阵卫星核线影像生成方法

针对线阵卫星影像核线纠正问题,本文简要分析了现有方法的优劣势,并在此基础上提出一种将基于像方和物方相结合的核线纠正方法。其分为两步:首先在影像空间内对左影像进行分块并逐区域纠正,利用局部仿射拟合的方法实现左影像的核线纠正;然后利用物方投影基准面生成与左影像分辨率一致的右核线影像。试验结果表明,本文方法既能获取上下视差接近于零且优于对比方法的核线影像产品,又能够保证核线影像左右视差与高程的线性比例关系,尤其是3组较大核线曲率数据试验结果,证实了本文方法具有较好的稳健性和适用性,能够较好地应用到不同传感器的数据处理系统中。

一种大视差下循环指导局部配准的图像拼接方法

在大视差下拼接图像极具挑战。一种以缝隙线质量为导向的局部配准的迭代方法,可以同时快速找到最佳局部区域和缝隙。算法以缝隙的质量为指导迭代地选择局部匹配点。在每次迭代期间,更新已选匹配点和缝隙。接着,再采用保存内容的变换方法来提升配准质量。最后,选择具有最佳缝隙质量的局部配准作为最终配准结果。实验结果表明了该方法在处理大视差场景下的图像拼接时具有有效性和优越性。

未知环境基于单目次优视差的多模滤波目标跟踪算法

在未知环境下基于单目视觉的机器人同时定位、地图构建和目标追踪的耦合问题(SLAMOT)中,需要足够的视差才能满足目标跟踪的可观性条件。同时,针对目标运动的不确定性以及系统对于目标运动方式的未知性,提出一种基于次优视差的多模滤波目标跟踪算法。首先,采用目标不确定性椭球投影面积变化最大的方向为次优视差方向,并将其作为机器人视差控制方向;然后,采用多模滤波算法计算目标各种运动方式的概率;其次,对各运动方式的目标状态进行估计,最后根据各运动方式的概率加权估计出目标状态。另外,考虑到工程应用中应减小能耗,因此,在满足目标跟踪要求的条件下,降低视差速度。仿真实验表明:视差速度为0.3 m/s时,次优视差算法的残差均值为0.16 m,而启发式算法、多模滤波算法、传统扩展卡尔曼滤波(EKF)算法的残差均值为0.25 m、0.06 m和0.16 m。在视差速度较低时,所提算法也能满足目标跟踪的可观性条件,具有较强的工程应用价值。

特征点聚类高精度视差图像拼接

目的针对不同视点下具有视差的待拼接图像中,特征点筛选存在漏检率高和配准精度低的问题,提出了一种基于特征点平面相似性聚类的图像拼接算法。方法根据相同平面特征点符合同一变换的特点,计算特征点间的相似性度量,利用凝聚层次聚类把特征点划分为不同平面,筛选误匹配点。将图像划分为相等大小的网格,利用特征点与网格平面信息计算每个特征点的权重,通过带权重线性变换计算网格的局部单应变换矩阵。最后利用多频率融合方法融合配准图像。结果在20个不同场景图像数据上进行特征点筛选比较实验,随机抽样一致性(random sample consensus, RANSAC)算法的平均误筛选个数为30,平均误匹配个数为8,而本文方法的平均误筛选个数为3,平均误匹配个数为2。对20个不同场景的多视角图像,本文方法与AutoStitch(automatic stitching)、APAP(as projective as possible)和AANAP(adaptive as-natural-as-possible)等3种算法进行了图像拼接比较实验,本文算法相比性能第2的算法,峰值信噪比(peak signal to noise ratio,PSNR)平均提高了8.7%,结构相似性(structural similarity,SSIM)平均提高了9.6%。结论由本文提出的基于特征点平面相似性聚类的图像拼接算法处理后的图像保留了更多的特征点,因此提高了配准精度,能够取得更好的拼接效果。