一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法。首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图。由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头。实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境。

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率,提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图,建立三维点云与深度图之间的投影关系,利用相邻激光雷达扫描线的角度阈值进行地物分割,再对分割后的地上物体进行分割,去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化,较好地克服了过分割问题,提高了点云分割的准确率。实验结果表明,该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。

基于立体视觉的目标深度图提取算法研究

随着人类探测领域的扩大,智能移动平台已经在很多领域开始替代人类手工操作。为适应工作环境的复杂多变,使智能移动平台探测环境能更好地进行自主导航和避障,目标深度图的提取变得十分重要。本文为实现基于立体视觉的目标深度图的自动提取算法,讨论了工业相机的标定技术,重点研究了基于窗口的稀疏点特征匹配算法,通过实验,验证该算法能较好地实现立体视觉下的目标深度图自动提取,满足精度要求。

基于深度图的影像密集匹配算法的改进

针对基于深度图的序列影像在密集匹配过程中存在目标影像选取的准确度低、深度图迭代次数过多的问题,提出了一种基于深度图的序列影像密集匹配算法的改进方法。该方法首先用阶跃函数分别表示参考影像和待选取的目标影像在匹配点处的同名光线的夹角和影像尺度变化的比值,然后以影像上的匹配点为种子点,在影像层面上构建delaunay三角网,内插出其余像素的深度值和法线方向,初始化参考影像的深度图和法线方向图,最终采用双目视觉立体算法实现影像的密集匹配。实验结果表明:改进后的算法在计算影像深度图时针对不同的场景计算效率分别提高53.08%和25.18%,同时,点云的错误率也分别降低了0.6%和1.3%。

基于有序点云的石窟寺顶板裂隙特征提取

石窟寺的顶板裂隙对其结构安全和内在艺术价值影响较大,已成为文物保护工作中的重要环节.基于有序点云提出一种层状裂隙的特征提取与目标分类新方法.该方法首先利用高程差,将有序点云垂直映射成二维深度图,进而采用图像处理与形态学相结合的方式实现对目标轮廓的特征提取.通过对庆阳北石窟寺32号窟如意佛底座规则点云的检测,验证了本方法的精度可达98.69%.以32号窟顶板真实层状裂隙为例,使用本方法能快速提取目标轮廊,计算裂隙关键物理参数,判别裂隙危害等级,并给出工程保护建议.