視差
- 基于改進(jìn)SGM算法的雙目立體匹配*
原理計(jì)算投影點(diǎn)的視差,從而得到視差圖。根據(jù)視差圖可以恢復(fù)其深度信息,重構(gòu)物體的三維空間幾何。因此,立體匹配獲得視差圖的精度直接決定三維重建得到立體場(chǎng)景的精確度,所以,提高立體匹配的精度成為了當(dāng)前研究的熱點(diǎn)。為了提高立體匹配的精度,科研人員進(jìn)行了一系列的研究。根據(jù)優(yōu)化理論方法的不同可分為全局立體匹配、局部立體匹配和半全局立體匹配。全局立體匹配算法使用全局優(yōu)化算法進(jìn)行視差估計(jì),主要有DP[10]、GC[11]、BP[12]算法。該類算法是在能量函數(shù)框架下,把立
組合機(jī)床與自動(dòng)化加工技術(shù) 2023年12期2024-01-03
- 匹配代價(jià)融合與分層迭代優(yōu)化的半全局立體匹配
角中同名點(diǎn)之間的視差.結(jié)合雙目測(cè)量的基礎(chǔ)理論,可以進(jìn)一步完成基于雙目視覺的測(cè)量任務(wù),例如測(cè)距、定位和三維重建等.按照匹配算法的輸出結(jié)果,立體匹配可以分為稠密匹配和稀疏匹配兩種.稠密匹配算法為圖像中所有像素點(diǎn)完成匹配.而稀疏匹配算法則是只匹配提取出的部分特征點(diǎn).相對(duì)來(lái)說(shuō),稠密匹配算法獲得的視差信息更為豐富.稠密立體匹配算法可以分為基于深度學(xué)習(xí)、局部、全局、半全局4種類別.隨著深度學(xué)習(xí)的發(fā)展,基于深度學(xué)習(xí)的立體匹配算法近年來(lái)逐漸增多,能夠取得較高的視差圖精度.
小型微型計(jì)算機(jī)系統(tǒng) 2023年9期2023-09-06
- 基于全卷積神經(jīng)網(wǎng)絡(luò)的端到端立體密集匹配研究
，在弱紋理區(qū)域、視差不連續(xù)區(qū)域、遮擋區(qū)域存在的匹配困難和誤匹配問(wèn)題，設(shè)計(jì)了一個(gè)基于全卷積神經(jīng)網(wǎng)絡(luò)的端到端立體匹配網(wǎng)絡(luò)，將傳統(tǒng)密集立體匹配問(wèn)題轉(zhuǎn)化成一個(gè)視差學(xué)習(xí)和優(yōu)化的任務(wù)問(wèn)題。論文主要研究?jī)?nèi)容和研究結(jié)論如下。(1) 基于擴(kuò)張卷積的多尺度特征提取。為降低弱紋理或重復(fù)紋理區(qū)域匹配二義性問(wèn)題所帶來(lái)的影響，引入擴(kuò)張卷積進(jìn)入特征提取模塊。與傳統(tǒng)的卷積相比，擴(kuò)張卷積能夠在不增加學(xué)習(xí)參數(shù)的前提下，擴(kuò)大卷積核的感受視野。采用多層并行的擴(kuò)張卷積，設(shè)計(jì)基于擴(kuò)張卷積的空間金字塔
測(cè)繪學(xué)報(bào) 2022年5期2023-01-31
- 基于引導(dǎo)信息的雙目立體匹配算法
算參考圖像的稠密視差圖，是獲取深度信息的重要途徑之一。Zbontar和LeCun首次將CNN應(yīng)用到立體匹配中，利用卷積神經(jīng)網(wǎng)絡(luò)(MC-CNN)[1]計(jì)算匹配代價(jià)。FlowNetC[2]、DispNetC[3]等算法將立體匹配通過(guò)端到端的有監(jiān)督深度學(xué)習(xí)方式實(shí)現(xiàn)，采用編碼-解碼的結(jié)構(gòu)回歸視差。文獻(xiàn)[4-5]利用從邊緣檢測(cè)任務(wù)中獲得的邊緣信息補(bǔ)充視差圖中丟失的細(xì)節(jié)信息。SegStere[6]將語(yǔ)義特征融入特征圖中，并設(shè)計(jì)語(yǔ)義損失項(xiàng)來(lái)改善視差學(xué)習(xí)效果。近年來(lái),注意
計(jì)算機(jī)技術(shù)與發(fā)展 2022年12期2022-12-11
- 置信度輔助特征增強(qiáng)的視差估計(jì)網(wǎng)絡(luò)
116024雙目視差估計(jì)是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)重要方向，主要應(yīng)用在自動(dòng)駕駛、機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實(shí)等任務(wù)中[1]。視差估計(jì)旨在對(duì)雙目相機(jī)校正后的左右視圖進(jìn)行像素對(duì)匹配，估計(jì)的視差可以恢復(fù)場(chǎng)景的深度信息。該任務(wù)可以分為匹配代價(jià)計(jì)算、匹配代價(jià)聚合、視差計(jì)算、視差優(yōu)化四個(gè)步驟[2]。在匹配像素點(diǎn)中，由于遮擋、低光照、弱紋理等干擾因素使估計(jì)高精度視差更具挑戰(zhàn)性。視差估計(jì)的本質(zhì)是匹配問(wèn)題，其目的是為左目視圖每一個(gè)像素點(diǎn)在右目視圖中尋找匹配差異最小的像素點(diǎn)。這里的匹配
計(jì)算機(jī)工程與應(yīng)用 2022年15期2022-08-09
- 基于雙目立體視覺的視差測(cè)量
，得到被測(cè)物體的視差圖及其物體的3D坐標(biāo)。實(shí)驗(yàn)表明：這個(gè)方案具有可行性，為下一步的實(shí)驗(yàn)研究提供了很大的幫助和基礎(chǔ)。關(guān)鍵詞：雙目立體視覺;相機(jī)標(biāo)定;立體匹配;視差中圖分類號(hào)：TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）07-0081-02開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：
電腦知識(shí)與技術(shù) 2022年7期2022-05-09
- 基于視差優(yōu)化的立體匹配網(wǎng)絡(luò)
相應(yīng)像素點(diǎn)來(lái)計(jì)算視差，并根據(jù)相似三角形原理計(jì)算深度距離。傳統(tǒng)的立體匹配算法將匹配過(guò)程劃分為匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化4 個(gè)部分［1］，并基于代價(jià)函數(shù)的約束范圍及搜索策略分為局部、全局和半全局立體匹配算法［2］。但傳統(tǒng)算法采用手工設(shè)計(jì)的特征描述符，缺乏全局上下文信息，且受經(jīng)驗(yàn)參數(shù)的影響，算法魯棒性較差，不適合在復(fù)雜環(huán)境下應(yīng)用［3］。近年來(lái)，隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域中的發(fā)展，研究人員開始基于深度學(xué)習(xí)方法解決立體匹配問(wèn)題。LECUN 等［4］
計(jì)算機(jī)工程 2022年3期2022-03-12
- 基于視差范圍估計(jì)和改進(jìn)代價(jià)的半全局匹配
中的同名點(diǎn),計(jì)算視差,從而獲取物體的深度信息。近年來(lái),隨著立體匹配技術(shù)的發(fā)展,立體匹配已被廣泛應(yīng)用在三維重建、目標(biāo)檢測(cè)、自動(dòng)駕駛、虛擬現(xiàn)實(shí)等領(lǐng)域。Scharstein等人在總結(jié)之前的立體匹配方法后提出了立體匹配的常規(guī)基本框架。在該框架中,立體匹配被劃分為匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化4個(gè)步驟。根據(jù)計(jì)算策略的不同,傳統(tǒng)立體匹配方法又可被分為局部、全局和半全局3類算法。其中,半全局匹配算法(semi-global matching, SGM)綜合考
系統(tǒng)工程與電子技術(shù) 2022年2期2022-02-23
- 基于歸一化互相關(guān)的半透明遮擋視差估計(jì)
置只會(huì)計(jì)算出一個(gè)視差，即滿足唯一性約束條件。這在通常情況下都是合理的，且絕大部分?jǐn)?shù)據(jù)集中也不會(huì)出現(xiàn)半透明物體，如KITTI數(shù)據(jù)集[7]和Middlebury數(shù)據(jù)集[8]。但事實(shí)上，在現(xiàn)實(shí)生活中，還是有很多的半透明物體，如帶顏色的玻璃杯、彩色的透明塑料碗、透光的薄窗簾等。人或者相機(jī)在觀察這些物體的時(shí)候，能同時(shí)觀察到被這些物體遮擋的物體。這就導(dǎo)致了在圖片中的同一個(gè)位置可能會(huì)對(duì)應(yīng)多個(gè)現(xiàn)實(shí)物體。這種情況下，絕大部分的計(jì)算模型都不適用了，包括一些有很高精度、在數(shù)據(jù)集
計(jì)算機(jī)應(yīng)用與軟件 2022年1期2022-01-28
- 基于自適應(yīng)窗的立體相機(jī)視差圖優(yōu)化方法研究
立體匹配得到精確視差圖成為了三維重建的主要研究?jī)?nèi)容.近年來(lái)，三維重建研究領(lǐng)域產(chǎn)生了不少新方法[1]，如基于深度相機(jī)的三維重建方法[2]，基于深度學(xué)習(xí)的三維重建方法[3]等.在視覺測(cè)量、工業(yè)生產(chǎn)、人工智能、大規(guī)模SLAM等各個(gè)領(lǐng)域有著廣泛的應(yīng)用.基于雙目視覺的三維重建大致可按照如圖1的工作步驟進(jìn)行.一般來(lái)說(shuō)，基于雙目視覺的三維重建的效果仍要受到立體匹配方法[4]所得到視差圖以及視覺傳感器的影響，而有關(guān)視覺傳感器的工業(yè)制造技術(shù)和相機(jī)標(biāo)定方法[5]相對(duì)成熟，因此
小型微型計(jì)算機(jī)系統(tǒng) 2022年1期2022-01-21
- 基于稀疏卷積的前景實(shí)時(shí)雙目深度估計(jì)算法
，計(jì)算每對(duì)像素的視差值生成視差圖。比起傳統(tǒng)的立體匹配算法，深度學(xué)習(xí)視差估計(jì)算法可以有效優(yōu)化圖像深度估計(jì)中的不適定問(wèn)題，能夠利用先驗(yàn)知識(shí)學(xué)習(xí)估算出遮擋和弱紋理區(qū)域的深度信息?；谏疃葘W(xué)習(xí)的雙目立體匹配網(wǎng)絡(luò)基本構(gòu)成［1］包括：雙目圖像對(duì)、空間特征提取模塊、視差代價(jià)聚合卷（cost-volume）和視差回歸模塊。2015年，Mayer等［2］首次提出端對(duì)端的雙目視差估計(jì)網(wǎng)絡(luò)DispNet，通過(guò)下采樣方式提取空間特征后構(gòu)建視差代價(jià)聚合卷cost-volume，并對(duì)
計(jì)算機(jī)應(yīng)用 2021年12期2022-01-05
- 立體匹配算法改進(jìn)與優(yōu)化
處理后，計(jì)算初始視差，然后用圖割算法得到全局能量最小的視差作為最優(yōu)[2]。雙目立體視覺系統(tǒng)的應(yīng)用過(guò)程中，雙目相機(jī)所在場(chǎng)景、位置不同，采集的圖像會(huì)受到很多因素干擾，例如光照、遮擋等，容易造成誤匹配。在實(shí)際應(yīng)用中，只能夠根據(jù)不同場(chǎng)景和約束條件來(lái)選擇合適的匹配算法。立體匹配也成為了當(dāng)前的研究難點(diǎn)。1 立體匹配算法基本原理立體匹配算法原理[3]即以左目圖像為參考，任取一像素點(diǎn)作待匹配像素點(diǎn)為中心取m×n的矩形窗口，再根據(jù)極線約束原理，在右目圖像上肯定存在一個(gè)像素點(diǎn)
電子制作 2021年16期2021-09-17
- 基于自適應(yīng)權(quán)重的立體匹配優(yōu)化算法
的二維場(chǎng)景，利用視差匹配獲取三維場(chǎng)景的深度信息，被廣泛地應(yīng)用于移動(dòng)機(jī)器人技術(shù)、3D 建模技術(shù)、航空航天［1］等領(lǐng)域，是雙目立體視覺的重點(diǎn)和難點(diǎn)，立體匹配的精確度決定了立體視覺的最終效果。因此，研究更加高效、精確的立體匹配算法具有重要意義。目前，立體匹配主要分為全局匹配和局部匹配兩大類［2-3］，文獻(xiàn)［4］根據(jù)雙目立體匹配算法的特點(diǎn)進(jìn)行歸納總結(jié)，將立體匹配算法分為匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化4 個(gè)部分。全局匹配是利用圖像的全局約束信息構(gòu)建全局能
計(jì)算機(jī)工程 2021年4期2021-04-29
- 結(jié)合圖像分割的半全局立體匹配算法
配的精度直接影響視差圖及深度圖的質(zhì)量，并在三維重建工作中占有舉足輕重的地位[4-5]。Scharstein等[6]提出立體匹配算法可以由匹配代價(jià)計(jì)算、匹配代價(jià)聚合、視差選擇和視差優(yōu)化組成，并在此基礎(chǔ)上將立體匹配算法分為三類[7-10]：局部立體匹配算法、全局立體匹配算法以及半全局立體匹配算法。局部立體匹配算法，即選擇圖像中一定區(qū)域內(nèi)的像素作為計(jì)算該像素點(diǎn)匹配代價(jià)的約束區(qū)域，然后通常采用勝者為王(winnner take all，WTA)的視差選擇策略確定該
遙感信息 2020年6期2021-01-20
- 視差邊緣優(yōu)化的SGM 密集深度估計(jì)算法?
約束，以此來(lái)優(yōu)化視差圖［1～2］，此類方法視差精度高，但是計(jì)算復(fù)雜，無(wú)法滿足實(shí)時(shí)性要求。2005 年，Hirschmuller［3～4］提出了一種介于局部算法和全局算法之間的半全局密集匹配算法，該方法在滿足實(shí)時(shí)性要求的同時(shí)，實(shí)現(xiàn)了精確的密集深度估計(jì)，得到了眾多研究人員的關(guān)注與改進(jìn)。鑒于在二維空間進(jìn)行全局能量最小化被證明是NP 困難（Nondeterministic Polynominal-hard）問(wèn)題，SGM算法將二維能量最小化轉(zhuǎn)換為多個(gè)一維路徑的能量最
計(jì)算機(jī)與數(shù)字工程 2020年11期2020-12-23
- 夏澤洋團(tuán)隊(duì)提出一種基于分割的立體匹配視差優(yōu)化方法
7(立體匹配中的視差優(yōu)化方法)”。立體匹配是三維重建的核心步驟，其輸入是一對(duì)經(jīng)過(guò)矯正的彩色圖像，通過(guò)匹配同一三維物體在左右兩幅圖像上的投影點(diǎn)得到視差。目前，已有的立體匹配方法在無(wú)遮擋區(qū)域時(shí)，實(shí)現(xiàn)了較高的匹配精度，但在有遮擋區(qū)域時(shí)，匹配誤差較大。同時(shí)，已有方法的計(jì)算效率普遍較低。因此，該研究提出了一種基于分割的立體匹配視差優(yōu)化算法，以解決包含遮擋區(qū)域圖像的快速立體匹配問(wèn)題。該研究所提出的基于分割的立體匹配視差優(yōu)化方法直接優(yōu)化由彩色參考圖像得到的初始匹配最小代
集成技術(shù) 2020年6期2020-11-30
- 基于無(wú)人機(jī)低空航測(cè)的地面目標(biāo)影像匹配方法研究
x)的極大值點(diǎn)。視差平面擬合是在以上操作的基礎(chǔ)上進(jìn)行的，上述步驟主要是采用初始視差圖中的像素[5]，針對(duì)一個(gè)平面展開計(jì)算，其中視差平面方程能夠表示為以下的形式：式中：d—像素的視差；x、y—像素坐標(biāo)；a、b、c—不同的平面參數(shù)。視差平面擬合主要是由影像分割塊作為最小單位進(jìn)行計(jì)算。針對(duì)不同的塊，塊內(nèi)像素視差都可以利用一個(gè)視差平面近似表示。同時(shí)，一個(gè)視差平面也能夠表示成多個(gè)塊的像素視差。但是初始視差圖中存在一定的粗差，這導(dǎo)致單獨(dú)的塊內(nèi)像素一次計(jì)算出的視差平面可
環(huán)境技術(shù) 2020年5期2020-11-18
- 基于區(qū)域插值的視差圖平滑算法及三維重建
通過(guò)立體匹配獲得視差圖，根據(jù)視差圖計(jì)算出物體的三維坐標(biāo)，進(jìn)而實(shí)現(xiàn)三維重建[3,4]。立體匹配是雙目立體視覺的關(guān)鍵步驟，易受遮擋、視差間斷等因素影響，導(dǎo)致在視差圖中存在較多的誤匹配區(qū)域[5]。改善視差圖的方法主要有兩種：一種是優(yōu)化立體匹配算法，能獲得較好的視差圖[6]。Hoc DK,et al.[7]通過(guò)修改SAD(Sum of Absolute Differences)算法，利用感興趣像素的邊緣像素估計(jì)視差值的差異，計(jì)算深度圖信息，具有減少像素的搜索數(shù)量、
山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版） 2020年5期2020-11-02
- Kobe—one of the greatest basketball players
e.在本文論述的視差貼圖技術(shù)中，我們還對(duì)因物體的自遮擋而產(chǎn)生的自陰影進(jìn)行了計(jì)算，并實(shí)現(xiàn)了軟陰影的效果，進(jìn)一步增加了場(chǎng)景的真實(shí)感。圖14 呈現(xiàn)了視差貼圖技術(shù)實(shí)現(xiàn)的表面自陰影效果。C. Important. D. Continuous.3. What's Adam Silver's attitude towards Kobe's retirement?A. Regretful. B. Shameful.C. Exciting. D. Neutral.Langu
瘋狂英語(yǔ)·新悅讀 2020年6期2020-06-28
- 基于無(wú)人機(jī)雙目圖像的線目標(biāo)測(cè)量的研究
；第二，在線目標(biāo)視差圖優(yōu)化方面，提出一種基于目標(biāo)識(shí)別的線目標(biāo)視差圖優(yōu)化算法，該算法依據(jù)目標(biāo)識(shí)別獲取線目標(biāo)視差圖，然后根據(jù)提出的4個(gè)步驟進(jìn)行優(yōu)化處理，最后得到優(yōu)化后的線目標(biāo)視差圖。最終設(shè)計(jì)出一個(gè)無(wú)人機(jī)雙目視覺圖像采集系統(tǒng)，并依據(jù)采集到的雙目圖像實(shí)現(xiàn)對(duì)線目標(biāo)的測(cè)量。實(shí)際測(cè)量結(jié)果表明，該改進(jìn)方法提高了雙目圖像正確匹配率，對(duì)線目標(biāo)的測(cè)量具有較高的精度。1 改進(jìn)立體匹配算法立體匹配算法的精度直接影響著雙目測(cè)量的精度。對(duì)Scharstein[10]對(duì)立體匹配算法進(jìn)行歸
計(jì)算機(jī)測(cè)量與控制 2020年1期2020-02-27
- 融合多特征表示和超像素優(yōu)化的雙目立體匹配
計(jì)算、代價(jià)聚合、視差計(jì)算和視差精化[2]。全局立體匹配通過(guò)隨機(jī)生成視差粗略圖，最小化全局能量方程，得到最優(yōu)視差圖。采用的匹配技術(shù)主要有置信度傳播算法[3]、圖割算法[4]、動(dòng)態(tài)規(guī)劃算法[5]、二次規(guī)劃算法[6]等。全局立體匹配方法在應(yīng)用中匹配精度高，但實(shí)際執(zhí)行效率卻很低，無(wú)法滿足實(shí)時(shí)性的要求[7]。局部立體匹配算法以像素點(diǎn)為中心構(gòu)建局部窗口，通過(guò)計(jì)算窗口內(nèi)的像素相似性求取初始匹配代價(jià)，具有計(jì)算速度快、易于實(shí)現(xiàn)的優(yōu)點(diǎn)。常用的像素相似性度量方法主要有：像素點(diǎn)灰
計(jì)算機(jī)工程與應(yīng)用 2020年1期2020-01-06
- 基于HALCON雙目標(biāo)定的算法優(yōu)化研究
基于雙目立體視覺視差原理，通過(guò)大量實(shí)驗(yàn)對(duì)標(biāo)定立體系統(tǒng)算法以及相關(guān)參數(shù)優(yōu)化進(jìn)行了研究，分析了影響算法各個(gè)參數(shù)的設(shè)置以及高精度標(biāo)定板的獲取，總結(jié)出了基于HALCON雙目標(biāo)定的優(yōu)化方法，計(jì)算誤差可達(dá)到0.15個(gè)像素，實(shí)驗(yàn)證明該方法提高了標(biāo)定精度和計(jì)算效率，可滿足各種測(cè)量系統(tǒng)的需要。關(guān)鍵詞：HALCON;視差;亞像素級(jí)處理;系統(tǒng)標(biāo)定近年來(lái)，雙目立體視覺系統(tǒng)研究一直是機(jī)器視覺的研究熱點(diǎn)和焦點(diǎn)[1]。非接觸式雙目立體視覺具有設(shè)備要求較低、連續(xù)性高、非接觸和無(wú)損傷等優(yōu)點(diǎn)
科學(xué)大眾 2019年4期2019-10-21
- 一種改進(jìn)的相鄰塊視差矢量快速獲取方法
動(dòng)矢量的思想獲取視差矢量。視差矢量 (disparity vector,DV)在視圖間運(yùn)動(dòng)矢量預(yù)測(cè)、視差補(bǔ)償預(yù)測(cè)和其他視圖間編碼技術(shù)中起著關(guān)鍵性作用[2]。3D-HEVC中基于相鄰塊的視差矢量獲取方法(disparity vector from neighbouring blocks,NBDV)[3]按預(yù)定順序搜索空間和時(shí)間候選塊位置，把第一個(gè)搜索到的視差矢量當(dāng)作最終視差矢量，并終止視差矢量的搜索。這種方法降低了視差矢量的精度，同時(shí)按照一定順序搜索也降低了
西安郵電大學(xué)學(xué)報(bào) 2019年6期2019-06-27
- 高分辨率遙感影像DSM的改進(jìn)半全局匹配生成方法
行代價(jià)積聚和最優(yōu)視差選擇得到最終的匹配結(jié)果，這種方法省去了核線影像生成的步驟，可以直接應(yīng)用于多視影像的匹配中?；谙穹降腟GM匹配算法[13]在影像面上計(jì)算代價(jià)矩陣，屬于嚴(yán)格的逐像素匹配算法。文獻(xiàn)[10]利用衛(wèi)星影像數(shù)據(jù)對(duì)OSGM和SGM算法的匹配效果進(jìn)行了對(duì)比分析，結(jié)果表明基于像方SGM算法獲取的DSM精度要高于OSGM，且SGM算法可以利用左右視差一致性檢查剔除誤匹配，因此生成的DSM粗差較少，此外，SGM算法的懲罰系數(shù)P2可以根據(jù)影像灰度信息自適應(yīng)調(diào)
測(cè)繪學(xué)報(bào) 2018年10期2018-10-26
- 卷積神經(jīng)網(wǎng)絡(luò)雙目視覺路面障礙物檢測(cè)
出層，應(yīng)用于雙目視差評(píng)估，取得較好的精度。在障礙物檢測(cè)方法中，文獻(xiàn)[9]采用數(shù)字高程圖(di-gital elevation model，DEM)的方法實(shí)現(xiàn)障礙物檢測(cè)，具有較好的魯棒性，但需要對(duì)環(huán)境進(jìn)行三維重建，計(jì)算復(fù)雜，不適合車載計(jì)算機(jī)實(shí)時(shí)演算；文獻(xiàn)[10]采用光流法檢測(cè)路面運(yùn)動(dòng)障礙物，但無(wú)法檢測(cè)靜止的障礙物；文獻(xiàn)[11]采用V視差法實(shí)現(xiàn)障礙物檢測(cè)，該方法計(jì)算簡(jiǎn)單，但在道路信息較少的場(chǎng)景中，道路直線提取會(huì)受到干擾，降低了障礙物檢測(cè)效果。本文提出一種利用卷
計(jì)算機(jī)工程與設(shè)計(jì) 2018年10期2018-10-24
- 一種基于高級(jí)驅(qū)動(dòng)輔助系統(tǒng)快速時(shí)空立體匹配方法
過(guò)圖像點(diǎn)得到全球視差范圍的方法，本文提出了一種新的計(jì)算視差范圍的方法。該方法不再通過(guò)所有圖像點(diǎn)來(lái)求取全局視差范圍，而是根據(jù)邊緣點(diǎn)的性質(zhì)得到。最后，將該方法和STM[4]、SM[5]方法進(jìn)行了比較，通過(guò)比較結(jié)果可以看出該方法大大提高了匹配率。1 立體匹配算法圖1 算法流程圖首先根據(jù)以上方法進(jìn)行特性的匹配，然后通過(guò)關(guān)聯(lián)方法在連續(xù)的圖像之間建立關(guān)系。根據(jù)視差約束原理，本文提出一種獨(dú)立于掃描線的視差約束方法。通過(guò)成本函數(shù)來(lái)度量候選邊緣點(diǎn)之間的相似性。最后利用DP算
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2018年8期2018-08-27
- 基于雙目視覺的自適應(yīng)匹配優(yōu)化方法
6]將局部算法的視差精度提升到了一個(gè)新的高度,但由于其能量代價(jià)函數(shù)的計(jì)算過(guò)于復(fù)雜,該算法的運(yùn)行時(shí)間比較長(zhǎng)[7],因此近年來(lái)許多學(xué)者都對(duì)ASW算法進(jìn)行優(yōu)化,例如使用稀疏匹配方法[8]、優(yōu)化能量代價(jià)函數(shù)[9]和引入隨機(jī)游走的樹結(jié)構(gòu)[10]等,在不降低原ASW算法精確度的同時(shí)減少程序的運(yùn)行時(shí)間。但這些算法在兼顧匹配精度和運(yùn)行時(shí)間方面存在著一定的缺陷。因此,本文提出一種新的優(yōu)化算法,在降低算法復(fù)雜度的同時(shí)引入多項(xiàng)后續(xù)處理。1 ASW算法ASW算法依據(jù)格式塔理論[1
計(jì)算機(jī)工程 2018年8期2018-08-17
- 基于梯度域引導(dǎo)濾波的視差精煉迭代算法
算圖像像素點(diǎn)間的視差來(lái)獲取景物的三維信息[1].現(xiàn)階段，該技術(shù)已廣泛應(yīng)用于眾多領(lǐng)域，如立體顯示、場(chǎng)景重建[2]、行人檢測(cè)等.立體視覺技術(shù)主要涉及到攝像機(jī)標(biāo)定、圖像矯正、立體匹配、三維重建等步驟，其中立體匹配是最重要也是最困難的步驟，其主要目的是通過(guò)相應(yīng)的算法獲取參考圖像與目標(biāo)圖像之間對(duì)應(yīng)匹配點(diǎn)間的關(guān)系，生成相應(yīng)的視差圖，視差圖中每一個(gè)像素點(diǎn)的灰度值代表了該點(diǎn)與對(duì)應(yīng)匹配點(diǎn)間的坐標(biāo)差信息.現(xiàn)階段常用的立體匹配算法通常建立在Sharstein等[1]提出的理論框
天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版) 2018年6期2018-05-30
- 測(cè)定金屬線膨脹系數(shù)實(shí)驗(yàn)中的幾點(diǎn)教學(xué)看法
鍵詞：線脹系數(shù)；視差；光杠桿金屬線膨脹系數(shù)的測(cè)量是大學(xué)物理實(shí)驗(yàn)中的一個(gè)非常重要的實(shí)驗(yàn)，用來(lái)反映金屬的尺寸隨溫度的變化規(guī)律，在機(jī)械和儀表的制造中，影響著材料結(jié)構(gòu)的穩(wěn)定性和儀表的精度，也是衡量耐火材料的一個(gè)重要的性能參量。在金屬線膨脹系數(shù)的測(cè)量實(shí)驗(yàn)教學(xué)中，應(yīng)該讓學(xué)生掌握哪些物理知識(shí)和技能呢？對(duì)我校的很多工科專業(yè)來(lái)說(shuō)，很可能根本用不上線膨脹系數(shù)這一參量，比如食品科學(xué)和水產(chǎn)養(yǎng)殖專業(yè)等，那么就需要挖掘這一實(shí)驗(yàn)中最基礎(chǔ)最根本的物理知識(shí)和技能?，F(xiàn)總結(jié)出以下三個(gè)基礎(chǔ)知識(shí)點(diǎn)
科技風(fēng) 2018年16期2018-05-14
- 基于導(dǎo)向?yàn)V波的立體匹配算法
覺中的重要問(wèn)題，視差圖可廣泛用于三維重建、自動(dòng)駕駛等三維應(yīng)用。它的輸入是一對(duì)經(jīng)過(guò)圖像矯正的兩幅圖像，輸出是兩幅圖像中場(chǎng)景同名點(diǎn)的視差圖（沿水平方向的位移），視差圖一般用一幅灰度圖表示。由于光照影響，相機(jī)參數(shù)不同，圖像噪聲以及遮擋和無(wú)紋理區(qū)域等因素，建立同名點(diǎn)對(duì)應(yīng)成為一個(gè)病態(tài)問(wèn)題。如何度量左右圖中的像素點(diǎn)對(duì)是場(chǎng)景同名點(diǎn)的成像？為了簡(jiǎn)化判斷和加強(qiáng)約束條件，立體匹配過(guò)程顯示或隱式的建立在兩點(diǎn)基礎(chǔ)假設(shè)上[1]。1、朗伯體表面（Lambertian Surface）
現(xiàn)代計(jì)算機(jī) 2018年9期2018-05-07
- 多用途恒星周年視差演示儀
紹多用途恒星周年視差演示儀主要由鐵支架、大圓盤、乒乓球、紅色燈泡、紅色小球、測(cè)量尺、標(biāo)桿、距離伸縮尺、觀視筒等組成。大圓盤代表地球的公轉(zhuǎn)軌道，乒乓球代表地球，紅色燈泡代表太陽(yáng)，兩個(gè)紅色小球代表A星和B星，距離伸縮尺可調(diào)節(jié)觀察者與星星之間的距離。二、操作說(shuō)明1.演示地球自轉(zhuǎn)。逆時(shí)針轉(zhuǎn)動(dòng)乒乓球就能演示地球自轉(zhuǎn)的過(guò)程。2.演示地球公轉(zhuǎn)。逆時(shí)針轉(zhuǎn)動(dòng)大圓盤可演示地球繞太陽(yáng)公轉(zhuǎn)的過(guò)程。3.演示恒星的周年視差。調(diào)節(jié)恒星之間的距離，測(cè)量恒星的周年視差大小。地球的公轉(zhuǎn)使觀測(cè)
發(fā)明與創(chuàng)新·中學(xué)生 2018年4期2018-04-17
- 結(jié)合最小生成樹的立體匹配算法
能夠得到更精確的視差圖，先運(yùn)用相對(duì)灰度差與Census變換提取特征，以顏色和空間距離為權(quán)值建立最小生成樹，以此進(jìn)行匹配代價(jià)聚合，獲得結(jié)果視差圖。最小生成樹MST；視差圖；Census變換；相對(duì)灰度差1 算法流程校正過(guò)左、右圖像之后，先通過(guò)相對(duì)灰度差匹配和Census變換加權(quán)提取特征，再運(yùn)用最小生成樹進(jìn)行匹配代價(jià)聚合，再濾除壞點(diǎn)視差更新，得到視差圖。主要算法框圖如圖1所示。圖1 立體匹配框圖2 相對(duì)灰度差匹配首先，對(duì)左、右兩幅圖像進(jìn)行橫軸方向的sobel邊緣
電子世界 2017年15期2017-08-30
- 基于V-視差的障礙物檢測(cè)算法的研究
王玉紅基于V-視差的障礙物檢測(cè)算法的研究營(yíng)口理工學(xué)院電氣工程系 李 印 王玉紅本文構(gòu)建了一種改進(jìn)的V-視差檢測(cè)障礙物的方法。通過(guò)在視差圖中采用Hough變換方法，從視差圖中提取直線信息。從而將障礙物從背景中分離出來(lái)。實(shí)驗(yàn)結(jié)果顯示，改進(jìn)的V-視差法能夠檢測(cè)具有面特征的障礙物，此算法不會(huì)受小面積的局部干擾，也不會(huì)誤識(shí)別背景的陰影部分。V-視差；障礙物檢測(cè)；Hough變換算法當(dāng)障礙物所在的背景發(fā)生變化時(shí)，基于雙目立體視覺的V-視差的障礙物檢測(cè)法仍可將障礙物較好
電子世界 2017年11期2017-06-29
- 基于ELAS立體匹配算法的研究與改進(jìn)
上，引入一種基于視差平面的局部立體匹配算法ELAS(算法，將該算法與先進(jìn)的立體匹配算法對(duì)比發(fā)現(xiàn)，其克服了現(xiàn)有算法需要給定最大視差值范圍才能獲得較好視差圖的缺點(diǎn)，綜合處理時(shí)間和處理效果，表現(xiàn)最好。介紹ELAS算法原理,并分析其存在的問(wèn)題，針對(duì)ELAS算法處理效果不佳的問(wèn)題，根據(jù)視差連續(xù)原理，研究改進(jìn)的ELAS算法，并使用引導(dǎo)濾波器處理視差圖。實(shí)驗(yàn)證明，改進(jìn)的ELAS算法顯著提高了原算法的效果，而處理時(shí)間增加不多，在不考慮實(shí)時(shí)性的情況下，結(jié)合上述濾波器后，處理
湖北工業(yè)大學(xué)學(xué)報(bào) 2017年2期2017-06-23
- LASIK術(shù)前后近視屈光參差患者立體視的臨床研究
覺檢查圖》檢測(cè)零視差、交叉視差及非交叉視差，使用同視機(jī)測(cè)定遠(yuǎn)立體視。結(jié)果 術(shù)后69例屈光狀態(tài)為±1.0 D，裸眼視力≥0.8，雙眼屈光參差≤-0.75 D。術(shù)后1個(gè)月有62例(89.86%)零視差達(dá)正常，與術(shù)前比較差異有統(tǒng)計(jì)學(xué)意義(P屈光參差；立體視；零視差；交叉視差；非交叉視差對(duì)以往臨床近視患者調(diào)查發(fā)現(xiàn)，雙眼屈光參差的出現(xiàn)較為普遍。近視性屈光參差患者由于雙眼物像大小及清晰度不等而引起融合困難，影響屈光參差患者雙眼立體視功能的建立。準(zhǔn)分子激光原位角膜磨鑲術(shù)
寧夏醫(yī)學(xué)雜志 2017年3期2017-05-18
- 視覺顯著性的自適應(yīng)權(quán)重立體匹配算法
人眼特性，獲得的視差圖與人眼真實(shí)感受之間存在一定差異的問(wèn)題，提出了一種符合人眼視覺特性的自適應(yīng)權(quán)重匹配算法.該算法首先引入視覺顯著性特征，然后對(duì)像素權(quán)值分配進(jìn)行改進(jìn)并提出新的匹配代價(jià)度量準(zhǔn)則，最后采取左右視差圖融合的方法獲得最終視差圖.相關(guān)圖像實(shí)驗(yàn)表明，改進(jìn)算法很好地解決了遮擋問(wèn)題，可精確描述邊緣和細(xì)節(jié)視差；相對(duì)于原算法有較大程度的性能提升.立體匹配；自適應(yīng)權(quán)重；顯著性檢測(cè)；相似性度量；視差圖融合雙目立體視覺技術(shù)[1]突破了計(jì)算機(jī)“單眼看世界”的局限性，該
中國(guó)計(jì)量大學(xué)學(xué)報(bào) 2016年4期2017-01-12
- 明末清初太陽(yáng)視差在中國(guó)的傳播
)?明末清初太陽(yáng)視差在中國(guó)的傳播張祺,宋芝業(yè)(內(nèi)蒙古師范大學(xué) 科學(xué)技術(shù)史研究院,內(nèi)蒙古 呼和浩特010022)明末清初之際，太陽(yáng)視差傳入中國(guó),并被積極引入官方歷法。從《崇禎歷書》到《歷象考成后編》均對(duì)其進(jìn)行了不同程度的整理與修正,理論層面上已經(jīng)與西方相差不遠(yuǎn),但由于中國(guó)天文學(xué)以實(shí)用為中心的價(jià)值取向,僅將其作為歷法計(jì)算的重要參數(shù),未能產(chǎn)生類似于西方的影響。通過(guò)對(duì)比幾部官方歷法中太陽(yáng)視差的相關(guān)記述,研究清代歷算家對(duì)該項(xiàng)知識(shí)的3次主要修改,并在此基礎(chǔ)上分析清代歷
- 基于分割樹的視差圖修復(fù)算法研究
5）基于分割樹的視差圖修復(fù)算法研究鄭豫楠（四川大學(xué)計(jì)算機(jī)學(xué)院，成都610065）0 引言作為一項(xiàng)重要的研究領(lǐng)域，立體匹配在近十年有了明顯的發(fā)展。許多新的算法被提出并且效果顯著。Scharstein和Szeliski[1]提出了立體匹配算法的框架，并且將立體匹配算法分成了兩種類型：局部算法和全局算法。局部算法(如經(jīng)典的自適應(yīng)權(quán)重算法[2]）利用局部區(qū)域像素的顏色信息和梯度信息進(jìn)行特征匹配，具有運(yùn)算速度快、易于實(shí)現(xiàn)的優(yōu)點(diǎn)，但缺點(diǎn)是在無(wú)紋理區(qū)域算法容易失效。全局
現(xiàn)代計(jì)算機(jī) 2016年3期2016-09-23
- 基于單應(yīng)性矩陣的圖像拼接方法的對(duì)比分析
應(yīng)性矩陣無(wú)法處理視差，僅使用單應(yīng)性矩陣來(lái)拼接得到的結(jié)果將出現(xiàn)鬼影或錯(cuò)位?！娟P(guān)鍵詞】圖像拼接；單應(yīng)性矩陣；視差；鬼影；錯(cuò)位【Abstract】Image stitching is a combination of a series of images into a wide view image. The paper briefly describes the general process of image stitching， mainly introd
科技視界 2016年6期2016-07-12
- 立體電視不同視差平面上的立體視銳度研究
6)立體電視不同視差平面上的立體視銳度研究鄭冠雯，鄧向冬(國(guó)家新聞出版廣電總局廣播電視規(guī)劃院，北京 100866)摘要:通過(guò)生理感知試驗(yàn)，研究了雙路立體電視不同視差平面上的立體視銳度。根據(jù)試驗(yàn)結(jié)果，人眼在0°視差平面上有最佳的立體視銳度，且隨著畫面中物體視差逐漸增大，人眼在觀看該出/入屏物體時(shí)的立體視銳度將逐漸下降。此外，相比入屏物體而言，人眼在觀看具有相同大小視差的出屏物體時(shí)具有更佳的立體視銳度。關(guān)鍵詞:立體電視；視差；立體視銳度隨著立體電視的發(fā)展和普及
電視技術(shù) 2016年6期2016-07-06
- 基于邊緣和像素類型標(biāo)記的立體匹配算法
，利用邊緣信息及視差在邊緣和非邊緣區(qū)域的分布特征，指導(dǎo)有效初始視差在掃描線方向的傳遞。并且根據(jù)標(biāo)記值對(duì)部分不可靠的像素點(diǎn)進(jìn)行反向賦值和邊緣內(nèi)中值濾波處理，達(dá)到視差精化目的。實(shí)驗(yàn)證明這種方法對(duì)于整體視差范圍不太大的遠(yuǎn)距離圖像，能夠獲得較為精確的稠密視差圖。關(guān)鍵詞：邊緣；像素類型標(biāo)記；視差；立體匹配中圖分類號(hào)：TP751文獻(xiàn)標(biāo)識(shí)碼：A收稿日期：2015-02-15基金項(xiàng)目：“十二五”國(guó)家科技支撐計(jì)劃重大項(xiàng)目“演出呈現(xiàn)關(guān)鍵技術(shù)研發(fā)與應(yīng)用示范(項(xiàng)目編號(hào)：2012B
- 基于Stixel的城市環(huán)境立體視覺場(chǎng)景表達(dá)
境場(chǎng)景內(nèi)容，并在視差圖中分割出物體且獲得良好的位置和尺寸估計(jì)，非常有利于基于視覺的輔助駕駛和導(dǎo)航。然而傳統(tǒng)的Stixel 直接以地面開始的視差值為Stixel的整體視差，容易受錯(cuò)誤視差的影響，也沒有考慮到左右視差棒之間的關(guān)系。本文提出采用動(dòng)態(tài)規(guī)劃技術(shù)，增加了Stixel 視差計(jì)算過(guò)程，獲得了更好構(gòu)建效果。1 Stixel算法設(shè)計(jì)1.1 流程設(shè)計(jì)基于雙目視覺的Stixel 構(gòu)建算法流程圖如圖1所示。圖1 基于雙目視覺的Stixel 構(gòu)建算法流程圖圖1中先將輸
- 從雙視圖到多視圖的協(xié)同優(yōu)化立體視覺匹配算法
法進(jìn)行求導(dǎo)，獲得視差圖.Xu等［7］提出優(yōu)化局部自適應(yīng)算法，求解圖像對(duì)視差.上述算法都是基于局部算法求解視差，但這類算法對(duì)圖像噪聲較敏感，對(duì)重復(fù)紋理區(qū)域、遮擋區(qū)域和視差不連續(xù)區(qū)域等往往匹配效果不理想，錯(cuò)誤匹配率較高.在此基礎(chǔ)上，很多計(jì)算機(jī)視覺研究專家提出基于全局約束算法，對(duì)整個(gè)圖像數(shù)據(jù)信息進(jìn)行計(jì)算，這樣降低對(duì)局部區(qū)域敏感度，解決重復(fù)紋理的影響，同時(shí)，也可以求解視差不連續(xù)區(qū)域，最終達(dá)到全局最優(yōu)解.基于全局優(yōu)化算法的本質(zhì)是把匹配問(wèn)題轉(zhuǎn)化為求解能量函數(shù)，然后，通
- 基于差異的視差估計(jì)方法研究
03)基于差異的視差估計(jì)方法研究高 強(qiáng)，盧云朋，楊紅葉(華北電力大學(xué) 電氣與電子工程學(xué)院，河北 保定 071003)視差估計(jì)在立體圖像編碼、視頻檢索、立體圖像分割等領(lǐng)域有重要的應(yīng)用，是進(jìn)行圖像、視頻分析的基礎(chǔ)。首先，基于模糊隸屬度提出了一種基于差異的視差估計(jì)方法；其次，引入模糊隸屬度，把圖像灰度轉(zhuǎn)換為差異值；然后，分析了多塊匹配的優(yōu)越性；提出了基于多塊匹配的視差估計(jì)方法；最后，在Middlebury網(wǎng)站上的測(cè)試結(jié)果證明了該方法的有效性。視差；隸屬度；立體；
電視技術(shù) 2015年3期2015-10-15
- 儀器及裝置基于雙目視覺的標(biāo)志點(diǎn)定位系統(tǒng)硬件設(shè)計(jì)
： 雙目視覺； 視差； 三維坐標(biāo)； 硬件系統(tǒng)中圖分類號(hào)： TN 29文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2015.02.015Hardware design of marker positioning system based on binocular visionWANG Ligang， MA Guoxin， XIANG Peng（Institute of Industry Technology， Guangzhou
光學(xué)儀器 2015年2期2015-05-20
- 基于廣度優(yōu)先視差優(yōu)化的雙目立體匹配
5）基于廣度優(yōu)先視差優(yōu)化的雙目立體匹配吳志偉（四川大學(xué)計(jì)算機(jī)學(xué)院，成都 610065）雙目立體匹配屬于三維重建的重要環(huán)節(jié)，匹配所獲得的視差圖很大程度上影響著模型的重建質(zhì)量。在原有局部特征的雙目立體匹配算法的基礎(chǔ)上，提出一種基于廣度優(yōu)先搜索的視差優(yōu)化后處理方法；在左右一致性檢測(cè)之后添加視差優(yōu)化過(guò)程，結(jié)合局部特征的雙目立體匹配算法，計(jì)算出的視差準(zhǔn)確率有進(jìn)一步的提升。使用通用計(jì)算進(jìn)行并行優(yōu)化，提高實(shí)時(shí)三維重建的精度。雙目立體匹配；視差優(yōu)化；廣度優(yōu)先搜索0 引言三
現(xiàn)代計(jì)算機(jī) 2015年2期2015-05-15
- 基于互信息的半全局密集立體匹配算法
傳遞、動(dòng)態(tài)規(guī)劃、視差優(yōu)化等策略對(duì)立體像對(duì)進(jìn)行逐像素匹配，確定立體像對(duì)像素間的一一對(duì)應(yīng)關(guān)系。實(shí)驗(yàn)結(jié)果表明，本文算法對(duì)紋理貧乏、有遮擋區(qū)域影像仍可以生成精確稠密的視差圖?；バ畔?；立體匹配；動(dòng)態(tài)規(guī)劃；視差圖1 引 言三維重建在醫(yī)學(xué)、虛擬現(xiàn)實(shí)、地質(zhì)學(xué)等很多方面都有重要的作用。通過(guò)匹配方法生成大量的密集匹配點(diǎn)是三維重建的關(guān)鍵技術(shù)之一。立體匹配是在不同視點(diǎn)的條件下，獲取同一場(chǎng)景的兩幅或多幅圖像，通過(guò)尋找同一空間景物在投影圖像中像素點(diǎn)的一一對(duì)應(yīng)關(guān)系，得到視差圖和深度信息
測(cè)繪科學(xué)與工程 2015年2期2015-04-20
- 基于直方圖對(duì)無(wú)損數(shù)據(jù)隱藏的立體圖像編碼
大部分工作集中在視差估計(jì)方面.視差就是從有一定距離的兩個(gè)點(diǎn)上觀察同一個(gè)目標(biāo)所產(chǎn)生的方向差異，在本方面的研究中，被看做一張圖像中的一個(gè)點(diǎn)與另一張圖像中對(duì)應(yīng)點(diǎn)之間偏移的像素距離.利用視差估計(jì)，可以對(duì)立體圖像進(jìn)行編碼.基于無(wú)損數(shù)據(jù)隱藏的立體圖像編碼基本的方法是用立體圖像中的一張作為參照?qǐng)D（右圖），利用圖像間的相關(guān)性和視差估計(jì)，將非參照?qǐng)D（左圖）有損壓縮后，無(wú)損嵌入到參照?qǐng)D中.由此可以只存儲(chǔ)和傳輸一張圖像，且保持了圖像的可見性，節(jié)省了頻帶，便于管理.由于在壓縮相關(guān)
- 基于區(qū)域分割的動(dòng)態(tài)規(guī)劃立體匹配算法
和區(qū)域內(nèi)部分別作視差融合和視差插值處理，獲得最終的稠密視差圖。實(shí)驗(yàn)結(jié)果表明，該算法能夠取得較為理想的效果，視差圖橫向“條紋”瑕疵和邊界區(qū)域上的誤匹配點(diǎn)明顯減少，層次更加分明，整個(gè)視差圖平滑性較好，匹配效率有了顯著提高。視差圖；動(dòng)態(tài)規(guī)劃；立體匹配；區(qū)域分割立體視覺技術(shù)是人們通過(guò)研究生物捕獲三維空間信息的視覺系統(tǒng)而發(fā)展起來(lái)的一門重要的 3D顯示技術(shù)，即通過(guò)借助多方位地拍攝目標(biāo)圖像，并合成目標(biāo)的深度視差信息，以完成空間目標(biāo)的立體場(chǎng)景信息重建[1]。立體匹配就是從
圖學(xué)學(xué)報(bào) 2015年1期2015-03-15
- 視差對(duì)測(cè)角精度影響探討
的裝調(diào)誤差會(huì)引起視差的存在，使得觀察者眼瞳在儀器出瞳不同位置瞄準(zhǔn)時(shí)會(huì)得到不同的結(jié)果，給測(cè)量精度帶來(lái)比較大的影響。通過(guò)對(duì)儀器出瞳和眼瞳之間關(guān)系的計(jì)算分析可以發(fā)現(xiàn)，瞄準(zhǔn)誤差不僅與儀器視差量有關(guān)，而且與眼瞳放置位置、瞳孔直徑大小和光學(xué)儀器的視角放大率有關(guān)。通過(guò)實(shí)際測(cè)量對(duì)比驗(yàn)證了視差對(duì)測(cè)量精度的影響分析。結(jié)果表明，隨著眼睛偏離出瞳中心越遠(yuǎn)，瞄準(zhǔn)誤差也就越大。關(guān)鍵詞： 視差； 眼瞳； 測(cè)角； 精度中圖分類號(hào)： TH 74文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.
光學(xué)儀器 2014年6期2015-01-22
- 一種基于分割的立體匹配算法
后具有最小代價(jià)的視差作為最佳視差。Tomvari，Mattoccia等[2]比較的所有局部聚集方法中，Yoon與 Kweon[3]的局部加權(quán)方法在平衡性能和速度兩方面具有突出的效果。全局算法通常不進(jìn)行聚集操作，而是在初步得到視差值后，最小化一個(gè)包含數(shù)據(jù)項(xiàng)和平滑項(xiàng)的全局代價(jià)函數(shù)，不同算法間的主要區(qū)別在于使用的尋找最小值過(guò)程。其中基于動(dòng)態(tài)規(guī)劃的算法，圖割的算法，基于置信度傳播的方法等均取得很好的效果?；诜指畹牧Ⅲw匹配算法，主要是基于場(chǎng)景分段平滑性假設(shè)，根據(jù)色
成都信息工程大學(xué)學(xué)報(bào) 2015年2期2015-01-05
- 基于雙目視覺的障礙物檢測(cè)算法
的特點(diǎn)，通過(guò)計(jì)算視差圖獲取距離等大量信息。近年來(lái)，通過(guò)計(jì)算U－視差、V－視差的方法在雙目視覺的障礙物檢測(cè)中獲得了廣泛的關(guān)注。文獻(xiàn)［5－7］采用基于雙目視覺的U－V視差障礙物檢測(cè)，先在V－視差圖中檢測(cè)出道路相關(guān)線，再結(jié)合U－視差圖對(duì)障礙物進(jìn)行相應(yīng)的檢測(cè)，取得了較好的檢測(cè)效果。但在汽車前方障礙物占圖像寬度比例相對(duì)較大的情況下，該類方法出現(xiàn)較大的誤檢測(cè)，同時(shí)對(duì)雙目攝像機(jī)的傾斜角較為敏感［8］，限制了該類方法的應(yīng)用場(chǎng)合。為了在各種道路場(chǎng)景中更有效和實(shí)時(shí)地檢測(cè)障礙物
電視技術(shù) 2014年5期2014-11-20
- 基于前景檢測(cè)的視差優(yōu)化算法
覺三維測(cè)量是基于視差原理，而視差是根據(jù)兩特征匹配點(diǎn)的相對(duì)位置獲得的。根據(jù)采用優(yōu)化方法的不同，立體匹配算法可以分為局部匹配算法和全局匹配算法。目前，國(guó)內(nèi)的研究現(xiàn)狀是在基于特征的選擇上，以及在匹配的相似度的度量上進(jìn)行研究，同時(shí)針對(duì)遮擋的問(wèn)題、弱紋理問(wèn)題也進(jìn)行了討論[1]。在國(guó)際上主要是基于顏色分割，進(jìn)行全局立體匹配，在局部立體匹配方面，在聚合上采用了自適應(yīng)的權(quán)值進(jìn)行聚合匹配能量，同時(shí)也采用多窗體、自適應(yīng)的支持窗體匹配算法。但是到目前為止，所有的算法都不能完整的
大眾科技 2014年3期2014-08-29
- 立體視差調(diào)整的快速估計(jì)方法
00072)立體視差調(diào)整的快速估計(jì)方法岳 斌，侯春萍(天津大學(xué)電子信息工程學(xué)院，天津 300072)立體圖像的視差調(diào)整多用于會(huì)聚調(diào)節(jié)和視差校正．為準(zhǔn)確地計(jì)算出立體圖像視差調(diào)整量的取值范圍，建立了立體視差調(diào)整的快速估計(jì)方法．算法首先將人類立體視覺的Panum融合區(qū)應(yīng)用于立體顯示空間，給出計(jì)算立體顯示屏幕Panum融合區(qū)的方法，然后推導(dǎo)出立體顯示屏幕Panum融合區(qū)對(duì)視差調(diào)整量的限定，最后通過(guò)對(duì)立體圖像深度線索的稀疏匹配快速估計(jì)出Panum融合區(qū)限定下視差調(diào)整
天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版) 2013年7期2013-06-01
- 基于光柵的一維集成成像立體顯示
具有連續(xù)視點(diǎn)、全視差、無(wú)視疲勞以及無(wú)需輔助設(shè)備等優(yōu)點(diǎn)從而受到各國(guó)的廣泛關(guān)注［2］。但是，集成成像本身也存在一些缺點(diǎn)與不足，例如:在記錄和再現(xiàn)過(guò)程中存在著空間深度反轉(zhuǎn)、難以實(shí)現(xiàn)高分辨率、再現(xiàn)的三維立體場(chǎng)景視角窄等［3－5］。為了克服這些問(wèn)題，研究人員提出了許多解決方法。通過(guò)采用一維光柵取代二維集成成像中的微透鏡陣列和針孔陣列，一維集成成像通過(guò)減少垂直或水平視差增加立體圖像的垂直或水平分辨率［6－9］。筆者詳細(xì)描述了采用一維光柵的一維集成成像工作原理和參數(shù)計(jì)算
吉林大學(xué)學(xué)報(bào)（工學(xué)版） 2013年1期2013-04-03
- 視差可控的多視點(diǎn)立體圖像校正算法
礎(chǔ)上，提出了一種視差可控的多視點(diǎn)立體圖像校正算法，該算法具有實(shí)現(xiàn)簡(jiǎn)單快速的特點(diǎn)，非常適合實(shí)時(shí)系統(tǒng)，并且該算法可對(duì)目標(biāo)物體實(shí)現(xiàn)正視差、負(fù)視差和零視差的調(diào)節(jié)。實(shí)驗(yàn)表明，該算法可很好的支持8視點(diǎn)立體顯示系統(tǒng)中的圖像實(shí)時(shí)校正，并且對(duì)目標(biāo)物體可以根據(jù)需要進(jìn)行立體感調(diào)節(jié)。1 立體圖像校正1.1 立體攝像機(jī)模型如圖1所示建立雙目立體顯示的模型，。立體攝像機(jī)的左、右攝像機(jī)分別為Cl、Cr。P點(diǎn)為目標(biāo)物體上的任意點(diǎn)，左右成像平面為 Left和Right。圖1 雙目攝像機(jī)模型
吉林大學(xué)學(xué)報(bào)（工學(xué)版） 2013年1期2013-04-03
- 基于視差區(qū)域分割的動(dòng)態(tài)規(guī)劃立體匹配算法改進(jìn)
值E(d)最小的視差值。然而使當(dāng)前點(diǎn)全局能量函數(shù)最小的視差值，并不一定就是使整條掃描線全局能量函數(shù)總和最小的視差值，因此這樣做會(huì)導(dǎo)致一些有用信息丟失，甚至有可能會(huì)出現(xiàn)連續(xù)誤匹配的現(xiàn)象。本文針對(duì)傳統(tǒng)DP算法存在的問(wèn)題，對(duì)立體匹配初始代價(jià)求取、路徑尋徑及回溯加以改進(jìn)。在初始代價(jià)求取階段，提出了一種改進(jìn)的變窗口能量聚集法，該方法通過(guò)獲取場(chǎng)景的視差變化區(qū)域與視差連續(xù)區(qū)域的位置信息，從而使像素點(diǎn)在能量聚合時(shí)能夠根據(jù)視差變化自適應(yīng)地調(diào)整聚合窗口的大小，使能量聚合方式更
圖學(xué)學(xué)報(bào) 2013年2期2013-03-21
- 基于小基高比的快速立體匹配方法
圖像來(lái)獲得對(duì)應(yīng)點(diǎn)視差，然后根據(jù)三角測(cè)量原理計(jì)算出景物的深度信息。立體匹配方法可分為大基高比立體匹配方法和小基高比立體匹配方法。根據(jù)文獻(xiàn)[1]的分類標(biāo)準(zhǔn)，大基高比立體匹配方法又可分為局部立體匹配方法[2-7]和全局立體匹配方法[8-11]。在局部立體匹配方法中，由于自適應(yīng)權(quán)重[2-4]及其快速實(shí)現(xiàn)[5-7]的提出使局部算法具有了較高的匹配準(zhǔn)確率和匹配效率。在全局立體匹配方法中，由于動(dòng)態(tài)規(guī)劃(Dynamic Programming)[8]、置信傳播(Belie
電子與信息學(xué)報(bào) 2012年3期2012-09-19
- 靜態(tài)立體圖視差圖形與立體視銳度相關(guān)關(guān)系探討
顏色、視野、以及視差圖形等［1～3］。我們通過(guò)改變受試者隨機(jī)點(diǎn)立體視檢查中視差圖形的面積、周長(zhǎng)，探討不同視差圖形與立體視銳度的關(guān)系，為立體視銳度檢測(cè)及立體視檢查圖片制作提供依據(jù)。1 對(duì)象與方法1.1 受試對(duì)象 選擇具有正常立體視(隨機(jī)點(diǎn)立體視檢測(cè)立體視銳度 ＜60秒角)［4］者32例(志愿者)，其中男16例，女16例;年齡9～12歲。無(wú)色覺異常及視野缺陷，矯正后的遠(yuǎn)、近視力(托品酰胺充分散瞳)均＞1.0，屈光參差≤2.00度，無(wú)斜視或隱斜＜5個(gè)三棱鏡度，無(wú)
山東醫(yī)藥 2011年26期2011-04-13