一种基于自适应权值的立体匹配方法

提出了一种新的自适应权值的立体匹配方法,在匹配中无需逐像素确定其支持窗口的尺寸。首先根据像素间的相似性和邻近性对匹配窗口内每一像素的支持权值进行调整,使与待匹配点位于同一区域的像素权值增大,然后在匹配的代价函数中引入视差平滑性约束项,从而获得最终视差。在Middlebury提供的标准图像上进行了测试。实验结果表明,该方法可以获得良好的视差图。     

基于图像分割的稠密立体匹配算法

提出一种基于图像分割的稠密立体匹配算法,该算法将灰度-梯度算法与零均值归一化互相关(ZNCC)算法相结合生成匹配代价,利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,基于视差图和超像素更新了匹配代价。在视差后处理阶段,基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试,测试结果表明,平均误匹配率为4.99%。     

一种基于多模式单演特征检测与匹配的三维视觉测量方法

三维视觉测量技术从一幅或多幅二维图像或者视频剪辑自动获取现实世界中目标和场景的几何模型、运动和形变等信息,从而识别和理解三维现实环境.针对传统三维视觉测量易受亮度变化、尺度变化、旋转变化及噪声影响的缺点,提出了一种基于多尺度单演特征检测与匹配的三维视觉测量新方法.该方法采用泊松(Poisson)滤波算子和里斯(Ries...     

一种基于分割的可变权值和视差估计的立体匹配算法

立体匹配一直是计算机视觉研究领域中的热点和难点.是立体视觉中的关键技术之一.为了消除幕于局部图像的双目立体匹配的歧义性,提出一种基于图像分割及可变权值方窠的初始匹配和贪婪的后处理视差估计策略相结合的市体匹配算法.分割彩色立体图像对,利用分割自适应地分配权值来消除匹配特征相似的歧义性.计算匹配代价得到初始视差.接着,为了更好地消除弱纹理区域、重复纹理区域和宽遮挡区域等复杂歧义性,视差后处理中采用贪婪估计方案,包括基于分割的视差校准、窄遮挡处理及多方向自适应加权最小二乘拟合填充.实验结果表明,基于分割的本算法结构简单,能有效地提高处理局外点的稳健性,并生成高精度的稠密视差.     

三目自适应权值立体匹配和视差校准算法

立体匹配是计算机视觉研究中的关键问题.相比于双目视觉,三目视觉能够获得更多的信息和额外的极线约束消除立体匹配的歧义性.为了提高三目立体匹配的精度,提出一种基于自适应权值和视差校准的三日立体匹配方法.将双目视觉中有效的自适应权值窗选择算法应用到三目视觉中,进行匹配窗的选择;提出一种新的目标图像选择算法,能够合理利用平行基线三目立体视觉系统中不同目标图像提供的信息,有效地消除遮挡,提高匹配的精度;提出一种适用于三目视觉的视差校准算法,利用三目图像像素间的色彩相似性和距离约束将初始匹配的视差结果进行校准,得到最终的视差图.实验结果表明,本文算法结构简单,能够生成浓密、高精度的视差图.     

一种快速双目视觉立体匹配算法

针对目前双目视觉立体匹配算法计算量过大、实时性不强的问题,提出了一种平行配置系统的快速立体匹配算法.利用两幅视图的差异将视图分为特征点和非特征点,然后对特征点采用WTA(winner-take-all)方法进行匹配,而对非特征点只进行简单的验证,最后得出致密的视差图.该算法利用视差的分段连续性,大大减少了运算量.实验结果表明,该算法提取的特征点集中于视差不连续区,与目前其它基于区域的匹配算法相比,该算法得到的误匹配像素百分比与其它算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性立体匹配算法.     

一种基于视觉的道路宽度测量方法

自动驾驶技术的研究中,为了快速检测到道路并测量出道路的宽度,提出了一种基于视觉的道路宽度测量方法。首先提出了一种改进的Deeplabv3+语义分割算法,在原算法流程中引入了基于空间域的注意机制,提高了道路边缘分割的精度。其次,提出了一种结合直方图均衡化和加权最小二乘滤波的半全局立体匹配算法,显著提高了图像中物体边缘细节的匹配精度。基于所提出的方法搭建了道路宽度测量系统,该系统搭载在自动驾驶车辆上完成了对全域图像中道路的分割和宽度测量。实验结果表明,所提出算法的道路宽度测量误差不超过真实值的5.0%。     

基于Census变换和引导滤波的立体匹配算法

在双目立体视觉系统中,立体匹配是关键步骤之一,其精度对后续的研究有着重大影响。Census算法由于具有简单明晰、运行效果好、实时性强等优点,被广泛采用。但Census立体匹配算法存在变换窗口中心点易受外界条件干扰、深度不连续区域匹配精度低等缺点,由此提出了一种新型的基于Census变换及引导滤波器的立体匹配算法。在Census变换阶段通过计算变换窗口周围的像素的平均值,降低了外界干扰的影响,同时在代价聚合阶段引入具有包边特性且计算量不依赖于滤波核大小的引导滤波器作为自适应权重。实验结果表明:所提算法在Middlebury测试平台上平均误匹配误差为6.03%,相较于目前Census立体匹配算法16.2%的平均误匹配率,匹配效果明显提高,且算法效率较高,具有较好的辐射不变性。     

基于多视差函数拟合的集成成像深度提取方法EI北大核心CSCD

集成成像系统采用微透镜阵列记录空间场景信息,只有一次成像过程,在获取场景深度时,不存在相机的参数设置和校准问题,简化了深度测量过程,具有很大优势。但是由于该系统采集的元素图像分辨率低,容易受记录噪声影响,元素图像之间匹配困难。基于集成成像系统能够计算重构出多幅视图的优势,充分利用多幅视图提供的冗余信息来改善立体匹配情况。采用颜色相似性的自适应窗口在参考视图与其他视图之间进行立体匹配,得到参考视图与其他视图之间的视差信息,利用视差与视图对之间的抽样距离满足正比函数关系的性质,对多个视差值进行函数拟合,减少了由于记录噪声等因素产生的误匹配,物体深度层次的分辨更加准确。     

Robust view selection in multiview stereo

A robust view selection algorithm for multiview stereo matching is presented. Different from the existent view selection algorithms which pick only the believable views for matching, this method assigns an adaptive weight to each target view based on the dissimilarity between it and the reference view. So it can utilize the information of all views more sufficiently. The algorithm has been evaluated with different real images to demonstrate its robustness.