关于当前计算机视觉发展值得注意的几个问题

计算机视觉经历近10年的研究设法后，现在专家们研究热情和积极性似乎不如以前那么高，成功地信心似乎也没有以前那么足，甚至某些科学家对过去的研究工作还进行苛刻的指责、无情的批评，针对以上情况，本文首先肯定了计算机视觉研究已取得的显著成就，指出了研究工作中存在的不足和某些值得重视的研究倾向，建议研究人员投入更多的精力实验及应用方面的研究，确信计算机视觉能够成为一门更加成熟的科学学科。     

基于IEKF视觉运动分析递归算法的研究

本文提出基于图象序列上特征点的图象平面轨迹进行运动参数估计，以提取运动物体的姿态、速度以及外部环境内所感兴趣点的位置参数，由于图象特征点轨迹与待估计的参数有关，因此能够组合长序列图象内的信息并利用ＩＥＫＦ递归地估计未知的运动及结构参数。     

基于光流计算的三维并行运动检测的研究

本文基于局部均匀操作及相关运动检测器提出一种能够有效地检测光流力象运动及运动间断的强而可靠的算法，从而为进一步研究动态运动视觉开辟了新的途径。     

关于组合多针图复原物体3D表面形状的研究

光度立体系统很易确定物体表面任意点方向及相对深度，但不能确定绝对深度，为确定绝对深度，本文提出的算法首先利用双目光度立体系统的每个摄象机分别获得一幅针图，并求出左、右两针图内对应区域的视差。然后，经适当组合及精确的匹配，重建３－Ｄ物体表面深度。这一方法对进一步开发３－Ｄ表面深度重建及复原景物结构探索性研究有着十分重要的意义。     

基于生长神经网络的进化机器人行为研究

提出了一个基于生长神经网络的进化机器人行为算法,新算法的主要特点是:1、通过自然选择对神经网络进行进化,并能自主实现机器人避碰、移动、复制和攻击等行为;2、开发了一个自主机器人模拟环境,对所提出的算法进行运行测试.模拟结果证明,生长神经网络系统是研究渐增进化的有效工具,新算法能够有效地实现机器人创新行为.     

关于融合多针图确定表面绝对深度的误差分析与研究

本文利用ＢＰＳ系统首先产生景物的一对表面方向图，然后：１．分割表面方向图为与景物内物体对应的孤立区域；２．匹配两针图内对应区域间的视差；３．确定物体的３Ｄ表面绝对深度，最后，着重指出怎样识别以下几种主要误差：（１）表面方向测量误差；（２）重建深度误差；（３）极线与扫描线非平行误差等，并且讨论对这些误差进行定量分析与校正的方法。     

基于Kalman滤波器运动视觉景物结构复原算法

本文首先建立了运动视觉景物结构变化的动态系统模型．然后借助于此模型增生可最优估计图象点动态深度的Kalman滤渡器。并对每个象素点利用一个滤波器恢复环境的稠密深度图即景物结构．最后．利用文中提出的方法与技术对实图象及综合图象进行测验．其效果良好．     

一种利用MAP估计的双目运动体视算法

本文提出一种融合运动和体视信息的运动与结构参数的鲁棒估计算法，算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，并计算关联的置信度；然后利用位移估计，从两图像序列之一计算相对深度，导出能用于匹配两体视图像序列的视差先验概率分布，使体视对的两帧图像匹配，确定３Ｄ景物深度，算法可方便地估计每个像素处的视差，不需对表面作平滑假设。     

基于特征的立体视觉并行匹配算法的研究

本文提出一适合立体视觉的并行匹配算法。算法以特征匹配为基础。所谓特征意指用各种大小的拉普拉斯——高斯算子检测的零交点。为获得视差的候选区间,算法在整个图象上计算视差直方图,以迭代的方法确定全部视差,并利用表面的局部估计——二次表面片和边界对深度点进行插补,从而得到完整的深度图。