视差
- 基于改进SGM算法的双目立体匹配*
原理计算投影点的视差,从而得到视差图。根据视差图可以恢复其深度信息,重构物体的三维空间几何。因此,立体匹配获得视差图的精度直接决定三维重建得到立体场景的精确度,所以,提高立体匹配的精度成为了当前研究的热点。为了提高立体匹配的精度,科研人员进行了一系列的研究。根据优化理论方法的不同可分为全局立体匹配、局部立体匹配和半全局立体匹配。全局立体匹配算法使用全局优化算法进行视差估计,主要有DP[10]、GC[11]、BP[12]算法。该类算法是在能量函数框架下,把立
组合机床与自动化加工技术 2023年12期2024-01-03
- 匹配代价融合与分层迭代优化的半全局立体匹配
角中同名点之间的视差.结合双目测量的基础理论,可以进一步完成基于双目视觉的测量任务,例如测距、定位和三维重建等.按照匹配算法的输出结果,立体匹配可以分为稠密匹配和稀疏匹配两种.稠密匹配算法为图像中所有像素点完成匹配.而稀疏匹配算法则是只匹配提取出的部分特征点.相对来说,稠密匹配算法获得的视差信息更为丰富.稠密立体匹配算法可以分为基于深度学习、局部、全局、半全局4种类别.随着深度学习的发展,基于深度学习的立体匹配算法近年来逐渐增多,能够取得较高的视差图精度.
小型微型计算机系统 2023年9期2023-09-06
- 基于全卷积神经网络的端到端立体密集匹配研究
，在弱纹理区域、视差不连续区域、遮挡区域存在的匹配困难和误匹配问题，设计了一个基于全卷积神经网络的端到端立体匹配网络，将传统密集立体匹配问题转化成一个视差学习和优化的任务问题。论文主要研究内容和研究结论如下。(1) 基于扩张卷积的多尺度特征提取。为降低弱纹理或重复纹理区域匹配二义性问题所带来的影响，引入扩张卷积进入特征提取模块。与传统的卷积相比，扩张卷积能够在不增加学习参数的前提下，扩大卷积核的感受视野。采用多层并行的扩张卷积，设计基于扩张卷积的空间金字塔
测绘学报 2022年5期2023-01-31
- 基于引导信息的双目立体匹配算法
算参考图像的稠密视差图，是获取深度信息的重要途径之一。Zbontar和LeCun首次将CNN应用到立体匹配中，利用卷积神经网络(MC-CNN)[1]计算匹配代价。FlowNetC[2]、DispNetC[3]等算法将立体匹配通过端到端的有监督深度学习方式实现，采用编码-解码的结构回归视差。文献[4-5]利用从边缘检测任务中获得的边缘信息补充视差图中丢失的细节信息。SegStere[6]将语义特征融入特征图中，并设计语义损失项来改善视差学习效果。近年来,注意
计算机技术与发展 2022年12期2022-12-11
- 置信度辅助特征增强的视差估计网络
116024双目视差估计是计算机视觉领域中的一个重要方向，主要应用在自动驾驶、机器人导航、增强现实等任务中[1]。视差估计旨在对双目相机校正后的左右视图进行像素对匹配，估计的视差可以恢复场景的深度信息。该任务可以分为匹配代价计算、匹配代价聚合、视差计算、视差优化四个步骤[2]。在匹配像素点中，由于遮挡、低光照、弱纹理等干扰因素使估计高精度视差更具挑战性。视差估计的本质是匹配问题，其目的是为左目视图每一个像素点在右目视图中寻找匹配差异最小的像素点。这里的匹配
计算机工程与应用 2022年15期2022-08-09
- 基于双目立体视觉的视差测量
，得到被测物体的视差图及其物体的3D坐标。实验表明：这个方案具有可行性，为下一步的实验研究提供了很大的帮助和基础。关键词：双目立体视觉;相机标定;立体匹配;视差中图分类号：TP18 文献标识码：A文章编号：1009-3044（2022）07-0081-02开放科学（资源服务）标识码（OSID）：
电脑知识与技术 2022年7期2022-05-09
- 基于视差优化的立体匹配网络
相应像素点来计算视差，并根据相似三角形原理计算深度距离。传统的立体匹配算法将匹配过程划分为匹配代价计算、代价聚合、视差计算和视差优化4 个部分［1］，并基于代价函数的约束范围及搜索策略分为局部、全局和半全局立体匹配算法［2］。但传统算法采用手工设计的特征描述符，缺乏全局上下文信息，且受经验参数的影响，算法鲁棒性较差，不适合在复杂环境下应用［3］。近年来，随着深度学习在计算机视觉领域中的发展，研究人员开始基于深度学习方法解决立体匹配问题。LECUN 等［4］
计算机工程 2022年3期2022-03-12
- 基于视差范围估计和改进代价的半全局匹配
中的同名点,计算视差,从而获取物体的深度信息。近年来,随着立体匹配技术的发展,立体匹配已被广泛应用在三维重建、目标检测、自动驾驶、虚拟现实等领域。Scharstein等人在总结之前的立体匹配方法后提出了立体匹配的常规基本框架。在该框架中,立体匹配被划分为匹配代价计算、代价聚合、视差计算和视差优化4个步骤。根据计算策略的不同,传统立体匹配方法又可被分为局部、全局和半全局3类算法。其中,半全局匹配算法(semi-global matching, SGM)综合考
系统工程与电子技术 2022年2期2022-02-23
- 基于归一化互相关的半透明遮挡视差估计
置只会计算出一个视差，即满足唯一性约束条件。这在通常情况下都是合理的，且绝大部分数据集中也不会出现半透明物体，如KITTI数据集[7]和Middlebury数据集[8]。但事实上，在现实生活中，还是有很多的半透明物体，如带颜色的玻璃杯、彩色的透明塑料碗、透光的薄窗帘等。人或者相机在观察这些物体的时候，能同时观察到被这些物体遮挡的物体。这就导致了在图片中的同一个位置可能会对应多个现实物体。这种情况下，绝大部分的计算模型都不适用了，包括一些有很高精度、在数据集
计算机应用与软件 2022年1期2022-01-28
- 基于自适应窗的立体相机视差图优化方法研究
立体匹配得到精确视差图成为了三维重建的主要研究内容.近年来，三维重建研究领域产生了不少新方法[1]，如基于深度相机的三维重建方法[2]，基于深度学习的三维重建方法[3]等.在视觉测量、工业生产、人工智能、大规模SLAM等各个领域有着广泛的应用.基于双目视觉的三维重建大致可按照如图1的工作步骤进行.一般来说，基于双目视觉的三维重建的效果仍要受到立体匹配方法[4]所得到视差图以及视觉传感器的影响，而有关视觉传感器的工业制造技术和相机标定方法[5]相对成熟，因此
小型微型计算机系统 2022年1期2022-01-21
- 基于稀疏卷积的前景实时双目深度估计算法
，计算每对像素的视差值生成视差图。比起传统的立体匹配算法，深度学习视差估计算法可以有效优化图像深度估计中的不适定问题，能够利用先验知识学习估算出遮挡和弱纹理区域的深度信息。基于深度学习的双目立体匹配网络基本构成［1］包括：双目图像对、空间特征提取模块、视差代价聚合卷（cost-volume）和视差回归模块。2015年，Mayer等［2］首次提出端对端的双目视差估计网络DispNet，通过下采样方式提取空间特征后构建视差代价聚合卷cost-volume，并对
计算机应用 2021年12期2022-01-05
- 立体匹配算法改进与优化
处理后，计算初始视差，然后用图割算法得到全局能量最小的视差作为最优[2]。双目立体视觉系统的应用过程中，双目相机所在场景、位置不同，采集的图像会受到很多因素干扰，例如光照、遮挡等，容易造成误匹配。在实际应用中，只能够根据不同场景和约束条件来选择合适的匹配算法。立体匹配也成为了当前的研究难点。1 立体匹配算法基本原理立体匹配算法原理[3]即以左目图像为参考，任取一像素点作待匹配像素点为中心取m×n的矩形窗口，再根据极线约束原理，在右目图像上肯定存在一个像素点
电子制作 2021年16期2021-09-17
- 基于自适应权重的立体匹配优化算法
的二维场景，利用视差匹配获取三维场景的深度信息，被广泛地应用于移动机器人技术、3D 建模技术、航空航天［1］等领域，是双目立体视觉的重点和难点，立体匹配的精确度决定了立体视觉的最终效果。因此，研究更加高效、精确的立体匹配算法具有重要意义。目前，立体匹配主要分为全局匹配和局部匹配两大类［2-3］，文献［4］根据双目立体匹配算法的特点进行归纳总结，将立体匹配算法分为匹配代价计算、代价聚合、视差计算和视差优化4 个部分。全局匹配是利用图像的全局约束信息构建全局能
计算机工程 2021年4期2021-04-29
- 结合图像分割的半全局立体匹配算法
配的精度直接影响视差图及深度图的质量，并在三维重建工作中占有举足轻重的地位[4-5]。Scharstein等[6]提出立体匹配算法可以由匹配代价计算、匹配代价聚合、视差选择和视差优化组成，并在此基础上将立体匹配算法分为三类[7-10]：局部立体匹配算法、全局立体匹配算法以及半全局立体匹配算法。局部立体匹配算法，即选择图像中一定区域内的像素作为计算该像素点匹配代价的约束区域，然后通常采用胜者为王(winnner take all，WTA)的视差选择策略确定该
遥感信息 2020年6期2021-01-20
- 视差边缘优化的SGM 密集深度估计算法∗
约束，以此来优化视差图［1～2］，此类方法视差精度高，但是计算复杂，无法满足实时性要求。2005 年，Hirschmuller［3～4］提出了一种介于局部算法和全局算法之间的半全局密集匹配算法，该方法在满足实时性要求的同时，实现了精确的密集深度估计，得到了众多研究人员的关注与改进。鉴于在二维空间进行全局能量最小化被证明是NP 困难（Nondeterministic Polynominal-hard）问题，SGM算法将二维能量最小化转换为多个一维路径的能量最
计算机与数字工程 2020年11期2020-12-23
- 夏泽洋团队提出一种基于分割的立体匹配视差优化方法
7(立体匹配中的视差优化方法)”。立体匹配是三维重建的核心步骤，其输入是一对经过矫正的彩色图像，通过匹配同一三维物体在左右两幅图像上的投影点得到视差。目前，已有的立体匹配方法在无遮挡区域时，实现了较高的匹配精度，但在有遮挡区域时，匹配误差较大。同时，已有方法的计算效率普遍较低。因此，该研究提出了一种基于分割的立体匹配视差优化算法，以解决包含遮挡区域图像的快速立体匹配问题。该研究所提出的基于分割的立体匹配视差优化方法直接优化由彩色参考图像得到的初始匹配最小代
集成技术 2020年6期2020-11-30
- 基于无人机低空航测的地面目标影像匹配方法研究
x)的极大值点。视差平面拟合是在以上操作的基础上进行的，上述步骤主要是采用初始视差图中的像素[5]，针对一个平面展开计算，其中视差平面方程能够表示为以下的形式：式中：d—像素的视差；x、y—像素坐标；a、b、c—不同的平面参数。视差平面拟合主要是由影像分割块作为最小单位进行计算。针对不同的块，块内像素视差都可以利用一个视差平面近似表示。同时，一个视差平面也能够表示成多个块的像素视差。但是初始视差图中存在一定的粗差，这导致单独的块内像素一次计算出的视差平面可
环境技术 2020年5期2020-11-18
- 基于区域插值的视差图平滑算法及三维重建
通过立体匹配获得视差图，根据视差图计算出物体的三维坐标，进而实现三维重建[3,4]。立体匹配是双目立体视觉的关键步骤，易受遮挡、视差间断等因素影响，导致在视差图中存在较多的误匹配区域[5]。改善视差图的方法主要有两种：一种是优化立体匹配算法，能获得较好的视差图[6]。Hoc DK,et al.[7]通过修改SAD(Sum of Absolute Differences)算法，利用感兴趣像素的边缘像素估计视差值的差异，计算深度图信息，具有减少像素的搜索数量、
山东农业大学学报（自然科学版） 2020年5期2020-11-02
- Kobe—one of the greatest basketball players
e.在本文论述的视差贴图技术中，我们还对因物体的自遮挡而产生的自阴影进行了计算，并实现了软阴影的效果，进一步增加了场景的真实感。图14 呈现了视差贴图技术实现的表面自阴影效果。C. Important. D. Continuous.3. What's Adam Silver's attitude towards Kobe's retirement?A. Regretful. B. Shameful.C. Exciting. D. Neutral.Langu
疯狂英语·新悦读 2020年6期2020-06-28
- 基于无人机双目图像的线目标测量的研究
；第二，在线目标视差图优化方面，提出一种基于目标识别的线目标视差图优化算法，该算法依据目标识别获取线目标视差图，然后根据提出的4个步骤进行优化处理，最后得到优化后的线目标视差图。最终设计出一个无人机双目视觉图像采集系统，并依据采集到的双目图像实现对线目标的测量。实际测量结果表明，该改进方法提高了双目图像正确匹配率，对线目标的测量具有较高的精度。1 改进立体匹配算法立体匹配算法的精度直接影响着双目测量的精度。对Scharstein[10]对立体匹配算法进行归
计算机测量与控制 2020年1期2020-02-27
- 融合多特征表示和超像素优化的双目立体匹配
计算、代价聚合、视差计算和视差精化[2]。全局立体匹配通过随机生成视差粗略图，最小化全局能量方程，得到最优视差图。采用的匹配技术主要有置信度传播算法[3]、图割算法[4]、动态规划算法[5]、二次规划算法[6]等。全局立体匹配方法在应用中匹配精度高，但实际执行效率却很低，无法满足实时性的要求[7]。局部立体匹配算法以像素点为中心构建局部窗口，通过计算窗口内的像素相似性求取初始匹配代价，具有计算速度快、易于实现的优点。常用的像素相似性度量方法主要有：像素点灰
计算机工程与应用 2020年1期2020-01-06
- 基于HALCON双目标定的算法优化研究
基于双目立体视觉视差原理，通过大量实验对标定立体系统算法以及相关参数优化进行了研究，分析了影响算法各个参数的设置以及高精度标定板的获取，总结出了基于HALCON双目标定的优化方法，计算误差可达到0.15个像素，实验证明该方法提高了标定精度和计算效率，可满足各种测量系统的需要。关键词：HALCON;视差;亚像素级处理;系统标定近年来，双目立体视觉系统研究一直是机器视觉的研究热点和焦点[1]。非接触式双目立体视觉具有设备要求较低、连续性高、非接触和无损伤等优点
科学大众 2019年4期2019-10-21
- 一种改进的相邻块视差矢量快速获取方法
动矢量的思想获取视差矢量。视差矢量 (disparity vector,DV)在视图间运动矢量预测、视差补偿预测和其他视图间编码技术中起着关键性作用[2]。3D-HEVC中基于相邻块的视差矢量获取方法(disparity vector from neighbouring blocks,NBDV)[3]按预定顺序搜索空间和时间候选块位置，把第一个搜索到的视差矢量当作最终视差矢量，并终止视差矢量的搜索。这种方法降低了视差矢量的精度，同时按照一定顺序搜索也降低了
西安邮电大学学报 2019年6期2019-06-27
- 高分辨率遥感影像DSM的改进半全局匹配生成方法
行代价积聚和最优视差选择得到最终的匹配结果，这种方法省去了核线影像生成的步骤，可以直接应用于多视影像的匹配中。基于像方的SGM匹配算法[13]在影像面上计算代价矩阵，属于严格的逐像素匹配算法。文献[10]利用卫星影像数据对OSGM和SGM算法的匹配效果进行了对比分析，结果表明基于像方SGM算法获取的DSM精度要高于OSGM，且SGM算法可以利用左右视差一致性检查剔除误匹配，因此生成的DSM粗差较少，此外，SGM算法的惩罚系数P2可以根据影像灰度信息自适应调
测绘学报 2018年10期2018-10-26
- 卷积神经网络双目视觉路面障碍物检测
出层，应用于双目视差评估，取得较好的精度。在障碍物检测方法中，文献[9]采用数字高程图(di-gital elevation model，DEM)的方法实现障碍物检测，具有较好的鲁棒性，但需要对环境进行三维重建，计算复杂，不适合车载计算机实时演算；文献[10]采用光流法检测路面运动障碍物，但无法检测静止的障碍物；文献[11]采用V视差法实现障碍物检测，该方法计算简单，但在道路信息较少的场景中，道路直线提取会受到干扰，降低了障碍物检测效果。本文提出一种利用卷
计算机工程与设计 2018年10期2018-10-24
- 一种基于高级驱动辅助系统快速时空立体匹配方法
过图像点得到全球视差范围的方法，本文提出了一种新的计算视差范围的方法。该方法不再通过所有图像点来求取全局视差范围，而是根据边缘点的性质得到。最后，将该方法和STM[4]、SM[5]方法进行了比较，通过比较结果可以看出该方法大大提高了匹配率。1 立体匹配算法图1 算法流程图首先根据以上方法进行特性的匹配，然后通过关联方法在连续的图像之间建立关系。根据视差约束原理，本文提出一种独立于扫描线的视差约束方法。通过成本函数来度量候选边缘点之间的相似性。最后利用DP算
网络安全与数据管理 2018年8期2018-08-27
- 基于双目视觉的自适应匹配优化方法
6]将局部算法的视差精度提升到了一个新的高度,但由于其能量代价函数的计算过于复杂,该算法的运行时间比较长[7],因此近年来许多学者都对ASW算法进行优化,例如使用稀疏匹配方法[8]、优化能量代价函数[9]和引入随机游走的树结构[10]等,在不降低原ASW算法精确度的同时减少程序的运行时间。但这些算法在兼顾匹配精度和运行时间方面存在着一定的缺陷。因此,本文提出一种新的优化算法,在降低算法复杂度的同时引入多项后续处理。1 ASW算法ASW算法依据格式塔理论[1
计算机工程 2018年8期2018-08-17
- 基于梯度域引导滤波的视差精炼迭代算法
算图像像素点间的视差来获取景物的三维信息[1].现阶段，该技术已广泛应用于众多领域，如立体显示、场景重建[2]、行人检测等.立体视觉技术主要涉及到摄像机标定、图像矫正、立体匹配、三维重建等步骤，其中立体匹配是最重要也是最困难的步骤，其主要目的是通过相应的算法获取参考图像与目标图像之间对应匹配点间的关系，生成相应的视差图，视差图中每一个像素点的灰度值代表了该点与对应匹配点间的坐标差信息.现阶段常用的立体匹配算法通常建立在Sharstein等[1]提出的理论框
天津大学学报(自然科学与工程技术版) 2018年6期2018-05-30
- 测定金属线膨胀系数实验中的几点教学看法
键词：线胀系数；视差；光杠杆金属线膨胀系数的测量是大学物理实验中的一个非常重要的实验，用来反映金属的尺寸随温度的变化规律，在机械和仪表的制造中，影响着材料结构的稳定性和仪表的精度，也是衡量耐火材料的一个重要的性能参量。在金属线膨胀系数的测量实验教学中，应该让学生掌握哪些物理知识和技能呢？对我校的很多工科专业来说，很可能根本用不上线膨胀系数这一参量，比如食品科学和水产养殖专业等，那么就需要挖掘这一实验中最基础最根本的物理知识和技能。现总结出以下三个基础知识点
科技风 2018年16期2018-05-14
- 基于导向滤波的立体匹配算法
觉中的重要问题，视差图可广泛用于三维重建、自动驾驶等三维应用。它的输入是一对经过图像矫正的两幅图像，输出是两幅图像中场景同名点的视差图（沿水平方向的位移），视差图一般用一幅灰度图表示。由于光照影响，相机参数不同，图像噪声以及遮挡和无纹理区域等因素，建立同名点对应成为一个病态问题。如何度量左右图中的像素点对是场景同名点的成像？为了简化判断和加强约束条件，立体匹配过程显示或隐式的建立在两点基础假设上[1]。1、朗伯体表面（Lambertian Surface）
现代计算机 2018年9期2018-05-07
- 多用途恒星周年视差演示仪
绍多用途恒星周年视差演示仪主要由铁支架、大圆盘、乒乓球、红色灯泡、红色小球、测量尺、标杆、距離伸缩尺、观视筒等组成。大圆盘代表地球的公转轨道，乒乓球代表地球，红色灯泡代表太阳，两个红色小球代表A星和B星，距离伸缩尺可调节观察者与星星之间的距离。二、操作说明1.演示地球自转。逆时针转动乒乓球就能演示地球自转的过程。2.演示地球公转。逆时针转动大圆盘可演示地球绕太阳公转的过程。3.演示恒星的周年视差。调节恒星之间的距离，测量恒星的周年视差大小。地球的公转使观测
发明与创新·中学生 2018年4期2018-04-17
- 结合最小生成树的立体匹配算法
能够得到更精确的视差图，先运用相对灰度差与Census变换提取特征，以颜色和空间距离为权值建立最小生成树，以此进行匹配代价聚合，获得结果视差图。最小生成树MST；视差图；Census变换；相对灰度差1 算法流程校正过左、右图像之后，先通过相对灰度差匹配和Census变换加权提取特征，再运用最小生成树进行匹配代价聚合，再滤除坏点视差更新，得到视差图。主要算法框图如图1所示。图1 立体匹配框图2 相对灰度差匹配首先，对左、右两幅图像进行横轴方向的sobel边缘
电子世界 2017年15期2017-08-30
- 基于V-视差的障碍物检测算法的研究
王玉红基于V-视差的障碍物检测算法的研究营口理工学院电气工程系 李 印 王玉红本文构建了一种改进的V-视差检测障碍物的方法。通过在视差图中采用Hough变换方法，从视差图中提取直线信息。从而将障碍物从背景中分离出来。实验结果显示，改进的V-视差法能够检测具有面特征的障碍物，此算法不会受小面积的局部干扰，也不会误识别背景的阴影部分。V-视差；障碍物检测；Hough变换算法当障碍物所在的背景发生变化时，基于双目立体视觉的V-视差的障碍物检测法仍可将障碍物较好
电子世界 2017年11期2017-06-29
- 基于ELAS立体匹配算法的研究与改进
上，引入一种基于视差平面的局部立体匹配算法ELAS(算法，将该算法与先进的立体匹配算法对比发现，其克服了现有算法需要给定最大视差值范围才能获得较好视差图的缺点，综合处理时间和处理效果，表现最好。介绍ELAS算法原理,并分析其存在的问题，针对ELAS算法处理效果不佳的问题，根据视差连续原理，研究改进的ELAS算法，并使用引导滤波器处理视差图。实验证明，改进的ELAS算法显著提高了原算法的效果，而处理时间增加不多，在不考虑实时性的情况下，结合上述滤波器后，处理
湖北工业大学学报 2017年2期2017-06-23
- LASIK术前后近视屈光参差患者立体视的临床研究
觉检查图》检测零视差、交叉视差及非交叉视差，使用同视机测定远立体视。结果 术后69例屈光状态为±1.0 D，裸眼视力≥0.8，双眼屈光参差≤-0.75 D。术后1个月有62例(89.86%)零视差达正常，与术前比较差异有统计学意义(P屈光参差；立体视；零视差；交叉视差；非交叉视差对以往临床近视患者调查发现，双眼屈光参差的出现较为普遍。近视性屈光参差患者由于双眼物像大小及清晰度不等而引起融合困难，影响屈光参差患者双眼立体视功能的建立。准分子激光原位角膜磨镶术
宁夏医学杂志 2017年3期2017-05-18
- 视觉显著性的自适应权重立体匹配算法
人眼特性，获得的视差图与人眼真实感受之间存在一定差异的问题，提出了一种符合人眼视觉特性的自适应权重匹配算法.该算法首先引入视觉显著性特征，然后对像素权值分配进行改进并提出新的匹配代价度量准则，最后采取左右视差图融合的方法获得最终视差图.相关图像实验表明，改进算法很好地解决了遮挡问题，可精确描述边缘和细节视差；相对于原算法有较大程度的性能提升.立体匹配；自适应权重；显著性检测；相似性度量；视差图融合双目立体视觉技术[1]突破了计算机“单眼看世界”的局限性，该
中国计量大学学报 2016年4期2017-01-12
- 明末清初太阳视差在中国的传播
)明末清初太阳视差在中国的传播张祺,宋芝业(内蒙古师范大学 科学技术史研究院,内蒙古 呼和浩特010022)明末清初之际，太阳视差传入中国,并被积极引入官方历法。从《崇祯历书》到《历象考成后编》均对其进行了不同程度的整理与修正,理论层面上已经与西方相差不远,但由于中国天文学以实用为中心的价值取向,仅将其作为历法计算的重要参数,未能产生类似于西方的影响。通过对比几部官方历法中太阳视差的相关记述,研究清代历算家对该项知识的3次主要修改,并在此基础上分析清代历
西北大学学报（自然科学版） 2016年4期2016-09-27
- 基于分割树的视差图修复算法研究
5）基于分割树的视差图修复算法研究郑豫楠（四川大学计算机学院，成都610065）0 引言作为一项重要的研究领域，立体匹配在近十年有了明显的发展。许多新的算法被提出并且效果显著。Scharstein和Szeliski[1]提出了立体匹配算法的框架，并且将立体匹配算法分成了两种类型：局部算法和全局算法。局部算法(如经典的自适应权重算法[2]）利用局部区域像素的颜色信息和梯度信息进行特征匹配，具有运算速度快、易于实现的优点，但缺点是在无纹理区域算法容易失效。全局
现代计算机 2016年3期2016-09-23
- 基于单应性矩阵的图像拼接方法的对比分析
应性矩阵无法处理视差，仅使用单应性矩阵来拼接得到的结果将出现鬼影或错位。【关键词】图像拼接；单应性矩阵；视差；鬼影；错位【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
科技视界 2016年6期2016-07-12
- 立体电视不同视差平面上的立体视锐度研究
6)立体电视不同视差平面上的立体视锐度研究郑冠雯，邓向冬(国家新闻出版广电总局广播电视规划院，北京 100866)摘要:通过生理感知试验，研究了双路立体电视不同视差平面上的立体视锐度。根据试验结果，人眼在0°视差平面上有最佳的立体视锐度，且随着画面中物体视差逐渐增大，人眼在观看该出/入屏物体时的立体视锐度将逐渐下降。此外，相比入屏物体而言，人眼在观看具有相同大小视差的出屏物体时具有更佳的立体视锐度。关键词:立体电视；视差；立体视锐度随着立体电视的发展和普及
电视技术 2016年6期2016-07-06
- 基于边缘和像素类型标记的立体匹配算法
，利用边缘信息及视差在边缘和非边缘区域的分布特征，指导有效初始视差在扫描线方向的传递。并且根据标记值对部分不可靠的像素点进行反向赋值和边缘内中值滤波处理，达到视差精化目的。实验证明这种方法对于整体视差范围不太大的远距离图像，能够获得较为精确的稠密视差图。关键词：边缘；像素类型标记；视差；立体匹配中图分类号：TP751文献标识码：A收稿日期：2015-02-15基金项目：“十二五”国家科技支撑计划重大项目“演出呈现关键技术研发与应用示范(项目编号：2012B
中国传媒大学学报(自然科学版) 2015年2期2016-01-05
- 基于Stixel的城市环境立体视觉场景表达
境场景内容，并在视差图中分割出物体且获得良好的位置和尺寸估计，非常有利于基于视觉的辅助驾驶和导航。然而传统的Stixel 直接以地面开始的视差值为Stixel的整体视差，容易受错误视差的影响，也没有考虑到左右视差棒之间的关系。本文提出采用动态规划技术，增加了Stixel 视差计算过程，获得了更好构建效果。1 Stixel算法设计1.1 流程设计基于双目视觉的Stixel 构建算法流程图如图1所示。图1 基于双目视觉的Stixel 构建算法流程图图1中先将输
杭州电子科技大学学报(自然科学版) 2015年4期2015-12-02
- 从双视图到多视图的协同优化立体视觉匹配算法
法进行求导，获得视差图.Xu等［7］提出优化局部自适应算法，求解图像对视差.上述算法都是基于局部算法求解视差，但这类算法对图像噪声较敏感，对重复纹理区域、遮挡区域和视差不连续区域等往往匹配效果不理想，错误匹配率较高.在此基础上，很多计算机视觉研究专家提出基于全局约束算法，对整个图像数据信息进行计算，这样降低对局部区域敏感度，解决重复纹理的影响，同时，也可以求解视差不连续区域，最终达到全局最优解.基于全局优化算法的本质是把匹配问题转化为求解能量函数，然后，通
华侨大学学报（自然科学版） 2015年3期2015-11-19
- 基于差异的视差估计方法研究
03)基于差异的视差估计方法研究高 强，卢云朋，杨红叶(华北电力大学 电气与电子工程学院，河北 保定 071003)视差估计在立体图像编码、视频检索、立体图像分割等领域有重要的应用，是进行图像、视频分析的基础。首先，基于模糊隶属度提出了一种基于差异的视差估计方法；其次，引入模糊隶属度，把图像灰度转换为差异值；然后，分析了多块匹配的优越性；提出了基于多块匹配的视差估计方法；最后，在Middlebury网站上的测试结果证明了该方法的有效性。视差；隶属度；立体；
电视技术 2015年3期2015-10-15
- 仪器及装置基于双目视觉的标志点定位系统硬件设计
： 双目视觉； 视差； 三维坐标； 硬件系统中图分类号： TN 29文献标志码： 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
光学仪器 2015年2期2015-05-20
- 基于广度优先视差优化的双目立体匹配
5）基于广度优先视差优化的双目立体匹配吴志伟（四川大学计算机学院，成都 610065）双目立体匹配属于三维重建的重要环节，匹配所获得的视差图很大程度上影响着模型的重建质量。在原有局部特征的双目立体匹配算法的基础上，提出一种基于广度优先搜索的视差优化后处理方法；在左右一致性检测之后添加视差优化过程，结合局部特征的双目立体匹配算法，计算出的视差准确率有进一步的提升。使用通用计算进行并行优化，提高实时三维重建的精度。双目立体匹配；视差优化；广度优先搜索0 引言三
现代计算机 2015年2期2015-05-15
- 基于互信息的半全局密集立体匹配算法
传递、动态规划、视差优化等策略对立体像对进行逐像素匹配，确定立体像对像素间的一一对应关系。实验结果表明，本文算法对纹理贫乏、有遮挡区域影像仍可以生成精确稠密的视差图。互信息；立体匹配；动态规划；视差图1 引 言三维重建在医学、虚拟现实、地质学等很多方面都有重要的作用。通过匹配方法生成大量的密集匹配点是三维重建的关键技术之一。立体匹配是在不同视点的条件下，获取同一场景的两幅或多幅图像，通过寻找同一空间景物在投影图像中像素点的一一对应关系，得到视差图和深度信息
测绘科学与工程 2015年2期2015-04-20
- 基于直方图对无损数据隐藏的立体图像编码
大部分工作集中在视差估计方面.视差就是从有一定距离的两个点上观察同一个目标所产生的方向差异，在本方面的研究中，被看做一张图像中的一个点与另一张图像中对应点之间偏移的像素距离.利用视差估计，可以对立体图像进行编码.基于无损数据隐藏的立体图像编码基本的方法是用立体图像中的一张作为参照图（右图），利用图像间的相关性和视差估计，将非参照图（左图）有损压缩后，无损嵌入到参照图中.由此可以只存储和传输一张图像，且保持了图像的可见性，节省了频带，便于管理.由于在压缩相关
同济大学学报（自然科学版） 2015年8期2015-04-16
- 基于区域分割的动态规划立体匹配算法
和区域内部分别作视差融合和视差插值处理，获得最终的稠密视差图。实验结果表明，该算法能够取得较为理想的效果，视差图横向“条纹”瑕疵和边界区域上的误匹配点明显减少，层次更加分明，整个视差图平滑性较好，匹配效率有了显著提高。视差图；动态规划；立体匹配；区域分割立体视觉技术是人们通过研究生物捕获三维空间信息的视觉系统而发展起来的一门重要的 3D显示技术，即通过借助多方位地拍摄目标图像，并合成目标的深度视差信息，以完成空间目标的立体场景信息重建[1]。立体匹配就是从
图学学报 2015年1期2015-03-15
- 视差对测角精度影响探讨
的装调误差会引起视差的存在，使得观察者眼瞳在仪器出瞳不同位置瞄准时会得到不同的结果，给测量精度带来比较大的影响。通过对仪器出瞳和眼瞳之间关系的计算分析可以发现，瞄准误差不仅与仪器视差量有关，而且与眼瞳放置位置、瞳孔直径大小和光学仪器的视角放大率有关。通过实际测量对比验证了视差对测量精度的影响分析。结果表明，随着眼睛偏离出瞳中心越远，瞄准误差也就越大。关键词： 视差； 眼瞳； 测角； 精度中图分类号： TH 74文献标志码： Adoi： 10.3969/j.
光学仪器 2014年6期2015-01-22
- 一种基于分割的立体匹配算法
后具有最小代价的视差作为最佳视差。Tomvari，Mattoccia等[2]比较的所有局部聚集方法中，Yoon与 Kweon[3]的局部加权方法在平衡性能和速度两方面具有突出的效果。全局算法通常不进行聚集操作，而是在初步得到视差值后，最小化一个包含数据项和平滑项的全局代价函数，不同算法间的主要区别在于使用的寻找最小值过程。其中基于动态规划的算法，图割的算法，基于置信度传播的方法等均取得很好的效果。基于分割的立体匹配算法，主要是基于场景分段平滑性假设，根据色
成都信息工程大学学报 2015年2期2015-01-05
- 基于双目视觉的障碍物检测算法
的特点，通过计算视差图获取距离等大量信息。近年来，通过计算U－视差、V－视差的方法在双目视觉的障碍物检测中获得了广泛的关注。文献［5－7］采用基于双目视觉的U－V视差障碍物检测，先在V－视差图中检测出道路相关线，再结合U－视差图对障碍物进行相应的检测，取得了较好的检测效果。但在汽车前方障碍物占图像宽度比例相对较大的情况下，该类方法出现较大的误检测，同时对双目摄像机的倾斜角较为敏感［8］，限制了该类方法的应用场合。为了在各种道路场景中更有效和实时地检测障碍物
电视技术 2014年5期2014-11-20
- 基于前景检测的视差优化算法
觉三维测量是基于视差原理，而视差是根据两特征匹配点的相对位置获得的。根据采用优化方法的不同，立体匹配算法可以分为局部匹配算法和全局匹配算法。目前，国内的研究现状是在基于特征的选择上，以及在匹配的相似度的度量上进行研究，同时针对遮挡的问题、弱纹理问题也进行了讨论[1]。在国际上主要是基于颜色分割，进行全局立体匹配，在局部立体匹配方面，在聚合上采用了自适应的权值进行聚合匹配能量，同时也采用多窗体、自适应的支持窗体匹配算法。但是到目前为止，所有的算法都不能完整的
大众科技 2014年3期2014-08-29
- 立体视差调整的快速估计方法
00072)立体视差调整的快速估计方法岳 斌，侯春萍(天津大学电子信息工程学院，天津 300072)立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围，建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间，给出计算立体显示屏幕Panum融合区的方法，然后推导出立体显示屏幕Panum融合区对视差调整量的限定，最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整
天津大学学报(自然科学与工程技术版) 2013年7期2013-06-01
- 基于光栅的一维集成成像立体显示
具有连续视点、全视差、无视疲劳以及无需辅助设备等优点从而受到各国的广泛关注［2］。但是，集成成像本身也存在一些缺点与不足，例如:在记录和再现过程中存在着空间深度反转、难以实现高分辨率、再现的三维立体场景视角窄等［3－5］。为了克服这些问题，研究人员提出了许多解决方法。通过采用一维光栅取代二维集成成像中的微透镜阵列和针孔阵列，一维集成成像通过减少垂直或水平视差增加立体图像的垂直或水平分辨率［6－9］。笔者详细描述了采用一维光栅的一维集成成像工作原理和参数计算
吉林大学学报（工学版） 2013年1期2013-04-03
- 视差可控的多视点立体图像校正算法
础上，提出了一种视差可控的多视点立体图像校正算法，该算法具有实现简单快速的特点，非常适合实时系统，并且该算法可对目标物体实现正视差、负视差和零视差的调节。实验表明，该算法可很好的支持8视点立体显示系统中的图像实时校正，并且对目标物体可以根据需要进行立体感调节。1 立体图像校正1.1 立体摄像机模型如图1所示建立双目立体显示的模型，。立体摄像机的左、右摄像机分别为Cl、Cr。P点为目标物体上的任意点，左右成像平面为 Left和Right。图1 双目摄像机模型
吉林大学学报（工学版） 2013年1期2013-04-03
- 基于视差区域分割的动态规划立体匹配算法改进
值E(d)最小的视差值。然而使当前点全局能量函数最小的视差值，并不一定就是使整条扫描线全局能量函数总和最小的视差值，因此这样做会导致一些有用信息丢失，甚至有可能会出现连续误匹配的现象。本文针对传统DP算法存在的问题，对立体匹配初始代价求取、路径寻径及回溯加以改进。在初始代价求取阶段，提出了一种改进的变窗口能量聚集法，该方法通过获取场景的视差变化区域与视差连续区域的位置信息，从而使像素点在能量聚合时能够根据视差变化自适应地调整聚合窗口的大小，使能量聚合方式更
图学学报 2013年2期2013-03-21
- 基于小基高比的快速立体匹配方法
图像来获得对应点视差，然后根据三角测量原理计算出景物的深度信息。立体匹配方法可分为大基高比立体匹配方法和小基高比立体匹配方法。根据文献[1]的分类标准，大基高比立体匹配方法又可分为局部立体匹配方法[2-7]和全局立体匹配方法[8-11]。在局部立体匹配方法中，由于自适应权重[2-4]及其快速实现[5-7]的提出使局部算法具有了较高的匹配准确率和匹配效率。在全局立体匹配方法中，由于动态规划(Dynamic Programming)[8]、置信传播(Belie
电子与信息学报 2012年3期2012-09-19
- 静态立体图视差图形与立体视锐度相关关系探讨
颜色、视野、以及视差图形等［1～3］。我们通过改变受试者随机点立体视检查中视差图形的面积、周长，探讨不同视差图形与立体视锐度的关系，为立体视锐度检测及立体视检查图片制作提供依据。1 对象与方法1.1 受试对象 选择具有正常立体视(随机点立体视检测立体视锐度 ＜60秒角)［4］者32例(志愿者)，其中男16例，女16例;年龄9～12岁。无色觉异常及视野缺陷，矫正后的远、近视力(托品酰胺充分散瞳)均＞1.0，屈光参差≤2.00度，无斜视或隐斜＜5个三棱镜度，无
山东医药 2011年26期2011-04-13