第六章双目立体视觉x[整理].pptVIP

第6章　双目立体视觉; 立体视觉主要研究如何借助（多图象）成象技术从（多幅）图象里获取场景中物体的距离（深度）信息 ;6.1　双目立体视觉原理;6.1 　双目立体视觉原理;6.1　双目立体视觉原理; 获得同一场景的两幅视点不同的图象 6.2.1　双目横向模式 6.2.2　双目横向会聚模式 6.2.3　双目纵向模式;6.2.1　双目横向模式 ; 1.　视差和深度; 1.　视差和深度 3-D空间点在两个摄象机的公共视场 （视角不同，被摄物的形状，摄影环境） 测距精度 x1e = x1 + e，d1e = x1 + e + x2 + B = d + e ;2.　角度扫描成象 象素是按镜头的方位角和仰角均匀分布的 可借助镜头的方位角 来表示物象的空间距离 ; 两个单目系统绕各自中心相向旋转 ; 两个摄象机是沿光轴线依次排列 基本排除由于遮挡造成的3-D空间点仅被一个 摄象机看到的问题 公共视场的边界很容易确定 ; 直接用单点灰度有哪些信誉好的足球投注网站会受到图象中许多点会有相同灰度、图象噪声等因素影响而不实用 6.3.1　模板匹配 6.3.2　双目立体匹配 ;6.3.1　模板匹配;6.3.2　双目立体匹配;6.3.2　双目立体匹配;6.3.2　双目立体匹配;6.3.2　双目立体匹配;6.4　基于特征的双目立体匹配;6.4.1　基本方法;特征点提取：平移、旋转、缩放、仿射不变性 1.SUSAN角点提取； 2.harris角点提取； 3.SIFT尺度不变特征提取;1 SUSAN边缘检测;1) USAN原理;2 ) SUSAN边缘检测;2 ) SUSAN边缘检测 ;2) SUSAN边缘检测 ;2) SUSAN边缘检测 ;2 ) SUSAN边缘检测;Harris角点检测算子是Moravec角点检测算子的改进. Harris算子用高斯函数代替二值窗口函数,对离中心点越近的像素赋于越大的权重，以减少噪声影响。 Moravec算子只考虑了每隔45度方向，Harris算子用Taylor展开去近似任意方向。;2 Harris角点检测算法的步骤： ;2 Harris角点检测算法的步骤： ;2 Harris角点检测算法的步骤： ;2 Harris角点检测算法的步骤： ;3 SIFT尺度不变特征提取： ;3.SIFT尺度不变特征提取： ;3 SIFT尺度不变特征提取： ;3 SIFT尺度不变特征提取： ;3 SIFT尺度不变特征提取： ;特征点匹配： 1.相关匹配； 2.欧式距离； ;6.4.1　基本方法;6.4.1　基本方法;2.欧式距离； ;6.4.1　基本方法;6.4.1　基本方法;注意：仅由稀疏的匹配点并不能唯一地恢复 物体外形 示例： 过这4个点的曲面可以有无穷多个 ;顺序性约束：物体可见表面上的特征点与它们在两幅成象图象上投影的顺序正好反过来 有遮挡时，图象上投影的顺序不满足顺序性约束;建立在两条极线上确定的多个特征点之间的对应关系 将匹配各特征点对的问题描述为一个在由特征点对应结点的图（grph）上有哪些信誉好的足球投注网站最优路径的问题 ;6.5　视差图误差检测与校正 ;1.　误差检测 顺序匹配约束 ;1.　误差检测 检测匹配交叉（顺序匹配约束未满足）区域 令PR = fR(i, j)和QR = fR(k, j)为fR(x, y)中第j行中任意两象素，则其在fL(x, y)中的匹配点可分别记为PL = fL(i + d(i, j), j)和QL = fL(k + d(k, j), j)。定义C(PR, QR)为PR和QR间的交叉标号，如果顺序匹配约束满足记为C(PR, QR) = 0；否则记为C(PR, QR) = 1。 对应象素点PR的交叉数（cross number）Nc;2.　误差校正 假设{fR(i, j)| i ? [p, q]}是对应PR的交叉区域，则该区域内所有象素点的总交叉数（totl cross number）Ntc为： 校正交叉区域中误匹配点（零交叉校正算法 ） (1)　找出具有最大交叉数的象素fR(l, j)： ;2.　误差校正 (2)　确定对匹配点fR(k, j)的新有哪些信誉好的足球投注网站范围 {fL(i, j)| i ? [s, t]} (3)　从该有哪些信誉好的足球投注网站范围中找到能够减小总交叉数Ntc的 新匹配点 (4)　用新匹配点来校正d(k, j)，消除对应当前最大 交叉数象素的误匹配 ;2.　误差校正 例 ;2.　误差校正 交叉区域：[fR(154, j), fR(162, j)] 总交叉数：Ntc ＝ 28 (1) 具有最大交叉数的象素：fR(160