視差
- 基于改進SGM算法的雙目立體匹配*
原理計算投影點的視差,從而得到視差圖。根據視差圖可以恢復其深度信息,重構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景的精確度,所以,提高立體匹配的精度成為了當前研究的熱點。為了提高立體匹配的精度,科研人員進行了一系列的研究。根據優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化算法進行視差估計,主要有DP[10]、GC[11]、BP[12]算法。該類算法是在能量函數框架下,把立
組合機床與自動化加工技術 2023年12期2024-01-03
- 匹配代價融合與分層迭代優化的半全局立體匹配
角中同名點之間的視差.結合雙目測量的基礎理論,可以進一步完成基于雙目視覺的測量任務,例如測距、定位和三維重建等.按照匹配算法的輸出結果,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.相對來說,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習、局部、全局、半全局4種類別.隨著深度學習的發展,基于深度學習的立體匹配算法近年來逐漸增多,能夠取得較高的視差圖精度.
小型微型計算機系統 2023年9期2023-09-06
- 基于全卷積神經網絡的端到端立體密集匹配研究
，在弱紋理區域、視差不連續區域、遮擋區域存在的匹配困難和誤匹配問題，設計了一個基于全卷積神經網絡的端到端立體匹配網絡，將傳統密集立體匹配問題轉化成一個視差學習和優化的任務問題。論文主要研究內容和研究結論如下。(1) 基于擴張卷積的多尺度特征提取。為降低弱紋理或重復紋理區域匹配二義性問題所帶來的影響，引入擴張卷積進入特征提取模塊。與傳統的卷積相比，擴張卷積能夠在不增加學習參數的前提下，擴大卷積核的感受視野。采用多層并行的擴張卷積，設計基于擴張卷積的空間金字塔
測繪學報 2022年5期2023-01-31
- 基于引導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應用到立體匹配中，利用卷積神經網絡(MC-CNN)[1]計算匹配代價。FlowNetC[2]、DispNetC[3]等算法將立體匹配通過端到端的有監督深度學習方式實現，采用編碼-解碼的結構回歸視差。文獻[4-5]利用從邊緣檢測任務中獲得的邊緣信息補充視差圖中丟失的細節信息。SegStere[6]將語義特征融入特征圖中，并設計語義損失項來改善視差學習效果。近年來,注意
計算機技術與發展 2022年12期2022-12-11
- 置信度輔助特征增強的視差估計網絡
116024雙目視差估計是計算機視覺領域中的一個重要方向，主要應用在自動駕駛、機器人導航、增強現實等任務中[1]。視差估計旨在對雙目相機校正后的左右視圖進行像素對匹配，估計的視差可以恢復場景的深度信息。該任務可以分為匹配代價計算、匹配代價聚合、視差計算、視差優化四個步驟[2]。在匹配像素點中，由于遮擋、低光照、弱紋理等干擾因素使估計高精度視差更具挑戰性。視差估計的本質是匹配問題，其目的是為左目視圖每一個像素點在右目視圖中尋找匹配差異最小的像素點。這里的匹配
計算機工程與應用 2022年15期2022-08-09
- 基于雙目立體視覺的視差測量
，得到被測物體的視差圖及其物體的3D坐標。實驗表明：這個方案具有可行性，為下一步的實驗研究提供了很大的幫助和基礎。關鍵詞：雙目立體視覺;相機標定;立體匹配;視差中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：1009-3044（2022）07-0081-02開放科學（資源服務）標識碼（OSID）：
電腦知識與技術 2022年7期2022-05-09
- 基于視差優化的立體匹配網絡
相應像素點來計算視差，并根據相似三角形原理計算深度距離。傳統的立體匹配算法將匹配過程劃分為匹配代價計算、代價聚合、視差計算和視差優化4 個部分［1］，并基于代價函數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］。但傳統算法采用手工設計的特征描述符，缺乏全局上下文信息，且受經驗參數的影響，算法魯棒性較差，不適合在復雜環境下應用［3］。近年來，隨著深度學習在計算機視覺領域中的發展，研究人員開始基于深度學習方法解決立體匹配問題。LECUN 等［4］
計算機工程 2022年3期2022-03-12
- 基于視差范圍估計和改進代價的半全局匹配
中的同名點,計算視差,從而獲取物體的深度信息。近年來,隨著立體匹配技術的發展,立體匹配已被廣泛應用在三維重建、目標檢測、自動駕駛、虛擬現實等領域。Scharstein等人在總結之前的立體匹配方法后提出了立體匹配的常規基本框架。在該框架中,立體匹配被劃分為匹配代價計算、代價聚合、視差計算和視差優化4個步驟。根據計算策略的不同,傳統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
系統工程與電子技術 2022年2期2022-02-23
- 基于歸一化互相關的半透明遮擋視差估計
置只會計算出一個視差，即滿足唯一性約束條件。這在通常情況下都是合理的，且絕大部分數據集中也不會出現半透明物體，如KITTI數據集[7]和Middlebury數據集[8]。但事實上，在現實生活中，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。人或者相機在觀察這些物體的時候，能同時觀察到被這些物體遮擋的物體。這就導致了在圖片中的同一個位置可能會對應多個現實物體。這種情況下，絕大部分的計算模型都不適用了，包括一些有很高精度、在數據集
計算機應用與軟件 2022年1期2022-01-28
- 基于自適應窗的立體相機視差圖優化方法研究
立體匹配得到精確視差圖成為了三維重建的主要研究內容.近年來，三維重建研究領域產生了不少新方法[1]，如基于深度相機的三維重建方法[2]，基于深度學習的三維重建方法[3]等.在視覺測量、工業生產、人工智能、大規模SLAM等各個領域有著廣泛的應用.基于雙目視覺的三維重建大致可按照如圖1的工作步驟進行.一般來說，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，而有關視覺傳感器的工業制造技術和相機標定方法[5]相對成熟，因此
小型微型計算機系統 2022年1期2022-01-21
- 基于稀疏卷積的前景實時雙目深度估計算法
，計算每對像素的視差值生成視差圖。比起傳統的立體匹配算法，深度學習視差估計算法可以有效優化圖像深度估計中的不適定問題，能夠利用先驗知識學習估算出遮擋和弱紋理區域的深度信息?；谏疃葘W習的雙目立體匹配網絡基本構成［1］包括：雙目圖像對、空間特征提取模塊、視差代價聚合卷（cost-volume）和視差回歸模塊。2015年，Mayer等［2］首次提出端對端的雙目視差估計網絡DispNet，通過下采樣方式提取空間特征后構建視差代價聚合卷cost-volume，并對
計算機應用 2021年12期2022-01-05
- 立體匹配算法改進與優化
處理后，計算初始視差，然后用圖割算法得到全局能量最小的視差作為最優[2]。雙目立體視覺系統的應用過程中，雙目相機所在場景、位置不同，采集的圖像會受到很多因素干擾，例如光照、遮擋等，容易造成誤匹配。在實際應用中，只能夠根據不同場景和約束條件來選擇合適的匹配算法。立體匹配也成為了當前的研究難點。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，任取一像素點作待匹配像素點為中心取m×n的矩形窗口，再根據極線約束原理，在右目圖像上肯定存在一個像素點
電子制作 2021年16期2021-09-17
- 基于自適應權重的立體匹配優化算法
的二維場景，利用視差匹配獲取三維場景的深度信息，被廣泛地應用于移動機器人技術、3D 建模技術、航空航天［1］等領域，是雙目立體視覺的重點和難點，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［4］根據雙目立體匹配算法的特點進行歸納總結，將立體匹配算法分為匹配代價計算、代價聚合、視差計算和視差優化4 個部分。全局匹配是利用圖像的全局約束信息構建全局能
計算機工程 2021年4期2021-04-29
- 結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計算、匹配代價聚合、視差選擇和視差優化組成，并在此基礎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域內的像素作為計算該像素點匹配代價的約束區域，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
- 視差邊緣優化的SGM 密集深度估計算法?
約束，以此來優化視差圖［1～2］，此類方法視差精度高，但是計算復雜，無法滿足實時性要求。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，該方法在滿足實時性要求的同時，實現了精確的密集深度估計，得到了眾多研究人員的關注與改進。鑒于在二維空間進行全局能量最小化被證明是NP 困難（Nondeterministic Polynominal-hard）問題，SGM算法將二維能量最小化轉換為多個一維路徑的能量最
計算機與數字工程 2020年11期2020-12-23
- 夏澤洋團隊提出一種基于分割的立體匹配視差優化方法
7(立體匹配中的視差優化方法)”。立體匹配是三維重建的核心步驟，其輸入是一對經過矯正的彩色圖像，通過匹配同一三維物體在左右兩幅圖像上的投影點得到視差。目前，已有的立體匹配方法在無遮擋區域時，實現了較高的匹配精度，但在有遮擋區域時，匹配誤差較大。同時，已有方法的計算效率普遍較低。因此，該研究提出了一種基于分割的立體匹配視差優化算法，以解決包含遮擋區域圖像的快速立體匹配問題。該研究所提出的基于分割的立體匹配視差優化方法直接優化由彩色參考圖像得到的初始匹配最小代
集成技術 2020年6期2020-11-30
- 基于無人機低空航測的地面目標影像匹配方法研究
x)的極大值點。視差平面擬合是在以上操作的基礎上進行的，上述步驟主要是采用初始視差圖中的像素[5]，針對一個平面展開計算，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；a、b、c—不同的平面參數。視差平面擬合主要是由影像分割塊作為最小單位進行計算。針對不同的塊，塊內像素視差都可以利用一個視差平面近似表示。同時，一個視差平面也能夠表示成多個塊的像素視差。但是初始視差圖中存在一定的粗差，這導致單獨的塊內像素一次計算出的視差平面可
環境技術 2020年5期2020-11-18
- 基于區域插值的視差圖平滑算法及三維重建
通過立體匹配獲得視差圖，根據視差圖計算出物體的三維坐標，進而實現三維重建[3,4]。立體匹配是雙目立體視覺的關鍵步驟，易受遮擋、視差間斷等因素影響，導致在視差圖中存在較多的誤匹配區域[5]。改善視差圖的方法主要有兩種：一種是優化立體匹配算法，能獲得較好的視差圖[6]。Hoc DK,et al.[7]通過修改SAD(Sum of Absolute Differences)算法，利用感興趣像素的邊緣像素估計視差值的差異，計算深度圖信息，具有減少像素的搜索數量、
山東農業大學學報（自然科學版） 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中，我們還對因物體的自遮擋而產生的自陰影進行了計算，并實現了軟陰影的效果，進一步增加了場景的真實感。圖14 呈現了視差貼圖技術實現的表面自陰影效果。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·新悅讀 2020年6期2020-06-28
- 基于無人機雙目圖像的線目標測量的研究
；第二，在線目標視差圖優化方面，提出一種基于目標識別的線目標視差圖優化算法，該算法依據目標識別獲取線目標視差圖，然后根據提出的4個步驟進行優化處理，最后得到優化后的線目標視差圖。最終設計出一個無人機雙目視覺圖像采集系統，并依據采集到的雙目圖像實現對線目標的測量。實際測量結果表明，該改進方法提高了雙目圖像正確匹配率，對線目標的測量具有較高的精度。1 改進立體匹配算法立體匹配算法的精度直接影響著雙目測量的精度。對Scharstein[10]對立體匹配算法進行歸
計算機測量與控制 2020年1期2020-02-27
- 融合多特征表示和超像素優化的雙目立體匹配
計算、代價聚合、視差計算和視差精化[2]。全局立體匹配通過隨機生成視差粗略圖，最小化全局能量方程，得到最優視差圖。采用的匹配技術主要有置信度傳播算法[3]、圖割算法[4]、動態規劃算法[5]、二次規劃算法[6]等。全局立體匹配方法在應用中匹配精度高，但實際執行效率卻很低，無法滿足實時性的要求[7]。局部立體匹配算法以像素點為中心構建局部窗口，通過計算窗口內的像素相似性求取初始匹配代價，具有計算速度快、易于實現的優點。常用的像素相似性度量方法主要有：像素點灰
計算機工程與應用 2020年1期2020-01-06
- 基于HALCON雙目標定的算法優化研究
基于雙目立體視覺視差原理，通過大量實驗對標定立體系統算法以及相關參數優化進行了研究，分析了影響算法各個參數的設置以及高精度標定板的獲取，總結出了基于HALCON雙目標定的優化方法，計算誤差可達到0.15個像素，實驗證明該方法提高了標定精度和計算效率，可滿足各種測量系統的需要。關鍵詞：HALCON;視差;亞像素級處理;系統標定近年來，雙目立體視覺系統研究一直是機器視覺的研究熱點和焦點[1]。非接觸式雙目立體視覺具有設備要求較低、連續性高、非接觸和無損傷等優點
科學大眾 2019年4期2019-10-21
- 一種改進的相鄰塊視差矢量快速獲取方法
動矢量的思想獲取視差矢量。視差矢量 (disparity vector,DV)在視圖間運動矢量預測、視差補償預測和其他視圖間編碼技術中起著關鍵性作用[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]按預定順序搜索空間和時間候選塊位置，把第一個搜索到的視差矢量當作最終視差矢量，并終止視差矢量的搜索。這種方法降低了視差矢量的精度，同時按照一定順序搜索也降低了
西安郵電大學學報 2019年6期2019-06-27
- 高分辨率遙感影像DSM的改進半全局匹配生成方法
行代價積聚和最優視差選擇得到最終的匹配結果，這種方法省去了核線影像生成的步驟，可以直接應用于多視影像的匹配中?；谙穹降腟GM匹配算法[13]在影像面上計算代價矩陣，屬于嚴格的逐像素匹配算法。文獻[10]利用衛星影像數據對OSGM和SGM算法的匹配效果進行了對比分析，結果表明基于像方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P2可以根據影像灰度信息自適應調
測繪學報 2018年10期2018-10-26
- 卷積神經網絡雙目視覺路面障礙物檢測
出層，應用于雙目視差評估，取得較好的精度。在障礙物檢測方法中，文獻[9]采用數字高程圖(di-gital elevation model，DEM)的方法實現障礙物檢測，具有較好的魯棒性，但需要對環境進行三維重建，計算復雜，不適合車載計算機實時演算；文獻[10]采用光流法檢測路面運動障礙物，但無法檢測靜止的障礙物；文獻[11]采用V視差法實現障礙物檢測，該方法計算簡單，但在道路信息較少的場景中，道路直線提取會受到干擾，降低了障礙物檢測效果。本文提出一種利用卷
計算機工程與設計 2018年10期2018-10-24
- 一種基于高級驅動輔助系統快速時空立體匹配方法
過圖像點得到全球視差范圍的方法，本文提出了一種新的計算視差范圍的方法。該方法不再通過所有圖像點來求取全局視差范圍，而是根據邊緣點的性質得到。最后，將該方法和STM[4]、SM[5]方法進行了比較，通過比較結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以上方法進行特性的匹配，然后通過關聯方法在連續的圖像之間建立關系。根據視差約束原理，本文提出一種獨立于掃描線的視差約束方法。通過成本函數來度量候選邊緣點之間的相似性。最后利用DP算
網絡安全與數據管理 2018年8期2018-08-27
- 基于雙目視覺的自適應匹配優化方法
6]將局部算法的視差精度提升到了一個新的高度,但由于其能量代價函數的計算過于復雜,該算法的運行時間比較長[7],因此近年來許多學者都對ASW算法進行優化,例如使用稀疏匹配方法[8]、優化能量代價函數[9]和引入隨機游走的樹結構[10]等,在不降低原ASW算法精確度的同時減少程序的運行時間。但這些算法在兼顧匹配精度和運行時間方面存在著一定的缺陷。因此,本文提出一種新的優化算法,在降低算法復雜度的同時引入多項后續處理。1 ASW算法ASW算法依據格式塔理論[1
計算機工程 2018年8期2018-08-17
- 基于梯度域引導濾波的視差精煉迭代算法
算圖像像素點間的視差來獲取景物的三維信息[1].現階段，該技術已廣泛應用于眾多領域，如立體顯示、場景重建[2]、行人檢測等.立體視覺技術主要涉及到攝像機標定、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，其主要目的是通過相應的算法獲取參考圖像與目標圖像之間對應匹配點間的關系，生成相應的視差圖，視差圖中每一個像素點的灰度值代表了該點與對應匹配點間的坐標差信息.現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
天津大學學報(自然科學與工程技術版) 2018年6期2018-05-30
- 測定金屬線膨脹系數實驗中的幾點教學看法
鍵詞：線脹系數；視差；光杠桿金屬線膨脹系數的測量是大學物理實驗中的一個非常重要的實驗，用來反映金屬的尺寸隨溫度的變化規律，在機械和儀表的制造中，影響著材料結構的穩定性和儀表的精度，也是衡量耐火材料的一個重要的性能參量。在金屬線膨脹系數的測量實驗教學中，應該讓學生掌握哪些物理知識和技能呢？對我校的很多工科專業來說，很可能根本用不上線膨脹系數這一參量，比如食品科學和水產養殖專業等，那么就需要挖掘這一實驗中最基礎最根本的物理知識和技能?，F總結出以下三個基礎知識點
科技風 2018年16期2018-05-14
- 基于導向濾波的立體匹配算法
覺中的重要問題，視差圖可廣泛用于三維重建、自動駕駛等三維應用。它的輸入是一對經過圖像矯正的兩幅圖像，輸出是兩幅圖像中場景同名點的視差圖（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，相機參數不同，圖像噪聲以及遮擋和無紋理區域等因素，建立同名點對應成為一個病態問題。如何度量左右圖中的像素點對是場景同名點的成像？為了簡化判斷和加強約束條件，立體匹配過程顯示或隱式的建立在兩點基礎假設上[1]。1、朗伯體表面（Lambertian Surface）
現代計算機 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、測量尺、標桿、距離伸縮尺、觀視筒等組成。大圓盤代表地球的公轉軌道，乒乓球代表地球，紅色燈泡代表太陽，兩個紅色小球代表A星和B星，距離伸縮尺可調節觀察者與星星之間的距離。二、操作說明1.演示地球自轉。逆時針轉動乒乓球就能演示地球自轉的過程。2.演示地球公轉。逆時針轉動大圓盤可演示地球繞太陽公轉的過程。3.演示恒星的周年視差。調節恒星之間的距離，測量恒星的周年視差大小。地球的公轉使觀測
發明與創新·中學生 2018年4期2018-04-17
- 結合最小生成樹的立體匹配算法
能夠得到更精確的視差圖，先運用相對灰度差與Census變換提取特征，以顏色和空間距離為權值建立最小生成樹，以此進行匹配代價聚合，獲得結果視差圖。最小生成樹MST；視差圖；Census變換；相對灰度差1 算法流程校正過左、右圖像之后，先通過相對灰度差匹配和Census變換加權提取特征，再運用最小生成樹進行匹配代價聚合，再濾除壞點視差更新，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 相對灰度差匹配首先，對左、右兩幅圖像進行橫軸方向的sobel邊緣
電子世界 2017年15期2017-08-30
- 基于V-視差的障礙物檢測算法的研究
王玉紅基于V-視差的障礙物檢測算法的研究營口理工學院電氣工程系 李 印 王玉紅本文構建了一種改進的V-視差檢測障礙物的方法。通過在視差圖中采用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。實驗結果顯示，改進的V-視差法能夠檢測具有面特征的障礙物，此算法不會受小面積的局部干擾，也不會誤識別背景的陰影部分。V-視差；障礙物檢測；Hough變換算法當障礙物所在的背景發生變化時，基于雙目立體視覺的V-視差的障礙物檢測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
上，引入一種基于視差平面的局部立體匹配算法ELAS(算法，將該算法與先進的立體匹配算法對比發現，其克服了現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，綜合處理時間和處理效果，表現最好。介紹ELAS算法原理,并分析其存在的問題，針對ELAS算法處理效果不佳的問題，根據視差連續原理，研究改進的ELAS算法，并使用引導濾波器處理視差圖。實驗證明，改進的ELAS算法顯著提高了原算法的效果，而處理時間增加不多，在不考慮實時性的情況下，結合上述濾波器后，處理
湖北工業大學學報 2017年2期2017-06-23
- LASIK術前后近視屈光參差患者立體視的臨床研究
覺檢查圖》檢測零視差、交叉視差及非交叉視差，使用同視機測定遠立體視。結果 術后69例屈光狀態為±1.0 D，裸眼視力≥0.8，雙眼屈光參差≤-0.75 D。術后1個月有62例(89.86%)零視差達正常，與術前比較差異有統計學意義(P屈光參差；立體視；零視差；交叉視差；非交叉視差對以往臨床近視患者調查發現，雙眼屈光參差的出現較為普遍。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。準分子激光原位角膜磨鑲術
寧夏醫學雜志 2017年3期2017-05-18
- 視覺顯著性的自適應權重立體匹配算法
人眼特性，獲得的視差圖與人眼真實感受之間存在一定差異的問題，提出了一種符合人眼視覺特性的自適應權重匹配算法.該算法首先引入視覺顯著性特征，然后對像素權值分配進行改進并提出新的匹配代價度量準則，最后采取左右視差圖融合的方法獲得最終視差圖.相關圖像實驗表明，改進算法很好地解決了遮擋問題，可精確描述邊緣和細節視差；相對于原算法有較大程度的性能提升.立體匹配；自適應權重；顯著性檢測；相似性度量；視差圖融合雙目立體視覺技術[1]突破了計算機“單眼看世界”的局限性，該
中國計量大學學報 2016年4期2017-01-12
- 明末清初太陽視差在中國的傳播
)?明末清初太陽視差在中國的傳播張祺,宋芝業(內蒙古師范大學 科學技術史研究院,內蒙古 呼和浩特010022)明末清初之際，太陽視差傳入中國,并被積極引入官方歷法。從《崇禎歷書》到《歷象考成后編》均對其進行了不同程度的整理與修正,理論層面上已經與西方相差不遠,但由于中國天文學以實用為中心的價值取向,僅將其作為歷法計算的重要參數,未能產生類似于西方的影響。通過對比幾部官方歷法中太陽視差的相關記述,研究清代歷算家對該項知識的3次主要修改,并在此基礎上分析清代歷
西北大學學報（自然科學版） 2016年4期2016-09-27
- 基于分割樹的視差圖修復算法研究
5）基于分割樹的視差圖修復算法研究鄭豫楠（四川大學計算機學院，成都610065）0 引言作為一項重要的研究領域，立體匹配在近十年有了明顯的發展。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(如經典的自適應權重算法[2]）利用局部區域像素的顏色信息和梯度信息進行特征匹配，具有運算速度快、易于實現的優點，但缺點是在無紋理區域算法容易失效。全局
現代計算機 2016年3期2016-09-23
- 基于單應性矩陣的圖像拼接方法的對比分析
應性矩陣無法處理視差，僅使用單應性矩陣來拼接得到的結果將出現鬼影或錯位?！娟P鍵詞】圖像拼接；單應性矩陣；視差；鬼影；錯位【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(國家新聞出版廣電總局廣播電視規劃院，北京 100866)摘要:通過生理感知試驗，研究了雙路立體電視不同視差平面上的立體視銳度。根據試驗結果，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具有更佳的立體視銳度。關鍵詞:立體電視；視差；立體視銳度隨著立體電視的發展和普及
電視技術 2016年6期2016-07-06
- 基于邊緣和像素類型標記的立體匹配算法
，利用邊緣信息及視差在邊緣和非邊緣區域的分布特征，指導有效初始視差在掃描線方向的傳遞。并且根據標記值對部分不可靠的像素點進行反向賦值和邊緣內中值濾波處理，達到視差精化目的。實驗證明這種方法對于整體視差范圍不太大的遠距離圖像，能夠獲得較為精確的稠密視差圖。關鍵詞：邊緣；像素類型標記；視差；立體匹配中圖分類號：TP751文獻標識碼：A收稿日期：2015-02-15基金項目：“十二五”國家科技支撐計劃重大項目“演出呈現關鍵技術研發與應用示范(項目編號：2012B
中國傳媒大學學報(自然科學版) 2015年2期2016-01-05
- 基于Stixel的城市環境立體視覺場景表達
境場景內容，并在視差圖中分割出物體且獲得良好的位置和尺寸估計，非常有利于基于視覺的輔助駕駛和導航。然而傳統的Stixel 直接以地面開始的視差值為Stixel的整體視差，容易受錯誤視差的影響，也沒有考慮到左右視差棒之間的關系。本文提出采用動態規劃技術，增加了Stixel 視差計算過程，獲得了更好構建效果。1 Stixel算法設計1.1 流程設計基于雙目視覺的Stixel 構建算法流程圖如圖1所示。圖1 基于雙目視覺的Stixel 構建算法流程圖圖1中先將輸
杭州電子科技大學學報(自然科學版) 2015年4期2015-12-02
- 從雙視圖到多視圖的協同優化立體視覺匹配算法
法進行求導，獲得視差圖.Xu等［7］提出優化局部自適應算法，求解圖像對視差.上述算法都是基于局部算法求解視差，但這類算法對圖像噪聲較敏感，對重復紋理區域、遮擋區域和視差不連續區域等往往匹配效果不理想，錯誤匹配率較高.在此基礎上，很多計算機視覺研究專家提出基于全局約束算法，對整個圖像數據信息進行計算，這樣降低對局部區域敏感度，解決重復紋理的影響，同時，也可以求解視差不連續區域，最終達到全局最優解.基于全局優化算法的本質是把匹配問題轉化為求解能量函數，然后，通
華僑大學學報（自然科學版） 2015年3期2015-11-19
- 基于差異的視差估計方法研究
03)基于差異的視差估計方法研究高 強，盧云朋，楊紅葉(華北電力大學 電氣與電子工程學院，河北 保定 071003)視差估計在立體圖像編碼、視頻檢索、立體圖像分割等領域有重要的應用，是進行圖像、視頻分析的基礎。首先，基于模糊隸屬度提出了一種基于差異的視差估計方法；其次，引入模糊隸屬度，把圖像灰度轉換為差異值；然后，分析了多塊匹配的優越性；提出了基于多塊匹配的視差估計方法；最后，在Middlebury網站上的測試結果證明了該方法的有效性。視差；隸屬度；立體；
電視技術 2015年3期2015-10-15
- 儀器及裝置基于雙目視覺的標志點定位系統硬件設計
： 雙目視覺； 視差； 三維坐標； 硬件系統中圖分類號： TN 29文獻標志碼： 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
光學儀器 2015年2期2015-05-20
- 基于廣度優先視差優化的雙目立體匹配
5）基于廣度優先視差優化的雙目立體匹配吳志偉（四川大學計算機學院，成都 610065）雙目立體匹配屬于三維重建的重要環節，匹配所獲得的視差圖很大程度上影響著模型的重建質量。在原有局部特征的雙目立體匹配算法的基礎上，提出一種基于廣度優先搜索的視差優化后處理方法；在左右一致性檢測之后添加視差優化過程，結合局部特征的雙目立體匹配算法，計算出的視差準確率有進一步的提升。使用通用計算進行并行優化，提高實時三維重建的精度。雙目立體匹配；視差優化；廣度優先搜索0 引言三
現代計算機 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、動態規劃、視差優化等策略對立體像對進行逐像素匹配，確定立體像對像素間的一一對應關系。實驗結果表明，本文算法對紋理貧乏、有遮擋區域影像仍可以生成精確稠密的視差圖?；バ畔?；立體匹配；動態規劃；視差圖1 引 言三維重建在醫學、虛擬現實、地質學等很多方面都有重要的作用。通過匹配方法生成大量的密集匹配點是三維重建的關鍵技術之一。立體匹配是在不同視點的條件下，獲取同一場景的兩幅或多幅圖像，通過尋找同一空間景物在投影圖像中像素點的一一對應關系，得到視差圖和深度信息
測繪科學與工程 2015年2期2015-04-20
- 基于直方圖對無損數據隱藏的立體圖像編碼
大部分工作集中在視差估計方面.視差就是從有一定距離的兩個點上觀察同一個目標所產生的方向差異，在本方面的研究中，被看做一張圖像中的一個點與另一張圖像中對應點之間偏移的像素距離.利用視差估計，可以對立體圖像進行編碼.基于無損數據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圖（右圖），利用圖像間的相關性和視差估計，將非參照圖（左圖）有損壓縮后，無損嵌入到參照圖中.由此可以只存儲和傳輸一張圖像，且保持了圖像的可見性，節省了頻帶，便于管理.由于在壓縮相關
同濟大學學報（自然科學版） 2015年8期2015-04-16
- 基于區域分割的動態規劃立體匹配算法
和區域內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。實驗結果表明，該算法能夠取得較為理想的效果，視差圖橫向“條紋”瑕疵和邊界區域上的誤匹配點明顯減少，層次更加分明，整個視差圖平滑性較好，匹配效率有了顯著提高。視差圖；動態規劃；立體匹配；區域分割立體視覺技術是人們通過研究生物捕獲三維空間信息的視覺系統而發展起來的一門重要的 3D顯示技術，即通過借助多方位地拍攝目標圖像，并合成目標的深度視差信息，以完成空間目標的立體場景信息重建[1]。立體匹配就是從
圖學學報 2015年1期2015-03-15
- 視差對測角精度影響探討
的裝調誤差會引起視差的存在，使得觀察者眼瞳在儀器出瞳不同位置瞄準時會得到不同的結果，給測量精度帶來比較大的影響。通過對儀器出瞳和眼瞳之間關系的計算分析可以發現，瞄準誤差不僅與儀器視差量有關，而且與眼瞳放置位置、瞳孔直徑大小和光學儀器的視角放大率有關。通過實際測量對比驗證了視差對測量精度的影響分析。結果表明，隨著眼睛偏離出瞳中心越遠，瞄準誤差也就越大。關鍵詞： 視差； 眼瞳； 測角； 精度中圖分類號： TH 74文獻標志碼： Adoi： 10.3969/j.
光學儀器 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。全局算法通常不進行聚集操作，而是在初步得到視差值后，最小化一個包含數據項和平滑項的全局代價函數，不同算法間的主要區別在于使用的尋找最小值過程。其中基于動態規劃的算法，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，主要是基于場景分段平滑性假設，根據色
成都信息工程大學學報 2015年2期2015-01-05
- 基于雙目視覺的障礙物檢測算法
的特點，通過計算視差圖獲取距離等大量信息。近年來，通過計算U－視差、V－視差的方法在雙目視覺的障礙物檢測中獲得了廣泛的關注。文獻［5－7］采用基于雙目視覺的U－V視差障礙物檢測，先在V－視差圖中檢測出道路相關線，再結合U－視差圖對障礙物進行相應的檢測，取得了較好的檢測效果。但在汽車前方障礙物占圖像寬度比例相對較大的情況下，該類方法出現較大的誤檢測，同時對雙目攝像機的傾斜角較為敏感［8］，限制了該類方法的應用場合。為了在各種道路場景中更有效和實時地檢測障礙物
電視技術 2014年5期2014-11-20
- 基于前景檢測的視差優化算法
覺三維測量是基于視差原理，而視差是根據兩特征匹配點的相對位置獲得的。根據采用優化方法的不同，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，國內的研究現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行研究，同時針對遮擋的問題、弱紋理問題也進行了討論[1]。在國際上主要是基于顏色分割，進行全局立體匹配，在局部立體匹配方面，在聚合上采用了自適應的權值進行聚合匹配能量，同時也采用多窗體、自適應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
- 立體視差調整的快速估計方法
00072)立體視差調整的快速估計方法岳 斌，侯春萍(天津大學電子信息工程學院，天津 300072)立體圖像的視差調整多用于會聚調節和視差校正．為準確地計算出立體圖像視差調整量的取值范圍，建立了立體視差調整的快速估計方法．算法首先將人類立體視覺的Panum融合區應用于立體顯示空間，給出計算立體顯示屏幕Panum融合區的方法，然后推導出立體顯示屏幕Panum融合區對視差調整量的限定，最后通過對立體圖像深度線索的稀疏匹配快速估計出Panum融合區限定下視差調整
天津大學學報(自然科學與工程技術版) 2013年7期2013-06-01
- 基于光柵的一維集成成像立體顯示
具有連續視點、全視差、無視疲勞以及無需輔助設備等優點從而受到各國的廣泛關注［2］。但是，集成成像本身也存在一些缺點與不足，例如:在記錄和再現過程中存在著空間深度反轉、難以實現高分辨率、再現的三維立體場景視角窄等［3－5］。為了克服這些問題，研究人員提出了許多解決方法。通過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］。筆者詳細描述了采用一維光柵的一維集成成像工作原理和參數計算
吉林大學學報（工學版） 2013年1期2013-04-03
- 視差可控的多視點立體圖像校正算法
礎上，提出了一種視差可控的多視點立體圖像校正算法，該算法具有實現簡單快速的特點，非常適合實時系統，并且該算法可對目標物體實現正視差、負視差和零視差的調節。實驗表明，該算法可很好的支持8視點立體顯示系統中的圖像實時校正，并且對目標物體可以根據需要進行立體感調節。1 立體圖像校正1.1 立體攝像機模型如圖1所示建立雙目立體顯示的模型，。立體攝像機的左、右攝像機分別為Cl、Cr。P點為目標物體上的任意點，左右成像平面為 Left和Right。圖1 雙目攝像機模型
吉林大學學報（工學版） 2013年1期2013-04-03
- 基于視差區域分割的動態規劃立體匹配算法改進
值E(d)最小的視差值。然而使當前點全局能量函數最小的視差值，并不一定就是使整條掃描線全局能量函數總和最小的視差值，因此這樣做會導致一些有用信息丟失，甚至有可能會出現連續誤匹配的現象。本文針對傳統DP算法存在的問題，對立體匹配初始代價求取、路徑尋徑及回溯加以改進。在初始代價求取階段，提出了一種改進的變窗口能量聚集法，該方法通過獲取場景的視差變化區域與視差連續區域的位置信息，從而使像素點在能量聚合時能夠根據視差變化自適應地調整聚合窗口的大小，使能量聚合方式更
圖學學報 2013年2期2013-03-21
- 基于小基高比的快速立體匹配方法
圖像來獲得對應點視差，然后根據三角測量原理計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。根據文獻[1]的分類標準，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，由于自適應權重[2-4]及其快速實現[5-7]的提出使局部算法具有了較高的匹配準確率和匹配效率。在全局立體匹配方法中，由于動態規劃(Dynamic Programming)[8]、置信傳播(Belie
電子與信息學報 2012年3期2012-09-19
- 靜態立體圖視差圖形與立體視銳度相關關系探討
顏色、視野、以及視差圖形等［1～3］。我們通過改變受試者隨機點立體視檢查中視差圖形的面積、周長，探討不同視差圖形與立體視銳度的關系，為立體視銳度檢測及立體視檢查圖片制作提供依據。1 對象與方法1.1 受試對象 選擇具有正常立體視(隨機點立體視檢測立體視銳度 ＜60秒角)［4］者32例(志愿者)，其中男16例，女16例;年齡9～12歲。無色覺異常及視野缺陷，矯正后的遠、近視力(托品酰胺充分散瞳)均＞1.0，屈光參差≤2.00度，無斜視或隱斜＜5個三棱鏡度，無
山東醫藥 2011年26期2011-04-13