论文部分内容阅读
双目立体视觉在人工智能领域研究中占有重要的地位，是计算机视觉研究中的一个重要分支，广泛应用于机器人导航、视频监控、医药诊断、军事侦察和无人驾驶等领域。双目立体匹配模拟人类双眼看到事物在大脑中进行信息处理的原理，利用像素匹配方法确定双目相机获取的左右两目图像中各像素间的对应关系，计算三维空间中的深度信息，最终通过图像的角度、颜色、边缘特征等信息把物体的平面图像还原成三维立体场景，以达到从平面到立体的逆向建模效果。
本文主要从算法设计与递归实现两方面着手对实时双目立体匹配问题展开研究，一方面对具有较低算法复杂度且具备较高匹配质量的双目立体匹配算法展开研究和改进；另一方面对所提出的算法进行递归实现，达到有效解决实时双目立体匹配的目的。主要研究内容如下：
首先，本文研究了双目立体匹配的基本理论，对不同的立体匹配方法进行了对比分析，总结各种算法的优缺点，明确需要改进的地方。
然后，在双边滤波自适应权重算法的基础上，通过增加边界强度项，提出了一种新的三边滤波自适应权重的双目立体匹配算法，通过局部能量模型计算相邻像素之间的边界强度来提高匹配精度。受到递归滤波匹配速率高的启发，将递归边缘保持滤波器技术引入到代价聚合过程中，使其成为一种具有常数算法复杂度的聚合方法，很大程度上降低了匹配算法的运行时间，大大提高了立体匹配的速度，满足了双目立体匹配实时性的需求。
最后，在Middlebury基准测试集上进行实验，并与其他立体匹配算法进行比较，从匹配精度、匹配效率、算法复杂度等方面进行定量评测，实验结果表明本文所提算法的平均误匹配率为4.91％，匹配精度高于同类型双目立体匹配算法，平均匹配速度达到258ms，满足了双目立体匹配实时性的需求。
本文严格按照双目立体匹配步骤，从相机成像模型到最终视差优化等步骤，对实时双目立体匹配问题进行了深入的研究，最终提出递归三边滤波的自适应权重立体匹配算法，提高了立体匹配的精度与匹配速度，满足了双目视觉精确性和实时性的要求。本文的研究成果在基于通用PC平台的实时双目视觉的应用领域有着广泛的应用前景。
本文主要从算法设计与递归实现两方面着手对实时双目立体匹配问题展开研究，一方面对具有较低算法复杂度且具备较高匹配质量的双目立体匹配算法展开研究和改进；另一方面对所提出的算法进行递归实现，达到有效解决实时双目立体匹配的目的。主要研究内容如下：
首先，本文研究了双目立体匹配的基本理论，对不同的立体匹配方法进行了对比分析，总结各种算法的优缺点，明确需要改进的地方。
然后，在双边滤波自适应权重算法的基础上，通过增加边界强度项，提出了一种新的三边滤波自适应权重的双目立体匹配算法，通过局部能量模型计算相邻像素之间的边界强度来提高匹配精度。受到递归滤波匹配速率高的启发，将递归边缘保持滤波器技术引入到代价聚合过程中，使其成为一种具有常数算法复杂度的聚合方法，很大程度上降低了匹配算法的运行时间，大大提高了立体匹配的速度，满足了双目立体匹配实时性的需求。
最后，在Middlebury基准测试集上进行实验，并与其他立体匹配算法进行比较，从匹配精度、匹配效率、算法复杂度等方面进行定量评测，实验结果表明本文所提算法的平均误匹配率为4.91％，匹配精度高于同类型双目立体匹配算法，平均匹配速度达到258ms，满足了双目立体匹配实时性的需求。
本文严格按照双目立体匹配步骤，从相机成像模型到最终视差优化等步骤，对实时双目立体匹配问题进行了深入的研究，最终提出递归三边滤波的自适应权重立体匹配算法，提高了立体匹配的精度与匹配速度，满足了双目视觉精确性和实时性的要求。本文的研究成果在基于通用PC平台的实时双目视觉的应用领域有着广泛的应用前景。