论文部分内容阅读
基于立体视觉的深度感知技术,工作原理是获得场景中不同位置图像中的映射点所对应的视差关系,结合相机标定参数获得该空间点的深度信息。深度感知技术作为一种智能视觉测量技术,已经成为计算机视觉的研究热点。经过几十年的研究与发展,立体视觉、运动估计、三维信息测量和三维表面重建技术,已成功应用于工业界,市面上已有许多成型的产品。本文使用立体视觉的深度信息测量方法,借助廉价的实验设备,实现了运动目标的深度信息提取系统。论文的主要研究工作如下:1、介绍了运动目标信息的获取方法,并整合了一种运动前景分割算法:首先使用混合高斯模型检测出初始运动(前景)目标,然后整合了基于纹理特征与色度特征的阴影检测策略,检测并去除前景中的阴影像素点,得到准确的前景目标,最后结合跟踪算法确定运动目标的完整信息。2、介绍了立体视觉的基本理论,包括相机成像模型及坐标系转换关系、立体视觉的深度信息恢复模型、对极几何原理以及立体匹配中的基本约束关系。研究并实现了双目相机参数标定算法,包括单目相机参数标定(求解相机内参数)、立体相机参数标定(求解相机外参数)和立体图像校正。3、研究了一种基于多特征融合与代价修正的视差计算方法,并研究了基于置信度策略的视差优化方法。计算匹配代价:本文采用两阶段求解策略计算初始代价体:首先组合多种特征计算初始匹配代价,通过加权融合方式计算得到初始代价体;然后使用特征点代价来修正初始代价体,提高计算精度。初始视差计算:基于物体边缘特征和像素灰度特征,使用贪婪算法构建稳定的最小权重生成树结构,进行匹配代价聚合优化以求取像素点初始视差。视差优化:基于最小生成树结构进行置信度聚合与传播来修正错误的视差,得到精确的视差值。4、介绍了多尺度策略与倾斜面优化匹配算法,研究了一种基于平面参数估计与多尺度的立体匹配方法。通过构建视差平面参数模型与初始化,使用多尺度策略计算匹配代价,利用随机搜索算法优化视差模型参数,得到像素点最优视差。5、研究了运动目标深度提取方法,设计了基于双目视觉的运动目标深度信息提取技术系统,包括平行双目采集设备和计算机处理软件两部分。基于MFC设计的UI界面,用户可以方面的运行系统软件,得到运动目标的深度信息。