论文部分内容阅读
深度估计是计算机视觉领域关注的重点之一。与人类视觉对于物体深度的感知能力类似,计算机视觉可以通过图像纹理和多视几何原理计算场景中点到相机平面的距离,也就是场景的深度信息。深度信息能够有效反应场景的三维状态,随着移动机器人、自动驾驶等相关领域的不断发展,深度估计的的实时性研究得到了学术界和工业界的广泛关注。本文利用三角网格表达的高效性,设计并实现了能够快速处理高分辨率图像的双目深度估计算法。该算法采用物体边缘诱导、网格平面拟合等方式提高网格精度,并通过构造贝叶斯生成模型得到稠密视差图完成深度估计。同时本文还实现了一个基于移动平台的深度估计系统。本文所完成的主要工作如下:1)双目匹配支持点提取与并行三角剖分。针对当前立体匹配算法处理高分辨率图像的低效问题,本文利用三角网格的高效性辅助匹配提高效率。本文通过图像的间隔提取候选点,并利用快速的Sobel算子结合左右一致性约束、模糊匹配约束对候选点进行筛选,得到较为鲁棒的双目匹配支持点;然后通过区域重叠的分治三角剖分方法对支持点进行三角剖分,从而快速构造图像的初始三角网格,为后续步骤奠定基础。2)基于边缘约束的二维网格优化。针对三角网格在物体边缘上误差较大的问题,本文研究三角网格与物体边缘的关系,利用三角网格中各个面片的法向、区域颜色复杂度、最大梯度强度等信息构造代价函数,结合MRF置信传递思想对各个三角面片是否跨越物体边缘进行判断,筛选出跨越物体边的三角网格。然后,通过最小影响域下的三角网格约束算法快速调整网格,使得网格对环境轮廓的描述更加精准。3)基于多平面拟合的三维网格优化与局部插值算法。针对网格顶点的误匹配问题,本文提出了一种基于三角网格的多平面拟合算法对网格中一些弱纹理平面中的误匹配点进行优化。该算法充分利用了三角网格的结构特点和提取到的物体边缘先验,使拟合的平面沿着邻边向外对3D点进行扩展,该算法较传统平面拟合方法速度更快。然后通过贝叶斯生成模型对结构鲁棒的三角网格进行插值得到稠密深度图。4)基于移动平台的深度估计实验系统,本文将算法在移动平台上并行化并自主搭建了一个机器人平台系统。本文对算法的三角剖分、像素操作和三角面片操作部分进行了并行优化,让系统能够在移动平台上实时运行。综上所述,本文在一组可以稳健匹配的支持点上生成三角网格来建立视差的先验;然后通过对三角面片信息的分析和建模提取物体边缘先验信息;而后基于边缘进行二维网格结构的动态调整和三维网格深度的优化,以应对遮挡边界及弱纹理平面带来的问题;最后通过设计的局部插值方法得到稠密深度图。本文所提出的算法能够有效减少视差搜索空间,并高效的处理高分辨率图像。此外,该算法能够快速确定视差范围,容易实现并行化,这对算法在移动平台上的实时运行上具有重要意义。