论文部分内容阅读
立体视觉是机器视觉的一个重要研究领域。相对单目视觉而言,立体视觉能获取更多的信息,因此立体视觉的应用范围更广。近年来,立体视觉被广泛应用到障碍物检测、虚拟现实、机器人导航等多个领域,其中障碍物检测功能可应用到智能车辆导航系统中,对智能车辆驾驶和移动机器人的进一步开发具有很大的意义。本文以障碍物检测为目标,对立体视觉中的关键技术(匹配过程)进行了深入研究,分别研究了基于特征点的稀疏匹配和基于置信传播的稠密匹配。针对如何通过立体视觉技术检测出前方障碍物,本文的研究内容及创新点主要包括以下几个方面:1.基于局部鲁棒特征描述的立体匹配。论文针对SURF (Speed Up Robust Feature)算法匹配速度不高的问题,提出了一种基于局部鲁棒特征描述的立体匹配方法,该方法结合了SURF在特征提取上的鲁棒性和DAISY在局部特征描述上的快速性。进而针对DAISY的高维特点,采用随机KD树对其进行匹配。通过实验验证,该方法相比SURF在速度上有了较大提高。2.改进的基于置信传播的稠密匹配。针对已有匹配算法耗时较长的问题,首先构造了一种基于颜色分量的加权平均差函数计算图像的初始视差图,相比于SAD(Sum Absolute Differences,绝对差值和),本文构造的函数计算量更小,速度更快。随后提出了结合颜色分割的置信传播方法对视差图进行优化处理。实验结果表明,所提方法在获得与已有方法类似效果的同时,匹配速度有较大提高3.障碍物检测。首先通过第四章得到的稠密视差图生成V-视差图,再对所得到的V-视差图进行Hough直线拟合提取,再根据障碍物平面在V-视差中的表现形式,最后通过分析V-视差图中的直线进行障碍物检测。图33幅,表3个,参考文献59篇。