论文部分内容阅读
随着现代科技的发展,特别是计算机技术的迅猛进步,如何使机器实现人类的视觉功能已成为科学家面临的一个极富有挑战的研究课题.机器智能体一旦被赋予了视觉感知能力,其应用范围必将极大地拓展,工作性能也会成倍地提高.立体匹配问题是计算机视觉中的一个基本问题,也是图像处理中最重要的问题之一,现正广泛应用于不同的计算机视觉处理任务中,如离散运动估计、3D场景重构、目标识别、摄像机自标定和视觉伺服等.
本文在对现有立体匹配方法进行详细综述的基础上,提出了基于几何约束的立体匹配方法,即在特征提取的基础上,充分利用和挖掘对极约束和同形映射约束的几何特性,实现曲面场景的立体匹配.在匹配过程中,不需要引入场景相关约束.具体研究工作包括以下几个方面:
(1) 在对现有立体匹配方法进行详细综述的基础上,把同形映射引入到曲面场景的立体匹配问题中,用同形映射取代传统的假设,和对极几何约束一起作为本文立体匹配算法的基本研究手段.不同于传统的假设通过寻找图像中相邻或相近区域灰度相似的点来实现匹配,本文将同形映射用于匹配的近似映射中,是通过寻找空间位置关系接近的点来完成特征角点的匹配,克服了使用传统假设的立体匹配方法容易受到场景各方面的影响的缺点.
(2) 详细介绍了对极约束关系、基础矩阵估计方法和同形映射关系,在分析对极约束处理匹配问题的不确定性的基础上,提出了联合对极约束和同形约束这两种几何约束处理匹配问题的算法,并详细阐述了算法的四个核心部分:特征提取、初始匹配的建立、Delaunay三角形划分和同形矩阵估计.针对本义提出的算法,分析误差来源,将误差分为代数误差和几何误差两大类,总结出代数误差由计算相关的因素产生,而几何误差是由场景相关的因素产生,并分别通过仿真实验定量定性地分析了误差的影响和相互关系,最后基于误差分析结果,提出了利用条件数可以减小代数误差,并用实验证明.
(3) 在分析同形矩阵在匹配过程中出现的降阶情况的基础上,针对匹配算法的效率问题,提出了一种几何约束下的快速匹配算法,即采用面积检测(或称为区域检测)方法避免降阶情况的发生,相比于矩阵的条件数检测,区域检测方法的检测手段简单,结果直观有效.同时,由于在整个匹配过程中引入同形矩阵和基础矩阵的一致性约束,从而在提高算法速度的同时,极大地改善了匹配的准确度.实验证明上述算法能够很快地找到参考平面,进而完成匹配,算法不需要迭代、速度快、实用性强.
(4)针对匹配过程中容易出现误匹配导致误差传播的问题,提出了一种几何约束下的误匹配检测算法,即利用同形约束去除对极线上匹配的模糊性的同时,提出概率筛选规则和对称优化两种策略,去除同形矩阵对场景特征点的近似映射过程中产生的误匹配,仿真实验和真实图像数据实验结果证明,相比于现有的误匹配检测算法,该方法不需要引入更多图像,而且没有使用任何图像本身的特征信息,如匹配窗口灰度或纹理等,能够在匹配的过程中进行实时的误匹配检测,且能达到较好的检测结果.
(5)在介绍图像坐标系、摄像机坐标系和世界坐标系三大坐标系的基础上,给出了几何约束下匹配方法的两个性能评价指标,通过建立仿真平台,对两种曲面体进行仿真实验,分析场景的深度或场景距离摄像机的远近和特征点的稀疏度对匹配结果的影响.