论文部分内容阅读
深度信息提取是计算机视觉领域中的重要研究内容。随着全向成像技术的快速发展,基于折反射全向图像的深度信息提取已逐渐成为新的研究热点,可广泛应用于大范围场景三维重建、机器人导航、目标检测与跟踪等多种场合。折反射全向图像不同于透视图像,图像中物体存在严重变形,导致传统的针对透视图像的深度信息提取方法已不能很好适用。同时,根据折反射镜面与成像感应器组合关系的不同,全向成像系统也具有不同的形式,需要针对特定的成像系统结构研究对应的深度提取方法。为此,通过分析现有方法存在的问题,挖掘全向图像的特点,本文以三种具有代表性的全向成像系统为对象,分别研究相应的折反射全向图像深度信息提取方法。主要工作包括:1.折反射全向成像及相关技术分析。从折反射全向成像的原理和相关概念入手,详细分析了折反射全向成像的研究现状,对折反射全向成像系统进行了较为全面的分类综述。研究了全向图像的柱面展开、透视展开及成像系统标定等与深度信息提取密切相关的技术和方法,并重点分析了基于全向图像进行深度信息提取的基本原理和现有研究成果,特别是纳入了现有综述文献中普遍没有涉及的、基于单幅全向图像的深度信息提取方法。2.基于单视点全向立体图像对的深度信息提取。单视点折反射全向图像具有良好的特性,可依据成像模型展开为柱面全景图或无畸变的透视图,进而可直接利用传统图像处理方法进行处理。因此,基于立体视觉原理,对两幅在不同位置拍摄的单视点全向图像进行立体匹配是一种直接且有效的深度信息提取方法。本文重点研究了该方法中的两个关键问题——全向图像的校正和立体匹配算法。首先设计了一种单视点全向成像系统,并利用该成像系统的移动来获取全向立体图像对。其次,在全向图像校正问题上,考虑全向图像特点以及图像校正“重采样效应”,提出了基于最大化极线采样的全向图像校正方法,以最大限度地对源图像采样。最后,在立体匹配问题上,通过分析图像中的视差跳变及区域遮挡规律,提出了基于区域边界约束和图割优化的方法,利用区域边界像素间的颜色一致性及视差平滑性构建能量函数,在速度和效果上取得了较好平衡。3.基于非单视点全向立体图像对的深度信息提取。理想的单视点全向成像系统对装置的加工和安装具有严格的精度要求,实现代价较高。同时,单视点约束限制了反射镜面和成像感应器之间的组合关系,使得实际中只有几种可用的单视点全向成像系统结构。为此,提出了一种基于非单视点全向立体图像对的深度信息提取方法。首先设计了一种双反射镜面-单相机上下同轴结构的非单视点折反射全向立体成像系统,用于一次性获取具有良好极线约束的立体图像对。而后,结合非单视点全向图像的成像特点,提出用基于场景深度层次划分的方法来构建立体匹配模型,并对模型中的像素邻域关系、深度平滑性约束和遮挡约束进行改进。4.基于单幅非单视点全向图像的深度信息提取。分析了基于单幅非单视点全向图像重建空间直线的原理,重点研究了基于单幅非单视点全向图像重建空间水平直线的两个关键问题——全向图中水平直线像的检测和水平直线重建算法。在像的检测方面,通过分析空间水平直线全向成像的特点和规律,对全向hough变换算法进行改进。在直线重建问题上,针对现有“四点定位”方法的不足,提出了一种基于“主像点/非主像点”的重建算法,并详细分析了像点提取精度对直线重建结果的影响。实验表明,该方法可适用于室内环境、城市街道等直线特征丰富的非自然场景的深度信息获取。