首先，本文对立体视觉中对最基础的立体匹配问题作了深入的研究。详细介绍了立体匹配的理论基础以及算法的四大关键要素，在此基础上，本文介绍了三类常见的立体匹配算法：基于灰度的匹配，基于特征的匹配和基于频域变换的匹配，详细介绍了每类算法的基本原理算法特性和优缺点。其次，本文介绍了立体视觉中的难点，标定问题。基于对相机模型的介绍，本文介绍了如何标定相机的内部参数和外部参数，也就是称为相机标定的过程。通过相机标定的过程，我们就可以从二维图像信息中计算出特征点的真实三维坐标，从而解决了单目相机在客流检测中目标互相遮挡的难题。再次，本文介绍了Mean Shift的基本理论和算法，采用了一种基于Mean Shift理论的模式聚类算法从而成功的实现了对获取的三维点集进行模式聚类。最后，通过在大量采集的样本图片上的实验，证明了本系统具有很高的识别率以及良好的抗干扰能力。 dvi画面分割器2. Real-Time Stereoscopic Image generation from Depth Map and its Hardware Design
双眼看到一个物体的时候，该物体在左右眼中会有位移，而这个位移就为视差。物体越远视差越小，反之视差越大，因为时差的原因我们产生了立体深度的感觉。因为我们可以利用一些将一张2D的影像产生出虚拟的双眼立体影像，例如DIBR (depth-image-based rendering)利用原始的2D影响深度虚拟立体摄像机的设置来产生一组有时差的立体影像。但由于我们产生的过程中，变动了影像内物体的位置，造成影像中有空洞的问题，这样的立体影像是无法观看的，为此我们必须利用影像填补（image inpainting）的方法将空洞填补起来。我们使用DIBR的演算法来产生双眼影像，在使用简化的影像来填补算法填补产生的空洞。由于硬件设计和速度的考量，我们简化了填补算法，虽然造成了填补效果的下降，但是仍然在可以接受的范围内，由于影像结构的关系，常常为了减少几块的空洞区域而而要重复扫描整张影像，为了提升计算的速度，将整张影像分段处理，每次只处理几行，将计算时间分散，使计算时间较整张处理的方式提升了约转子动平衡50%。
3. 基于对应点的双目视觉研究
双目视觉研究是计算机视觉研究中最为活跃的分支之一，主要包括摄像机标定，图像采集，特征提取，立体匹配，深度计算及深度信息内插六部分内容。其中，特征提取和立体匹配是核心部分，本文以这两部分作为重点研究内容，主要包括：
第一，基于双CCD摄像机，重点讨论了几种常用的坐标系及其各个坐标系的转换关心，给出了光轴平行的双目视觉摄像机模型。
第二，在图像的特征提取方面，本文对freeman链码角点检测方法和面积比角点检测方法进行了比较研究，提出了一种改进的面积比焦点检测方法。该方法与改进前相比，在保证角点检测效果不变的情况下提高了角点检测的实时性。
第三，借助相关法计算两幅图像中目标相似度，以实现图像的立体匹配。将目标几何形状的角点作为对应点，结合对应点的外极线约束条件，提出一种有效地对应点匹配算法，再次基础上，利用对应点的视差计算基于双CCD成像的目标深度信息。
4. 双目视觉变焦测距技术
双目视觉测距是根据视差原理,将三维空间求深度信息的问题转化成二维空间求视差.提出一种改进的变焦测距方案,使得传统双目视觉测距系统的测量范围得到更好的延展性,测量精度有了更好的自适应性.提出测距系统的"灵敏度"定义,它是决定系统有效量程和测量精度的重要指标.根据灵敏度函数的具体标定,提出自适应的变焦测距策略,在实际的测量应用测试中已收到较好的效果.
5.基于双目计算机视觉的自适应识别算法及其监控应用
双目摄像头是利用仿生学原理，通过标定后的双摄像头得到同步曝光图像，然后计算获取的2维图像像素点的第三维深度信息。为了对不同的环境场合进行监控提出了一种新的基于双目计算机视觉的自适应识别算法。该算法首先利用像素点的深度信息对场景进行识别判断，然后采用统计的方法为场景建模，并通过时间滤波克服光照渐变，以及通过深度算法特性克服光照突变。与单摄像头相比，利用该算法实现的视频监控原理系统，可应用于更多场合，并利用深度信息设置报警级别，来降低误检率。
6.一种基于立体视觉的公交车客流计数方法
为了能实时地采集到公交系统中的客流量隧道隔音降噪施工,提出了一种基于双目立体视觉的客流计数方法。该方法由3部分组成:运动目标检测,标记,匹配与计数。目标检测是计数问题的核心,该方法首先利用行帧差法检测可能的运动目标我爱北京敏感词,然后基于视差分析判断可能目标的真伪。通过模拟环境和实际公交车环境的测试表明,关闭起重装置该方法现场计数准确率达到92%以上,并有效克服了因计数场景中光线突变、阴影对计数准确率的影响。
7. Depth estimation from retinal disparity requires eye and head orientation signals
为获得一物体信息我们需要知道该物体为中心的距离，即绝对距离。我们设计以双目3D眼镜方向的几何模型并调查所需的信号来唯一确定的一个自然的眼睛和头部的方向变化的非漏斗形物体的深度。设计的模型表明，在具有噪音的眼部辐辏角的内部估计，仅横向和纵向的视网膜的差距不足以计算出一个点状目标的唯一深度。相反，大脑必须考虑的眼睛和头部的三维方向。我们测试中，涉及深入的目标达到一个行为实验模型。我们的分析表明，具有相同的视网膜视差的目标达到的深度不同的估计，用不同的眼睛和头部的方向一致，不同的。实验结果表明，受试者准确地为这个外部视网膜的信息当这些信号到达。综上所述，估计点状目标的距离时，对象的位置，以及车身配置所有可用的信号相结合，可以提供有关对象的距离，准确的信息。
8.双目立体视觉智能视频分析技术
恢复场景的3D信息是立体视觉研究中最基本的目标，为实现这一目标，一个完整的立体视觉系统通常包含六个模块：图像获取、摄像机标定、特征提取、立体匹配、三维恢复和视频分析（运动检测、运动跟踪、规则判断、报警处理）。图像获取，数字图像的获取是立体视觉的信息来源。常用的立体视觉图像一般为双目图像，有的采用多目图像。图像获取
的方式有多种，主要由具体运用的场合和目的决定。立体图像的获取不仅要满足应用要求，而且要考虑视点差异、光照条件、摄像机性能和场景特点等方面的影响。立体视觉系统摄像机标定是指对三维场景中对象点在左右摄像机图像平面上的坐标位置al(ul，vl)、ar(ur，vr)与其世界空间坐标A(X，Y，Z)之间的映射关系的确立，是实现立体视觉三维模型重构中基本且关键的一步。特征提取的目的是要获取匹配赖以进行的图像特征，图像特征的性质与图像匹配的方法选择有着密切的联系。一般而言，尺度较大的图像特征蕴含较多的图像信息，且特征本身的数目较少，匹配效率高；但特征的提取和描述过程存在较大的困难，定位精度也较差。而对于尺度较小的图像特征来说，对其进行表达和描述相对简单，定位精度较高；但由于其本身数目较多，所包含的图像信息少，在匹配时需要采用较严格的约束条件和匹配策略，以尽可能地减少匹配歧义和提高匹配效率。总的来说，好的匹配特征应该具有要可区分性、不变性、唯一性以及有效解决匹配歧义的能力。图像匹配是立体视觉中最重要也是最困难的问题，一直是立体视觉研究的焦点。当空间三维场景经过透视投影（Perspective Projection）变换为二维图像时，同一景物在不同视点的摄像机图像平面上的成像会发生不同程度的扭曲和变形，而且场景中的光照条件、被测对象的几何形状和表面特性、噪声干扰和畸变、摄像机特性等诸多因素的影响都被集中体现在单一
的图像灰度值中。显然，要对包含了如此之多不利因素的图像进行准确匹配是很不容易的。在完成立体视觉系统的摄像机标定和图像匹配工作以后，就可以进行被测对象表面点的三维信息恢复。影响三维测量精度的因素主要有摄像机标定误差、CCD成像设备的数字量化效应、特征提取和匹配定位精度等。通过视差计算，得到全屏幕的视差图像后，采用背景建模的方式，得到运动前景物体的视差图像，再进行膨胀和腐蚀算法进行图像预处理，得到完整的可供分析的前景运动物体视差图。采用运动跟踪算法，全屏实时检测物体的大小、运动轨迹，并与事先设置的规则进行对比，如果有人进入或离开设置报警区域，系统则实时报警。
9.空中目标的双目立体视觉测量
基于立体视觉原理的立体视差测距方法是进行三维测量，获取三维场景距离信息的重要方法。随着计算机视觉技术的不断发展，立体视觉传感器得到越来越广泛的应用，尤其是双目视觉传感器的结构简单、使用方便、速度快、精度高等诸多优点被广泛应用于工业检测、物体识别、机器人自导引、航天、航空、及军事等很多领域。
本文就是基于空中目标的特性进行立体视觉测距研究的。在第一章介绍了课题来源和选题
背景及立体视觉研究动态;第二章介绍了立体视觉系统的测量原理;第三章介绍了针对空中目标的特性提出的图像分割和图像匹配算法，提出了采用目标重心特征作为匹配特征，双目并行运算的设计思想，并在匹配时采用了区域增长法的思想和模糊处理的思想;第四章介绍了系统的实现和各项实验，以及在各类测距实验中针对不同因素对测距精度的影响所进行的数据处理和分析，其中在系统实现中重点介绍了图像采集系统的软硬件设计，设计了一套基于DSP的图像采集系统。最后总结了全文所取得的成果，及对本课题未来发展方向做了展望。
10. 基于双目立体视觉的三维重建技术研究与实现
三维重建是计算机视觉技术的主要内容之一，研究了由两幅或多幅二维图像恢复出被拍摄物体的深度信息的方法。其中基于两幅图像的双目视觉技术是一个研究热点。双目立体视觉模仿人眼与人类视觉的立体感知过程，从两个视点观察同一景物，以获取不同视角下的图像，通过三角测量原理计算图像像素间的位置偏差，以获取景物的深度信息。双目立体视觉技术在虚拟现实、机器视觉、多媒体教学、数字娱乐、产品外观设计、雕刻与建筑等领域都
有着广泛的应用。
本文在分析研究大量相关技术和文献的基础上，对立体视觉领域中的摄像机标定、立体
匹配、三维重建这三个关键技术进行了研究。主要研究如下：
1．自制标定模板，用普通数码相机拍摄两幅不同角度的带有标定模板的手机照片。利
房地产管理系统目标
用Tsai两步法对照相机进行标定，求出了照相机的内外参数。
2。对所拍摄的照片进行滤波、锐化等图像处理，采用基于特征的匹配方法，从两幅图
像中分别提取特征点，然后利用极线约束等匹配准则对一幅图像中的特征点在另一幅图像中
寻匹配点。
3．在已获得照相机的内外参数和完成左右图像的特征点匹配的基础上，根据立体视觉
原理实现了对特征点的三维重建，给出了特征点的空间坐标。最后在计算机上通过OpenG
L
编程将这些点显示出来，实现了手机的三维重建。
Keyword：单目摄像头，客流量计算
1. 基于单目视觉的夜间车辆和车距检测
近年来，智能车辆系统成为各国潜心研究的一个新领域，其中基于计算机视觉的车辆检测跟踪和车距检测是汽车辅助安全驾驶系统研究的重要内容之一。目前日间的基于计算机视觉的车辆检测算法因为从图像获取的信息量比较大，特征比较多，所以发展迅速，已经基本达到实用要求。而夜间驾驶时，光线不足，可见度低，日间检测常用的边缘灰度突变特征和车辆尾部灰度对称特征会大大减弱，甚至消失，所以夜间方面的研究相对于白天的算法还处于摸索中，因此本文的研究对夜间的算法是个很好的探索。 本文的试验环境是夜间沪宁高速连接线，采用低成本的MVC1000SA-GE30千兆网摄像头，图像中路灯，车头灯路面反光，路边广告牌反光，车牌照反光，车尾灯闪光都成为尾灯对特征提取的障碍，上述恶劣环境下普通的夜间车辆检测算法效果极差，为此本文设计了一个基于单目视觉的夜
间车辆检测跟踪方法，能够在低质量采样的情况下很好地检测跟踪前方车辆。方法主要基于图像颜信息并结合形态学算子，其核心步骤为：自适应域值分割，尾灯特征提取，结合颜信息的特征中心检测和尾灯配对。在上述车辆检测算法检测出车辆的前提下，采用了仅利用摄像机内参和离线标定外参的几何测距方法进行前方车辆距离估测，并对摄像机外参数造成的测距误差进行了大量的模拟试验定量分析。
2基于图像处理技术的单目客流检测系统研究
计算机智能视频监控是计算机视觉领域一个重要的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像处理、模式识别、人工智能等多个学科高技术的结晶。计算机智能视频监控是在不需要人为干预情况下,利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对动态场景中目标的定位、识别和跟踪,并在此基础上分析和判断运动目标的行为,得出对图像内容含义的理解以及对客观场景的解释。简单的视频监控系统已经广泛应用于社会生活的各个方面,但计算机智能视频监控在理论和应用上都面临着很多难题。本文对计算机智能视频监控系统的技术进行了应用,研究了摄像机静止情况下基于视觉的运动行人检测与跟踪方法。 本系统将摄像头悬挂于通道的顶上,通过对采集到的实时
图片进行背景分割,主要采用了背景差法和高斯混合模型法,为了对行人进行分析,然后,通过轮廓提取实现对行人的检测,接着,本文对目标跟踪方法进行了分析,本文采用了基于blob特征的跟踪方法,通过设置了检测区域,同时也引入了队列模型进行分析,提高了算法的速度和精度,通过跟踪的结果计算客流密度和统计过线人数,再使用web service发送数据,最后通过无线节点取得数据,传输给后台信息管理程序。 本系统在多处环境下进行了测试实验,可以检测并跟踪场景中的单个或多个行人,但同时也暴露出了系统对于光线,对于行人遮挡问题缺乏准确性。如何进一步增强客流检测系统的鲁棒性、如何进一步提高计数的精度、如何与后台及其他特征更紧密地结合是以后的主要工作方向。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议