论文部分内容阅读
随着计算机视觉技术的迅猛发展,立体视觉和全景视觉受到越来越多的关注。立体视觉利用两台或多台相机同时拍摄从而获得景物的三维信息,相较平面图像多了一维景深信息,更加真实地反映出景物的方位信息,在诸多领域具有广泛的应用价值。全景视觉即利用多台相机经过一次拍摄得到360度全方位图像,在监控和机器人视觉等领域应用广泛,为实时获取场景的全景图像提供了一种全新的解决方案。因此,采用具有超大广角的鱼眼镜头实现全景成像,采用双目镜头实现立体视觉,从而构建双目立体视觉系统。本文以双目鱼眼镜头匹配算法为课题展开讨论,旨在为解决基于鱼眼镜头的双目立体视觉系统中的核心问题三维重建以及鱼眼图像拼接技术等提供基础理论依据。针对课题主要提出两种解决方案:基于已矫正的鱼眼图像的匹配算法和基于未矫正的鱼眼图像匹配算法。文章主要从以下几方面展开论述。首先,介绍课题研究的背景和意义,国内外发展现状以及存在问题,进而明确本文的解决方案。其次,介绍了鱼眼镜头成像原理、立体视觉理论、极线校正、视差理论以及平面双目匹配的一般方法和现有的基于未矫正鱼眼图像的匹配方法。然后,在了解了立体匹配及鱼眼镜头基本理论的基础上,对本文探索得到的两种鱼眼镜头匹配解决方案进行理论分析并经过实验验证方案的可行性。基于已矫正鱼眼图像的匹配算法,首先采用分离参数方法得到鱼眼镜头的畸变系数,对鱼眼图像进行矫正并提取有效区域;然后探索得到一种基于分割的快速立体匹配算法,该方法首先通过MeanShift算法进行图像分割,然后根据快速成本叠加策略计算得到初始视差图,接着进行视差平面拟合及视差区域合并,并定义能量函数利用协同优化算法对平面参数进行优化,从而计算得到最后的视差图。实验结果表明,得到的最终视差图可以较好地反映出景物的位置关系,实时性较好,但由矫正引入的误差有待进一步降低。基于未矫正鱼眼图像的匹配算法,首先通过SIFT算法得到初始匹配对及其仿射矩阵;然后按匹配对及其仿射矩阵的NCC分数排序,确定种子匹配,规范化对应邻域;接着在规范化邻域上进行扩散,得到新的匹配,并通过邻域变换得到新匹配的仿射矩阵,循环至无未匹配点;最后剔除异常点,并最终获得准稠密匹配结果。实验结果表明,基于未矫正鱼眼图像的匹配算法可得到更加精确的准稠密视差图,但是时间消耗相对较大。