| 【中文题名】 | 双目立体视觉实时视差算法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-9-12 |
| 【中关键词】 | 双目立体视觉,视差计算,区域匹配算法,实时性算法,, |
| 【英关键词】 | binocular stereo vision,disparity computing,areo-based algorithm,real-time algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人> |
| 【论文摘要】 | 地面自主车因其重大的研究价值和应用价值,受到世界各国的重视。在地面自主车的各项关键技术中,视觉导航的主要功能是对各种道路场景进行快速识别和理解,从而确定移动机器人的可行驶道路区域,而视觉导航技术的关键是障碍物的快速检测与识别。立体视觉是一种被动式的测量方法,本身不发出光以及其他辐射源,具有隐蔽性好、测量快速、准确等优点。立体视觉中的重点和难点是对应点的求解(也就是视差图的获得),怎样在满足精度要求的前提下使得视差图的获得满足实时性的要求一直是各国立体视觉研究者关注的焦点。“双目立体视觉实时视差算法研究”课题源于国防科工委下达的“微小型地面移动平台技术研究”工程项目中的视觉导航子项目。因为视觉导航中要求获得致密的视差图,因此本文的研究集中在致密视差图的快速获得。在阅读大量文献后得知适合快速实现的立体视觉算法主要有区域匹配和动态规划两种。本文在对区域匹配和动态规划进行了深入研究后,提出了基于连续性约束和亮度梯度约束的多窗口区域匹配算法(以下简称IMW算法)。相对于动态规划算法,IMW算法更为快速,而且应用于室外图像能获得更好的效果;相对于一般的单窗口算法,使用IMW算法获得视差图更为平滑,物体轮廓更为清晰。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
1 绪论 |
7-15 |
|
1.1 研究目的 |
7-8 |
|
1.2 ALV研究现状 |
8-10 |
|
1.2.1 国外ALV |
8-9 |
|
1.2.2 国内ALV |
9-10 |
|
1.3 立体视觉实时性研究现状 |
10-13 |
|
1.4 本文的研究内容 |
13-15 |
|
2 立体视觉的基本原理 |
15-22 |
|
2.1 概述 |
15 |
|
2.2 双目立体视觉 |
15-20 |
|
2.3 单目立体视觉 |
20-22 |
|
3 几种快速立体视觉算法的实现 |
22-39 |
|
3.1 概述 |
22 |
|
3.2 采用滑动窗口的区域匹配算法 |
22-31 |
|
3.2.1 滑动窗口原理 |
22-24 |
|
3.2.2 用到的约束条件 |
24-25 |
|
3.2.3 相似性度量因子的选择 |
25-29 |
|
3.2.4 窗口大小对匹配结果的影响 |
29-31 |
|
3.3 Birchfield动态规划算法 |
31-38 |
|
3.3.1 动态规划的原理 |
31 |
|
3.3.2 用到的约束条件 |
31-32 |
|
3.3.3 相似性度量因子的选择 |
32-33 |
|
3.3.4 Birchfield动态规划算法 |
33-38 |
|
3.4 本章小结 |
38-39 |
|
4 基于滑动窗口的改进算法 |
39-52 |
|
4.1 概述 |
39 |
|
4.2 普通区域匹配算法的缺点 |
39-40 |
|
4.3 IMW算法 |
40-47 |
|
4.3.1 连续性约束 |
41 |
|
4.3.2 亮度梯度约束 |
41-42 |
|
4.3.3 多窗口的优点 |
42-43 |
|
4.3.4 视差空间 |
43-45 |
|
4.3.5 基于IMW算法 |
45-47 |
|
4.4 实验结果 |
47-51 |
|
4.5 本章小结 |
51-52 |
|
5 结论 |
52-53 |
|
致谢 |
53-54 |
|
参考文献 |
54-56 |
|
| 【DOI】 | LunWen.ID:2.2008.376575 |
