机器人的计算机视觉技术研究

论文摘要

计算机视觉主要研究对象是如何利用计算机实现人的视觉功能,即利用二维投影图像实现对客观世界三维场景的感知、识别和理解。深入开展计算机视觉的研究,不仅是为了满足人工智能应用的需要,使计算机和机器人能够具有“看”的能力;而且计算机视觉的研究结果反过来对于人类进一步认识和研究自身视觉系统本身的机理,也同样具有相当大的参考意义。摄像机标定是计算机视觉实现的前提和基本问题,图像匹配是计算机视觉研究中的难点和重要内容。本文在查阅了大量资料的基础上,提出了一种新的高精度的摄像机参数的标定方法,先用透视变换理论建立摄像机线性模型,求出中间矩阵,然后用向量积求得迭代初值,在考虑径向畸变和切向畸变的条件下,采用惩罚函数建立约束最优化方程,用迭代法求解摄像机非线性模型参数,理论及实际应用表明,该摄像机参数的求解方法速度快、精度高。在图像匹配算法的研究方面,本文主要研究了一种混合图像匹配算法(结合了适应度函数、多分辨率塔形结构算法和投影匹配算法的优点)和基于改进混沌优化算法的两种匹配算法,两种方法都可实现较好的匹配结果。混合图像匹配算法是选用多分辨率塔形结构算法对图像进行分层处理,减少匹配过程中的计算量;在每一层上用适应度函数确定粗匹配位置,最后用投影匹配算法找到每一层的准确位置,仿真结果表明,该算法在保证匹配精度的同时,大幅度的降低了匹配时间,具有重要的实用价值。基于改进混沌优化算法的图像匹配算法,首先用基本混沌优化算法进行搜索,同时用适应度函数筛选掉不必要的匹配点,找到粗匹配位置,然后,再用二次载波的方法找到正确的匹配位置,最后通过仿真结果说明该方法的有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 计算机视觉理论的形成与发展
• 1.2.1 视觉理论框架
• 1.2.2 计算机视觉的主要研究内容
• 1.2.3 计算机视觉研究的发展趋势
• 1.3 立体匹配技术的发展现状
• 1.3.1 立体匹配的内容
• 1.3.2 立体匹配在理论上和技术上存在的问题
• 1.4 本文的选题背景和论文结构
• 1.4.1 选题背景
• 1.4.2 论文结构
• 第二章 图像锐化方法
• 2.1 引言
• 2.2 梯度法
• 2.3 微分梯度法
• 第三章 非线性模型摄像机标定技术
• 3.1 引言
• 3.2 摄像机标定原理
• 3.2.1 图像坐标系、摄像机坐标系与世界坐标系
• 3.2.2 线性摄像机模型
• 3.2.3 最小二乘法原理
• 3.2.4 惩罚函数
• 3.2.5 牛顿迭代法
• 3.3 非线性模型摄像机标定技术
• 3.3.1 线性模型摄像机的标定
• 3.3.2 非线性模型摄像机的标定
• 3.3.3 实验结果
• 3.4 本章小结
• 第四章 混合图像匹配算法
• 4.1 引言
• 4.2 适应度函数
• 4.3 多分辨率塔形结构算法（MPSA）
• 4.3.1 多分辨率塔形结构算法的主要特性
• 4.3.2 多分辨率塔形结构算法的基本原理
• 4.4 投影匹配算法
• 4.5 混合图像匹配算法
• 4.5.1 基于适应度函数的图像匹配算法
• 4.5.2 基于标记矩阵和投影匹配算法的精确图像匹配
• 4.6 实验及结果分析
• 4.7 本章小结
• 第五章 基于改进混沌优化算法的图像匹配
• 5.1 引言
• 5.2 混沌优化算法简介
• 5.3 改进混沌优化算法
• 5.4 实验及结果分析
• 5.5 本章小结
• 第六章 结论
• 6.1 论文主要研究工作的总结
• 6.2 论文创新点
• 6.3 工作展望
• 参考文献
• 在学研究成果
• 致谢