双目立体视觉的特征匹配技术研究

论文摘要

双目立体视觉直接模拟人类双眼处理景物的方式,可靠简便,在许多领域均极具应用价值,如微操作系统的位姿检测与控制、机器人导航与航测、三维测量学以及虚拟现实等。对应特征点的匹配既是双目视觉中的难点,又是关键。本文在对立体视觉特征点匹配算法进行深入研究的基础上,构建了双目立体视觉计算机系统,研究并实现了目标物体特征点的立体匹配。在图像提取方面,研究了摄像机模型和不同的标定方案。通过建立线性与非线性相结合的双目立体视觉系统的摄像机标定模型,避免了因数学模型的不完善而带来的系统误差,同时有效地提高了标定精度。对采集到的图像,首先利用中值滤波对其进行平滑滤波;之后进行图像增强和边缘提取,在边缘特征提取方法中,应用了基于Canny算子的自适应边缘检测算法,图像分割阈值具有较好的自适应能力。因为考虑了图像局部的特征信息,提取出的目标物体的轮廓边缘完整、准确。此外,由于采用了基于SSDA算法的特征点立体匹配算法,并应用外极线约束和视差梯度约束,提高了匹配算法的精度和鲁棒性。在确立两幅图像的特征点匹配关系后,计算目标物体特征点的三维世界坐标。最后在特征点匹配的基础上研究了三维重建技术。本文对双目视觉特征点匹配进行研究,提出对应的匹配方案,对相关领域的后继研究有很好的启发意义。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 双目立体视觉与特征匹配
• 1.1.1 计算机双目立体视觉概述
• 1.1.2 立体视觉中的特征点匹配
• 1.1.3 计算机视觉的研究现状
• 1.2 本文主要内容
• 1.3 本文章节安排
• 第二章 摄像机标定
• 2.1 坐标系与相机模型
• 2.1.1 世界坐标系、摄像机坐标系与图像坐标系
• 2.1.2 线性摄像机模型
• 2.2 线性模型摄像机标定
• 2.3 非线性模型摄像机标定
• 2.4 双目视觉的摄像机标定
• 2.4.1 标定参数和摄像机透镜畸变模型
• 2.4.2 标定板的设计
• 2.4.3 镜头畸变系数估计
• 2.4.4 摄像机相对位置的确定
• 2.5 小结
• 第三章 双目视觉的图像预处理
• 3.1 图像滤波
• 3.1.1 噪声和常用的滤波技术
• 3.1.2 中值滤波
• 3.1.3 基于小波变换的滤波
• 3.2 图像增强
• 3.3 边缘提取
• 3.3.1 Robert边缘检测算子
• 3.3.2 Sobel边缘算子
• 3.3.3 Prewitt边缘算子
• 3.3.4 拉普拉斯算子
• 3.3.5 Canny算子边缘检测原理
• 3.3.6 基于Canny理论的自适应边缘检测
• 3.4 小结
• 第四章 特征点的匹配
• 4.1 立体匹配算法研究
• 4.1.1 确立相似性测度
• 4.1.2 匹配约束条件
• 4.1.3 匹配策略
• 4.2 边缘特征点的匹配
• 4.2.1 边缘特征匹配算法约束
• 4.2.2 边缘特征匹配算法原理
• 4.3 特征点的定位
• 4.3.1 视差测距原理
• 4.3.2 对极几何原理
• 4.4 小结
• 第五章 三维重建
• 5.1 三维重建技术
• 5.1.1 空间点重建
• 5.1.2 空间直线重建
• 5.2 极线约束
• 5.3 小结
• 第六章 双目立体视觉特征匹配实验
• 6.1 硬件设备介绍
• 6.1.1 图像传感器
• 6.1.2 图像采集设备
• 6.1.3 云台
• 6.1.4 控制主机
• 6.2 双目立体视觉特征匹配实验
• 6.2.1 图像采集与摄像机的标定
• 6.2.2 待测物体获取
• 6.2.3 图像预处理
• 6.2.4 特征点匹配
• 6.2.5 三维重建
• 6.3 实验分析
• 6.4 本章小结
• 第七章 结论
• 7.1 本文的主要工作
• 7.2 本文的不足与展望
• 参考文献
• 致谢