- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第29卷 第 11期 仪 器 仪 表 学 报 V0J.29No.1l
2008年 11月 ChineseJoumaIofScientificInstrument NOV.20o8
基于 SIFT的单 目移动机器人宽基线立体匹配术
谢 凡 ,秦世引
(北京航空航天大学 自动化科学与电气工程学院 北京 100083)
摘 要:SIFT特征描述子是一种对图像旋转平移、缩放以及视角变化具有不变性的 配特征描述方法,本文针对单 日移动机器
人环境探索中存在的大视差宽基线图像对的立体p1;配问题 ,提出了一种基于SIFT特征描述子的单 目移动机器人宽基线立体视
觉 配方法 ,通过提取 SIFT不变特征点 ,构造 SIFT特征向量 ,从而实现特征点对的初 配,进一步利用RANSAC算法 以及外极
线约束进行 配点的优化筛选,并通过三维重建实验验证了获得 配点对的准确性。
关键词 :SIFT ;宽基线;立体 配;单 目移动机器人;RANSAC
中图分类号:TP2 文献标识码:A 国家标准学科分类代码:520.604
W idebaselinestereovisionmatchingapproachfor
monocularmobilerobotbasedonSIFT
XieFan,QinShiyin
(SchoolofAutomationScienceandElectricalEngineering,BeihangUniversity,Belting100083,China)
Abstract:SIFT featuredescriptorischaracterizedwith invarianceforimageshiftingand changesofscaleandview
angle.Inthispaper,awidebaselinestereovisionmatchingapproachisproposedbasedontheSIPIfeaturedescrip—
torandisapplied tosomeimagepairswithlargedisparityandwidebaselineincertainenvironmentalexploringtask
ofmonocularmobilerobot.Atfirst,aSIPIfeaturevectorisconstructedbyextractingtheinvariantfeatures,thenan
elementarymatchingiscarriedout,moreovertheRANSAC algorithm andepipolarlineconstraintsareemployedto
optimizeandselectthematchingpointsfrom theelementarymatchingpointset.Finally,theaccuracyofthemate—
hingpointsisverifiedandvalidatedby3D reconstructionexperiments.
Keyword:SIPI;widebaseline;stereovisionmatching;monocularmobilerobot;RANSAC
关点进行匹配,从而构建多幅视图问的射影关系。而匹配
1 引 言 效果的好坏也直接影响到最终三维重建的精度。
立体匹配方法有 以下 3类 比较常用的算法,首先是
计算机立体视觉方法主要是通过多个视觉传感器或 基于区域图像信息的匹配算法。其次是基于图像特征的
不同时间拍摄的多幅视图进行三维信息的重建,它已经被 匹配算法 “ ,第 3
文档评论(0)