立体视觉中稀疏化技术的研讨.pdfVIP

分类号 TP391 密级 学校代码 10542 学号 2008 立体视觉中稀疏化技术的研究 Researchof MethodinStereoVision Sparse 指导教师姓名、职称 途盘塞 割整撞． 湖南师范大学学位评定委员会办公室 二零一一年五月 …IIII I IIII 1111111 Illll Y1912237 计算机视觉是用计算机去实现人类的视觉功能，来实现对周围三 维场景的感知、识别和理解。立体视觉作为计算机视觉的一个重要分 支，其基本原理是通过两幅或多幅二维图像，找到图像中的对应点计 算其视差，从而获得所观测物体的三维空间信息。在机器人视觉导航、 虚拟现实、工业测量等众多领域具有广阔的应用前景。 立体视觉系统包括图像获取、摄像机标定、图像预处理、立体匹 配、三维重建等五个部分。本文对这五个部分做了简要的介绍，针对 其中最为关键的立体匹配算法进行了深入的讨论。立体匹配算法分为 局域算法和全局算法两种，局域算法所涉及信息量少，运算速度高， 但匹配的准确率不高；全局算法能达到全局最优解，具有较高的匹配 准确率，但计算效率低。 针对以上问题，本文将图像稀疏化技术引入到立体匹配中，对全 局算法做出改进，提出了一种使用二叉空间划分和遗传算法的方法构 建自适应的网格，来实现图像的稀疏化表示。即在原始图像中仅保留 少量的关键像素点，删去大量的冗余像素，这些少量的关键像素点就 是自适应网格的节点，利用这些节点可以恢复这些被删去的像素。然 后在稀疏化的图像上运用匹配效果最好的图割算法进行立体匹配，由 于大量减少了图像中的像素点，图割算法所生成的三维网格图的规模 得到大大地缩减，从而在运用最大流／最小割算法求解三维网格图中 的最小割时，算法效率得到了很大的提升。 最后通过实验实现了本文所提出的图像稀疏化方法，并在稀疏化 的图像上运用图割算法进行立体匹配，实验结果证实了该方法的可行 性和有效性，为进一步研究高质量立体视觉的实时性奠定了基础。 关键词：立体视觉，稀疏化，自适应网格，立体匹配，图割 II ABSTRACT visionisused ofhumanvisionto Computer toimplementfacility make hasthe of and computer capacityperception，recognition for3D an of comprehensionsurroundings．As computer importantaspect visioncalculatesof intwoor vision，stereo disparitycorrespondingpixels more2D obtain information．Ithas to observed 3D image object’S