06 立体视觉 2010.ppt

* Ce SHI CVIP－Skeleton * 基于特征的配准 基于特征的配准不是直接利用图像灰度，而是通过灰度导出符号特征来实现匹配，相对来说比较稳定。同时，由于配准可以用通过特征属性的简单比较来实现，因此，它比基于面积的配准要快得多。目前，在灰度图像配准过程中常用的特征有边缘点和边缘（线段）等。 基于边缘点配准的Barnard方法[3] 基于边缘点配准的Kim方法[4] 基于Harris角点匹配[5] * Ce SHI CVIP－Skeleton * 例1：医学图像中的配准 例2：基于Harris角点配准 （参见课程网站。上面两个例子是往届学生的作业，经本人同意，仅供本课程使用，切勿外传！） * Ce SHI CVIP－Skeleton * 参考文献 章毓晋，图像工程(下)——图像理解与计算机视觉（第二章），清华大学出版社，2000 高文，陈熙霖，《计算机视觉——算法与系统原理》（第三章），清华大学出版社及广西科学技术出版社，2000 S. T. Barnard, and W. B. Thompson, Disparity Analysis of Images, IEEE Trans. On PAMI, 2:333-340, 1980, Y. C. Kim, and J. K. Aggarwal, Position Three-dimensional Objects Using Stereo Images, IEEE J. of Robotics and Automation, RA-1:361-373, 1987 Harris C and Stephens M. A combined corner and edge detector. Proceedings of the 4th Alvey Vision Conference, 1988: 147-151 Ce SHI CVIP－Skeleton Ce SHI CVIP－Skeleton 图像处理与计算机视觉——立体视觉（Stereo Image ） SHI Ce shice@isee.zju.edu.cn Dept. of ISEE Zhejiang University Sept. 2010 * Ce SHI CVIP－Skeleton * 图像是视觉信息表示的一种物理形式，要提取其所携带的信息，须用适当的数学模型去表征图像。 图像的数学模型可以有两种基本形式 描述三维景物如何形成二维图像的成像几何模型 图像线性滤波模型。 成像几何模型 只与三维物体点的空间位置、摄像机焦距以及物体或摄像机相对运动参数有关； 与二维图像的强度信息无关； 目的是理解图像形成的物理过程； 对如何提取蕴含在二维图像中的三维信息、图像几何畸变校正、摄像机运动控制信号的产生和三维运动的理解与估计等研究是十分重要的。 * Ce SHI CVIP－Skeleton * 人类视觉中的空间知觉 什么是空间知觉？ 人眼视网膜是一个曲面（从成像的角度来看是一个二维平面），但人却能依靠它形成三维的视觉空间，即对物体可以有深度感知。 深度线索 人的视觉系统在空间视觉中借助了一些外部客观条件和自身的内部条件来帮助判断物体的空间位置。 包括了非视觉性深度线索，双目深度线索和单目深度线索。 * Ce SHI CVIP－Skeleton * 非视觉性深度线索（肌肉调节） 辐合： 在观看远近不同的物体时，两眼还会自行调节将各自的中央凹（fovea，即视网膜中心）对准物体，使物体映像到视网膜感受性最好的区域。为将两眼对准物体，两眼视轴必须完成一定的辐合运动，看近要趋于集中，看远要趋于分散。控制视轴辐合的眼部肌肉的运动也能给大脑提供关于物体距离的信息。 聚焦： 在观看远近不同的物体时，眼睛通过调节晶状体以便在视网膜上获得清晰的视像。这种调节活动传递给大脑的信号提供了有关物体距离的信息，大脑可据此对物体的距离做出估计。 * Ce SHI CVIP－Skeleton * 例：双眼视轴给出深度信息 如右图所示。设物体在P点，L和R分别代表左、右两眼的位置，LR为目距（瞳距，一般为65mm）。当原来平行的视轴（虚线箭头）向P点辐合时，左眼向内侧转动角θL，右眼向内侧转动θR角，且有： θ＝θL+θR。 可见，如果知道转角θ，就可以算出物距D。反之，如已知物距D，也可以算出转角θ。 * Ce SHI CVIP－Skeleton * 双眼深度线索 人对空间场景的深度感知主要依靠双眼视觉实现：每只眼睛的视网膜上先各自形成一个独立的视像。它们传到大脑皮层后结合起来，形成一个单一的具有深度感的视像。由于双眼在看物体时通过辐合而朝向一个共同的视觉方向，并且得到的映像是单一的，好像是被一只眼睛