立体神经视觉系统的研究-无线电物理专业论文.docx

立体神经视觉系统的研究专 立体神经视觉系统的研究 专 业：无线电物理 博士生：胡海峰 指导老师：罗锡璋教授 摘要 立体视觉是被动测距方法中最重要的距离感知技术，它直接模拟了人类视觉 处理景物的方式，可以在多种条件下灵活地测量景物的立体信息。长期以来，立 体视觉研究一直受到人们的广泛关注，已成为计算机视觉研究的重要内容。 经过多年的研究，立体视觉的理论和方法得到了不断的完善和发展，其应用 范围也在不断扩大。但作为立体视觉的关键问题——立体匹配，却并未得到很好 的解决，特别是在复杂场景中，如何提高匹配算法的去歧义性和抗干扰能力，降 低算法的复杂度和计算量，都需要进行更深入的探索和研究。此外，目前的立体 视觉研究大多按照单个模块进行，如何以全面观点将各个模块联系起来，建立一 个具有并行流水线机制的结构体系，也是一个需要进行深入研究和探索的课题． 其理论意义和应用价值都十分重要。 本文对立体视觉中的几个关键环节进行了研究，通过利用人工神经网络，分 别解决了立体标定、立体校正、立体匹配以及三维重建等问题。在此基础上，初 步建立了一个具有并行结构的基于神经网络的立体视觉系统——立体神经视觉 系统，通过实验，验证了该系统的可行性和可靠性。 论文对三维物体识别方法进行了研究，利用视觉系统获取的三维信息，并结 合ART2神经网络，构造了一个具有在线学习能力的三维识别系统，通过实验， 对该系统进行了简单的验证。 本文的贡献是： 1、对基于神经网络的立体标定方法进行了研究，针对传统BP算法的缺点， 1、对基于神经网络的立体标定方法进行了研究，针对传统BP算法的缺点， 采用了基于L—M优化方法的BP网络训练算法，并将其应用到立体标定 中，获得了较好的效果。此外，论文还对基于RBF神经网络的立体标定 方法进行了研究； 2、提出了一种高精度棋盘方格点自动检测算法。该算法包含两部分内容， 其一，利用投影成像原理，对棋盘像点的位置分布进行研究，提出一‘种 基于两次Radon变换检测棋盘点的方法，该方法能够自动检测出棋盘像 点在图中的大致位置：其二，采用由粗到精的检测策略，通过采用Harris 算子和Forsmer算子，对前一步得到方格点位置进行迭代处理，从而得 到高精度的角点信息，检测精度在0．1个像素级别以内； 3、对极线几何的性质进行了研究，提出了一种基于BP网络的图像极点确 定方法，该方法考虑了镜头畸变因素，可以得到较高精度的极点位置； 4、首次提出了一种基于神经网络的立体校『F方法。该方法巧妙地运用投影 成像原理，构造出一组立体图对在校『F前后的对应点，将其作为样本来 训练BP网络，从而将整个校正关系存储到网络中。利用训练好的神经 网络，可以快速有效地实现立体校正；s 5、对立体匹配理论和方法进行了研究，提出了一种基于Hopfield网络的稠 密立体匹配算法。基本思想是：在实现核线重排的前提下，利用唯一性、 相容性以及相似性等匹配约束条件，建立反映对应极线间所有匹配点约 束关系的能量函数，将其映射N--维Hopfield网络进行极小化求解，网 络最后的稳态表示匹配点的对应关系；通过对图中所有极线进行上述操 作，可以得到所求的视差图。该方法的明显优点在于匹配基元采用了普 通像点，能够直接获得稠密的视差图，从而避免了传统方法的插值问题。 此外，匹配前无需进行复杂的特征提取操作，这也是本算法的一个优点； 6、构造了一个基于ART2网的具有在线学习能力的三维识别系统。 关键词：立体神经视觉、立体标定、棋盘点检测、立体匹配、立体校正、三维重 建、三维物体识别、Hopfield神经网络、BP神经网络、RBF神经网络、ART神 经网络 II Research Research of Stereoscopic Neuro-Vision System Major：Radio Ph37sics Name：Haifeng Hu Supervisor：Prof．Xizhang Luo ABSTRACT Stereoscopic vision is the most important passive technique in obtaining three— dimensional surface information，which directly simulate the human vision perception mechanism and is able to acquire expediently stereo information from scene in many common conditions．For a long time，stereovision has been aRached importance by many scholars．N