计算机视觉立体匹配方法

计算机视觉立体匹配方法

摘要:立体匹配技术是计算机视觉研究中的关键技术之一。本文根据立体匹配的内容,从基元选择、匹配准则、算法结构三个方面进行了阐述。指出了主要匹配算法的特点和研究的发展趋势。

关键词:立体匹配基线极线

计算机视觉研究是通过从二维平面的图像中获得三维空间的结构和属性等信息,从而完成在复杂多变的环境中导航和识别等一系列工作。随着技术的不断升级和新产品的快速引入,计算机视觉技术的研究越来越受到科技界的重视,而随着研究的不断深入,计算机视觉技术的应用领域也得到进一步的拓展[1]。计算机视觉技术是用计算机来模拟生物外显或宏观视觉功能的科学和技术,用计算机图像创建或恢复现实世界的模型,反过来认知现实的世界。目前,计算机视觉技术的应用领域包括对照片特别是航拍照片和卫星照片的解析、武器的精确制导、移动设备的立体视觉导航、医学辅助诊断、工业机器人的控制系统、地理地图的绘制、物体三维形状分析与识别以及智能人机接口等,在立体视觉的应用中非常广泛的应用。立体匹配是立体视觉中最重的也是最困难的问题。选择正确的匹配特征、寻找特征间的本质属性及建立能正确匹配所特征的稳定算法。

1 立体视觉匹配的内容

立体视觉是由多幅图像获取的物体三维几何的信息方法,立体匹

配是三维声景结构信息获取的研究热点之一,是从两上视点观察同一景物以获取立体像对匹配出相应像点,从而计算出视差并获得三维信息。点、线和区域特征等是常用匹配特征。其中最为基本和简单的是点状特征,具有定位准确、检测和描述容易重建精度高优点。区域基元和线状基元含有更丰富的图像信息,在图像中数目较少,匹配快速,其中区域基元具有最好的全局属性。对于匹配基元类型的选择取决于匹配图像对本身的属性特点和应用要求。匹配合理地选择是立体视觉匹配问题的解决主要方法,要求具有性能稳定、抗噪性强、易于检测和描述。通过抽取图像局部结构较为丰富的描述来减少错误对应的可能性。在两幅图的共轭点间作匹配时应用选择性规则来限制搜索空间。选择匹配基元时要考虑基元时要考虑基元的稳定性和敏感性。算法的设计要依靠视觉推理直气的统计理论知识解决视觉不确定性问题。目前立体视觉匹配算法可分为:区域匹配、特征匹配和相位匹配。基于区域灰度的算法计算量很大,而且对噪声很敏感,可得到整幅图像的视差图。基于特征的匹配算法是在匹配基元之间的相似性度量基础上的,以匹配基元的各项参数信息为依据的局部特征程度的度量,具有速度快、精度高的特点。立体视觉匹配中研究中以基于区域的算法和基于特征的算法最多。采用梯度极小化评判标准,结合灰度、梯度、方向、极线等约束条件确定唯一匹配,并将匹配结果确定为基准点来约束特征点匹配。

2 需要思考的问题

遮挡大多数都是物体自身遮挡(如图),对于不同角度的视图,互相都会产生不同程度的遮掩。物体H的D点只出现在右图像B中,而物体H的C点只出现在左图像A中。这种遮挡情况给以后的互相匹配带来困难,并且很容易导致错误的匹配。(如图1)

当存在遮挡问题的两幅图片进行匹配时,要对遮挡进行处理,以得到正确的深度值。遮挡对匹配结果会造成很大的影响,为了得到精度高的匹配图,减少遮挡的影响,准确快速的确定相应的极线位置;确定目标点所在的同名区域,在小范围内搜索同名点,提高匹配速度;利用哪种相似性判据确定目标点的同名点[4]。

3 结论

总之,立体视觉匹配是当空间三维声景被投影为二维图像时,同一场景在不同点下的图像会有很大的不同,所以场景中的诸多变化因素,综合到单一的图像灰度值中。目前基本上已经形成了独立的理论体系,

通过精确的标定,使用合适的计算方法,在匹配正确的情况下可以得到非常精确的深度和位置等数值信息。立体匹配是三维重构的基础,匹配结果的优良直接关系到三维重构的效果,对立体匹配技术的研究有着十分重要的意义。选择有效的匹配准则和算法结构,解决存在严重灰度失真、几何畸变、噪声干扰、特殊及遮挡的匹配问题,建立有效的图像表达形式和立视模型,以便充分地反应景物的本质属性,提供更多的约束信息降低立体匹配的难度。由于相关科学的发展,可以用理论或方法来解决本学科的难题。随着基础科学的发展,随着计算机的性能价格比的不断提高,计算机视觉将得到广泛的应用。

参考文献

[1] 潘华,郭戈.立体视觉研究的进展[J].计算机测量与控制,2004(12).

[2] 李德广,李科杰.一种快速立体视觉边缘匹配算法[J].计算机应用,2005(4).

[3]马颂德,张正友.计算机视觉-计算理论与算法基础[M].科学出版社,1998.

[4]徐奕,周军,周源华.立体视觉匹配技术[J].计算机工程与应用,2003:156.