發(fā)布時間：2023-11-17 19:06

　　道路場景的稠密點云地圖在自動駕駛、道路規(guī)劃等領域具有重要用途。近年來,隨著計算機視覺技術的發(fā)展,使得雙目視覺技術在獲取稠密點云地圖方面有較大的優(yōu)勢。利用雙目視覺獲取稠密點云地圖包含了視覺定位和密集匹配兩個關鍵步驟,其中序列影像的匹配算法是影響視覺定位精度的主要因素,而立體匹配算法生成的視差圖質量則是影響密集匹配結果的關鍵。本文從雙目視覺獲取道路稠密點云地圖的原理出發(fā),主要研究了基于光流與特征點法結合的序列影像匹配算法,以及金子塔影像與紋理信息約束的改進半全局立體匹配算法,主要研究內容如下:1)針對相機不規(guī)則運動和影像低紋理信息影響導致的光流跟蹤匹配點分布不均、精度不高等問題,研究了一種光流與特征點法結合的序列影像匹配算法。該算法利用初始光流跟蹤點構建匹配三角形,然后在三角形內提取DOG特征點,利用匹配三角形間的尺度旋轉參數計算DOG特征點尺度旋轉不變描述子,最后基于角度交會原理獲取DOG特征點的初始位置后完成匹配。通過選取兩組典型道路場景的序列影像進行匹配實驗,結果表明,本文算法實時獲取的匹配點數量要多于傳統(tǒng)光流法,且匹配點分布均勻,利用匹配點計算的影像位姿結果精度也有一定的提升。2)...

【文章頁數】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 視覺定位研究現(xiàn)狀
        1.2.2 立體匹配研究現(xiàn)狀
    1.3 研究內容與研究難點
    1.4 本文章節(jié)安排
第2章 理論基礎
    2.1 坐標系介紹
    2.2 雙目序列影像視覺定位與位姿估計
        2.2.1 相機成像幾何模型
        2.2.2 視覺定位與位姿估計的數學模型
        2.2.3 序列影像位姿估計解算方法
        2.2.4 雙目序列影像位姿計算方法
    2.3 雙目序列影像稠密點云生成
        2.3.1 立體影像校正與物方點計算
        2.3.2 雙目序列影像稠密點云融合
    2.4 本章小結
第3章 光流與特征點法結合的序列影像匹配算法
    3.1 引言
    3.2 基于光流的特征點跟蹤與匹配算法
        3.2.1 光流法跟蹤的基本原理
        3.2.2 光流法跟蹤存在的問題
    3.3 光流與特征點法結合的序列影像匹配算法
        3.3.1 特征點提取與光流跟蹤
        3.3.2 跟蹤點構建Delaunay三角網
        3.3.3 獲取加密點與尺度旋轉不變描述子
        3.3.4 加密點引導匹配
    3.4 實驗結果與分析
        3.4.1 匹配點效果
        3.4.2 匹配點質量
    3.5 本章小結
第4章 金字塔影像與紋理信息約束的改進半全局立體匹配算法
    4.1 引言
    4.2 半全局匹配
        4.2.1 代價矩陣計算
        4.2.2 代價矩陣積聚
        4.2.3 最優(yōu)視差獲取
    4.3 改進的半全局匹配算法
        4.3.1 金字塔影像約束視差
        4.3.2 影像紋理信息約束視差
        4.3.3 改進半全局立體匹配算法流程
        4.3.4 視差圖加權中值濾波
    4.4 實驗結果與分析
        4.4.1 視差邊緣與算法性能對比分析實驗
        4.4.2 道路立體影像匹配對比分析實驗
    4.5 本章小結
第5章 道路稠密點云建圖實驗
    5.1 雙目序列影像數據獲取
    5.2 雙目序列影像位姿估計結果
    5.3 道路稠密點云建圖結果
    5.4 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
在校期間的科研成果
致謝



本文編號：3864714