本文選題：雙目視覺 + 立體匹配��； 參考：《西南石油大學(xué)》2016年碩士論文

【摘要】：隨著計算機視覺在近些年的飛速發(fā)展,雙目立體視覺作為其重要研究方向之一,也得到了快速地發(fā)展,應(yīng)用領(lǐng)域也不斷拓寬。完整的雙目視覺系統(tǒng)主要由圖像采集、攝像機標(biāo)定、圖像校正、立體匹配和三維重建等步驟構(gòu)成。而立體匹配作為其中最關(guān)鍵的步驟,匹配的精度和效率以及硬件實現(xiàn)直接決定了整個雙目視覺系統(tǒng)的性能和實際應(yīng)用。因此研究立體匹配算法及其實現(xiàn)對雙目視覺的發(fā)展具有重大意義和實用價值。到目前為止,有許多不同種類的立體匹配算法相繼被提出,但是立體匹配中存在的弱紋理,深度不連續(xù)等技術(shù)難點問題仍然亟待解決。論文深入研究了立體匹配的基礎(chǔ)理論及局部立體匹配算法中的一些優(yōu)秀算法,通過對各種算法得到的視差圖進(jìn)行測試對比,最終選擇了一種基于重啟動隨機游走的立體匹配算法進(jìn)行深入學(xué)習(xí),研究其需要改進(jìn)的方面,并嘗試在PC機和嵌入式ARM平臺上對其進(jìn)行實現(xiàn)。經(jīng)過分析發(fā)現(xiàn),重啟動隨機游走算法存在邊緣權(quán)重僅由單一的像素點間的顏色差異決定的問題,并且沒有對鄰接矩陣進(jìn)行均衡化,這兩個方面的問題會增加錯誤匹配的概率,降低算法的匹配精度。因此本文提出了一種改進(jìn)的重啟動隨機游走算法。首先對邊緣權(quán)重進(jìn)行改進(jìn),邊緣權(quán)重由像素點間的顏色差異和空間距離共同決定,然后采用雙隨機矩陣技術(shù)對鄰接矩陣進(jìn)行均衡化,進(jìn)一步提高匹配精度,最后,通過測試平臺對改進(jìn)算法進(jìn)行測試,并與原算法的結(jié)果對比,測試結(jié)果顯示,改進(jìn)算法的匹配精度比原算法有所提高。本文對提出的改進(jìn)算法進(jìn)行硬件實現(xiàn)。首先搭建了雙目視覺圖像采集平臺,通過Matlab編程實現(xiàn)左右攝像頭同時采集實景圖像,并利用Matlab標(biāo)定工具箱完成了實景圖像的立體標(biāo)定,獲得了雙目攝像頭的內(nèi)外參數(shù),然后通過OpenCV對采集到的實景圖像對進(jìn)行畸變校正,再用改進(jìn)算法進(jìn)行立體匹配,得到實景圖像的視差圖,完成改進(jìn)算法在PC機上的實現(xiàn)。而后在虛擬機上搭建Ubuntu系統(tǒng),再在其之上搭建Linux+QT系統(tǒng),通過QT調(diào)用OpenCV完成圖像校正和立體匹配,獲得視差圖。然后通過交叉編譯器編譯生成能在ARM開發(fā)板上運行的文件,將Linux+QT系統(tǒng)和可運行文件燒寫到開發(fā)板中,最后通過顯示屏顯示算法求得的視差圖,完成立體匹配算法在嵌入式ARM中的實現(xiàn)。
[Abstract]:With the rapid development of computer vision in recent years, binocular stereo vision, as one of its important research directions, has also been rapidly developed, and its application field has been continuously broadened. The complete binocular vision system consists of image acquisition, camera calibration, image correction, stereo matching and 3D reconstruction. Stereo matching is the most important step. The precision, efficiency and hardware implementation of stereo matching directly determine the performance and practical application of the binocular vision system. Therefore, the study of stereo matching algorithm and its implementation is of great significance and practical value for the development of binocular vision. Up to now, many kinds of stereo matching algorithms have been proposed one after another. However, the technical difficulties in stereo matching, such as weak texture and depth discontinuity, still need to be solved. In this paper, the basic theory of stereo matching and some excellent algorithms of local stereo matching are deeply studied, and the parallax images obtained by various algorithms are tested and compared. Finally, a stereo matching algorithm based on reboot random walk is selected for further study, and its improvement aspects are studied, and it is implemented on PC and embedded ARM platform. After analysis, it is found that the edge weight of the algorithm is determined only by the color difference of a single pixel, and the adjacent matrix is not equalized. These two problems will increase the probability of mismatch. Reduce the matching accuracy of the algorithm. Therefore, an improved random walk algorithm for restarting is proposed in this paper. Firstly, the edge weight is improved. The edge weight is determined by the color difference between pixels and the space distance, then the adjacent matrix is equalized by using double random matrix technology to further improve the matching accuracy. The improved algorithm is tested on the test platform and compared with the original algorithm. The test results show that the matching accuracy of the improved algorithm is higher than that of the original algorithm. In this paper, the improved algorithm is implemented in hardware. Firstly, a binocular visual image acquisition platform is built, and the real scene image is collected simultaneously by the left and right cameras through Matlab programming. The stereo calibration of the real scene image is accomplished by using the Matlab calibration toolbox, and the internal and external parameters of the binocular camera are obtained. Then the real scene image is corrected by OpenCV, then stereo matching is carried out with the improved algorithm, and the parallax image of the real scene image is obtained, and the improved algorithm is implemented on PC. Then the Ubuntu system is built on the virtual machine, and then the Linux QT system is built on the virtual machine. The image correction and stereo matching are completed by QT call OpenCV, and the parallax map is obtained. Then the cross-compiler is used to compile and generate the files that can run on the ARM development board, and then the Linux QT system and the runnable files are burned into the development board. Finally, the parallax map obtained by the display algorithm is displayed. The realization of stereo matching algorithm in embedded ARM is completed.
【學(xué)位授予單位】：西南石油大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于舒春;趙杰;蔡鶴皋;;立體匹配算法分階段測試平臺[J];計算機工程;2007年10期

2 白明;莊嚴(yán);王偉;;雙目立體匹配算法的研究與進(jìn)展[J];控制與決策;2008年07期

3 于乃功;秦永鋼;阮曉鋼;;立體匹配算法進(jìn)展[J];計算機測量與控制;2009年05期

4 牟雅丹;;立體匹配算法的比較[J];技術(shù)與市場;2009年12期

5 張令濤;曲道奎;徐方;;一種基于圖割的改進(jìn)立體匹配算法[J];機器人;2010年01期

6 劉亞竹;李逵;狄紅衛(wèi);;一種改進(jìn)的基于圖割的立體匹配算法[J];微型機與應(yīng)用;2012年07期

7 張志華;霍家道;劉會;;一種基于米字形窗口的區(qū)域立體匹配算法[J];科學(xué)技術(shù)與工程;2014年12期

8 周東翔,蔡宣平,孫茂印;基于模糊判別的立體匹配算法[J];中國圖象圖形學(xué)報;2001年04期

9 夏澤邑,劉沖,王躍宗,沙里瓦特;基于平均局部熵的顯微立體匹配算法[J];儀器儀表學(xué)報;2003年S1期

10 高一寧;韓燮;;雙目視覺中立體匹配算法的研究與比較[J];電子測試;2011年01期

相關(guān)會議論文 前5條

1 賈波;章毓晉;張寧;林行剛;;一種二維搜索的立體匹配算法[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 夏澤邑;劉沖;王躍宗;沙里瓦特;;基于平均局部熵的顯微立體匹配算法[A];中國儀器儀表學(xué)會第五屆青年學(xué)術(shù)會議論文集[C];2003年

3 高月芳;朱同林;張佑生;偶春生;;一種改進(jìn)的立體匹配算法[A];全國第13屆計算機輔助設(shè)計與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

4 趙亮亮;黎寧;;一種基于全局約束的立體匹配算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

5 姜吉祥;屈玉福;;雙目視覺立體匹配算法對比研究[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 張翔;基于可編程片上系統(tǒng)的實時立體匹配算法研究[D];浙江大學(xué);2014年

2 陳彬;實時雙目立體匹配算法研究與實現(xiàn)[D];武漢科技大學(xué);2014年

3 翟振剛;立體匹配算法研究[D];北京理工大學(xué);2010年

4 池凌鴻;立體匹配算法的研究和應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2011年

5 曹曉倩;面向病態(tài)場景圖像對的立體匹配算法研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機械研究所）;2014年

6 王瑋;基于遮擋信息的局部立體匹配算法的研究[D];山東大學(xué);2012年

7 施陳博;快速圖像配準(zhǔn)和高精度立體匹配算法研究[D];清華大學(xué);2011年

8 劉赫偉;基于地面控制點和能量優(yōu)化的魯棒立體匹配算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

9 鄭志剛;高精度攝像機標(biāo)定和魯棒立體匹配算法研究[D];中國科學(xué)技術(shù)大學(xué);2008年

10 朱松;基于圖像分割的快速立體匹配算法研究[D];華中科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李峰;基于雙目視覺的立體匹配算法研究及應(yīng)用[D];燕山大學(xué);2015年

2 趙蘢菲;雙目立體視覺中局部立體匹配算法研究[D];河北大學(xué);2015年

3 劉婷婷;水下雙目視覺立體匹配算法的研究[D];燕山大學(xué);2015年

4 王瓊;基于區(qū)域增長的立體匹配算法研究[D];西南交通大學(xué);2015年

5 李嬌;基于立體視覺的雙目匹配[D];南京理工大學(xué);2015年

6 羅藝彬;雙目立體視覺中立體匹配算法的優(yōu)化研究[D];哈爾濱工業(yè)大學(xué);2015年

7 王知之;基于協(xié)同優(yōu)化的立體匹配算法及其在三維電視的應(yīng)用研究[D];電子科技大學(xué);2014年

8 何樹成;基于雙目立體視覺的圖像匹配算法研究[D];山西大學(xué);2014年

9 龔文;基于動態(tài)規(guī)劃的立體匹配算法研究[D];南昌航空大學(xué);2015年

10 李艷云;基于雙目視覺的彩色三維場景再現(xiàn)與3D顯示[D];中國科學(xué)院研究生院(西安光學(xué)精密機械研究所);2015年

，

本文編號：1989019