雙目立體視覺是計(jì)算機(jī)視覺的重要研究方向之一,該技術(shù)被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、醫(yī)學(xué)等領(lǐng)域,對于提高生產(chǎn)效率及生活質(zhì)量有重要意義。微光雙目視覺是指在光強(qiáng)微弱的環(huán)境下進(jìn)行圖像獲取和立體匹配。由于在黑暗環(huán)境中拍攝的圖像會(huì)受到隨機(jī)噪聲的影響,因此如何獲取精確的微光圖像立體匹配深度圖是一個(gè)具有挑戰(zhàn)性的問題。本文針對這一問題,圍繞立體匹配算法展開研究,主要分為以下兩個(gè)部分:本文提出了一種結(jié)合區(qū)域信息來增強(qiáng)局部噪聲像素魯棒性的匹配算法。該算法改進(jìn)了傳統(tǒng)的半全局匹配算法,改進(jìn)分為兩個(gè)方面:首先,雙目視覺獲取的兩幅圖像進(jìn)行圖像分割獲取區(qū)域信息,通過加入結(jié)構(gòu)軟約束解決動(dòng)態(tài)傳播路徑不完全的問題。其次,在特征提取模塊通過將Census算子由二元改進(jìn)為三元降低噪聲的影響。該算法分別在Middlebury公開數(shù)據(jù)集,通過加噪處理的仿真數(shù)據(jù)及真實(shí)采集的微光數(shù)據(jù)上進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明,本文提出的改進(jìn)算法降低了微光雙目受噪聲的影響,提高了微光立體匹配的準(zhǔn)確度。此外,本文針對微光數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)算法進(jìn)行調(diào)研,考慮到金字塔立體匹配算法（PSM,Pyramid Stereo Matching）在匹配代價(jià)計(jì)算模塊融入了不同位置和... 

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 立體匹配研究現(xiàn)狀
        1.2.2 微光成像概念
        1.2.3 微光立體測距研究現(xiàn)狀
    1.3 主要內(nèi)容和結(jié)構(gòu)安排
第2章 相關(guān)技術(shù)理論
    2.1 雙目立體視覺理論
        2.1.1 攝像機(jī)成像模型
        2.1.2 攝像機(jī)標(biāo)定
        2.1.3 雙目立體視覺原理
    2.2 微光成像理論
        2.2.2 微光成像探測器
        2.2.3 微光成像技術(shù)的發(fā)展與應(yīng)用
第3章 基于區(qū)域信息的微光圖像匹配算法研究
    3.1 傳統(tǒng)半全局圖像匹配算法
        3.1.1 匹配代價(jià)計(jì)算
        3.1.2 代價(jià)聚合之動(dòng)態(tài)規(guī)劃
    3.2 改進(jìn)的圖像匹配算法
        3.2.1 獲取區(qū)域信息
        3.2.2 匹配代價(jià)模塊
        3.2.3 代價(jià)聚合模塊
    3.3 視差計(jì)算及視差優(yōu)化
    3.4 傳統(tǒng)改進(jìn)算法實(shí)驗(yàn)結(jié)果分析
        3.4.1 Middlebury數(shù)據(jù)集
        3.4.2 仿真數(shù)據(jù)
        3.4.3 對比分析
        3.4.4 微光數(shù)據(jù)的實(shí)驗(yàn)結(jié)果
        3.4.5 討論
第4章 基于深度神經(jīng)網(wǎng)絡(luò)的圖像匹配算法研究
    4.1 深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)
    4.2 基于深度神經(jīng)網(wǎng)絡(luò)的立體匹配方法
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.2 空間金字塔池化模塊
        4.2.3 3D CNN
    4.3 針對微光數(shù)據(jù)的改進(jìn)模型
    4.4 深度神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)結(jié)果分析
        4.4.1 KITTI公開數(shù)據(jù)集
        4.4.2 微光數(shù)據(jù)的實(shí)驗(yàn)結(jié)果
        4.4.3 傳統(tǒng)改進(jìn)算法與該改進(jìn)模型的對比分析
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介及在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的跨尺度引導(dǎo)濾波立體匹配算法[J]. 杜晨瑞,李英祥.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(04)
[2]立體對圖像的視差與景深關(guān)系[J]. 劉星,梁發(fā)云,何磊,楊金遠(yuǎn).  南昌大學(xué)學(xué)報(bào)(工科版). 2018(02)
[3]基于3D雙目視覺的虛擬現(xiàn)實(shí)醫(yī)學(xué)教學(xué)平臺(tái)研究[J]. 史森中,黃昊,劉洋,吳東東.  中國醫(yī)學(xué)裝備. 2018(02)
[4]人工智能在家居領(lǐng)域的應(yīng)用與啟示[J]. 王哲.  機(jī)器人產(chǎn)業(yè). 2018(01)
[5]“無人超市”的自動(dòng)識(shí)別技術(shù)[J]. 王浩宇.  電子技術(shù)與軟件工程. 2017(19)
[6]人工智能下一站:無人駕駛汽車[J]. 周路菡.  新經(jīng)濟(jì)導(dǎo)刊. 2017(Z1)
[7]用于智能家居的實(shí)時(shí)人體檢測系統(tǒng)研究[J]. 李強(qiáng),江寧,區(qū)志財(cái).  電器. 2015(08)
[8]雙目立體視覺匹配技術(shù)綜述[J]. 曹之樂,嚴(yán)中紅,王洪.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2015(02)
[9]立體視覺中的圖像立體匹配方法[J]. 陳愛華,高誠輝,何炳蔚.  中國工程機(jī)械學(xué)報(bào). 2014(03)
[10]雙目立體視覺的無人機(jī)位姿估計(jì)算法及驗(yàn)證[J]. 張梁,徐錦法,夏青元.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2014(05)

碩士論文
[1]基于雙目視覺的測距方法研究與應(yīng)用[D]. 王代東.重慶理工大學(xué) 2016
[2]無人車平臺(tái)立體視覺技術(shù)研究[D]. 高潔.電子科技大學(xué) 2016
[3]智能工作場景系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)與性能分析[D]. 李然.北京郵電大學(xué) 2011
[4]基于雙目立體視覺的自動(dòng)引導(dǎo)車導(dǎo)航基礎(chǔ)研究[D]. 王偉.青島大學(xué) 2006



本文編號：3709956