基于雙目視覺的運動目標深度信息提取方法研究.pdf

1、基于立體視覺的深度感知技術，工作原理是獲得場景中不同位置圖像中的映射點所對應的視差關系，結合相機標定參數(shù)獲得該空間點的深度信息。深度感知技術作為一種智能視覺測量技術，已經(jīng)成為計算機視覺的研究熱點。經(jīng)過幾十年的研究與發(fā)展，立體視覺、運動估計、三維信息測量和三維表面重建技術，已成功應用于工業(yè)界，市面上已有許多成型的產(chǎn)品。本文使用立體視覺的深度信息測量方法，借助廉價的實驗設備，實現(xiàn)了運動目標的深度信息提取系統(tǒng)。論文的主要研究工作如下：

2、　　1、介紹了運動目標信息的獲取方法，并整合了一種運動前景分割算法：首先使用混合高斯模型檢測出初始運動（前景）目標，然后整合了基于紋理特征與色度特征的陰影檢測策略，檢測并去除前景中的陰影像素點，得到準確的前景目標，最后結合跟蹤算法確定運動目標的完整信息。
　　2、介紹了立體視覺的基本理論，包括相機成像模型及坐標系轉換關系、立體視覺的深度信息恢復模型、對極幾何原理以及立體匹配中的基本約束關系。研究并實現(xiàn)了雙目相機參數(shù)標定算法，包括單

3、目相機參數(shù)標定（求解相機內(nèi)參數(shù)）、立體相機參數(shù)標定（求解相機外參數(shù)）和立體圖像校正。
　　3、研究了一種基于多特征融合與代價修正的視差計算方法，并研究了基于置信度策略的視差優(yōu)化方法。計算匹配代價：本文采用兩階段求解策略計算初始代價體：首先組合多種特征計算初始匹配代價，通過加權融合方式計算得到初始代價體；然后使用特征點代價來修正初始代價體，提高計算精度。初始視差計算：基于物體邊緣特征和像素灰度特征，使用貪婪算法構建穩(wěn)定的最小權重生成

4、樹結構，進行匹配代價聚合優(yōu)化以求取像素點初始視差。視差優(yōu)化：基于最小生成樹結構進行置信度聚合與傳播來修正錯誤的視差，得到精確的視差值。
　　4、介紹了多尺度策略與傾斜面優(yōu)化匹配算法，研究了一種基于平面參數(shù)估計與多尺度的立體匹配方法。通過構建視差平面參數(shù)模型與初始化，使用多尺度策略計算匹配代價，利用隨機搜索算法優(yōu)化視差模型參數(shù)，得到像素點最優(yōu)視差。
　　5、研究了運動目標深度提取方法，設計了基于雙目視覺的運動目標深度信息提取技