基于ORB算法的雙目視覺測量與跟蹤研究.pdf

1、雙目立體視覺以其在深度測量信息上的優(yōu)越性，成為了計算機視覺測量領域近來研究的熱點。雙目視覺立體匹配算法是實現(xiàn)雙目視覺測量的關鍵步驟，也是整個雙目視覺測量中最為耗時的階段。因此研究一種高匹配精度與低時間復雜度的算法，一直以來是學者研究的熱點問題。
　　本文選用張正友法作為攝像機標定方法，研究了立體視覺匹配的極線約束問題。在圖像特征提取與匹配算法中，運用了2011年ICCV上提出的ORB(oriented FAST and rotat

2、ed BRIEF)算法，它比傳統(tǒng)的SIFT、SURF算法，保證匹配精度的同時，匹配速度有一個數(shù)量級以上的提高。在匹配優(yōu)化中，采用了PROSAC（Progressive Sample Consensus）算法，該算法在去除誤匹配的速度上比傳統(tǒng)的RANSAC算法有顯著提高。將ORB與PROSAC算法結合構造了一種新算法。仿真實驗表明該新算法在準確性和實時性上都優(yōu)于傳統(tǒng)的同類型算法。
　　然后運用本文提出的新算法在MFC與OpenCV環(huán)

3、境下完成了：1.雙目視覺靜態(tài)目標匹配點三維坐標測量，運用匹配點的圖像坐標解算出目標在左相機坐標系下的三維坐標；2.基于Kalman預測與目標學習的單目跟蹤實驗，運用預測結果減小搜索區(qū)域，使跟蹤速度達到15fps以上，加入了目標學習方法，提高了跟蹤魯棒性；3.雙目視覺靜態(tài)非匹配點測量和任意目標尺寸測量，相對誤差在3％以下；4.雙目視覺下目標實時跟蹤與測量，加入了考慮極線幾何約束的擴展Kalman預測，提高了雙目跟蹤預測精度，并在中遠距離達