基于雙目視覺相機的深度圖像恢復(fù)技術(shù)研究與應(yīng)用.pdf

1、作為計算機視覺的一個重要分支，雙目立體視覺通過計算三維世界中的一點在雙目相機左右視圖上的視差來得到待觀測物體的深度信息，由于雙目立體視覺與其他測距方式相比具有非接觸性與強魯棒性，所以雙目立體視覺在自動駕駛、行為檢測識別、虛擬現(xiàn)實、安防預(yù)警等領(lǐng)域有廣泛的應(yīng)用。
　　隨著雙目立體視覺的不斷發(fā)展，但是有些問題依然沒有得到解決，同時在某些應(yīng)用場景，雙目視覺有很強的適用性，所以本文主要研究的是雙目立體視覺的匹配方法與相關(guān)應(yīng)用，主要對雙目立體

2、視覺中的圖像匹配、坐標轉(zhuǎn)換、深度圖應(yīng)用等方面展開了理論實踐與技術(shù)研究。為了讓局部立體匹配算法具有較高的匹配精度與較快的匹配速度，本文提出了個基于特征種子點與區(qū)域種子點聯(lián)合擴張的種子點傳播算法，提取FAST特征然后采用ORB作為特征的描述子，選擇優(yōu)秀的特征作為特征種子點，利用AD-Census聯(lián)合匹配代價來對度量待匹配點之間的相似性。利用Canny邊緣檢測來提取動態(tài)檢測窗口從而獲得在低紋理區(qū)域更為精確的匹配結(jié)果。然后根據(jù)左右一致原則篩選出

3、區(qū)域種子點，通過區(qū)域種子點與特征種子點的傳播，來得到稠密的視差圖，最后利用中值濾波與亞像素求精對視差圖進行優(yōu)化，得到高匹配速度低誤差的匹配算法。
　　根據(jù)雙目立體匹配得到視差圖求取深度圖，根據(jù)RANSAC算法提取深度圖像中的平面信息，然后根據(jù)擬合到的平面方程，剔除深度圖中的平面點。利用人臉檢測或者頭肩檢測來得到人體所在的位置信息，從而對人體的輪廓進行提取。將得到的輪廓圖分別投影到三個互相垂直的平面上，在每個平面上建立運動歷史能量圖