立体视觉 摄像机标定 角点检测 特征匹配论文

1、立体视觉论文：双目立体视觉分析方法研究【中文摘要】双目立体视觉是计算机视觉研究中最活跃的一个分支,是智能机器人科学发展的重要标志。它是由不同位置的两台或者一台摄像机(CCD)经过移动或旋转拍摄同一场景,通过图像获取、摄像机标定、特征提取和匹配,进而通过计算空间点在两幅图像中的视差,获得场景的深度信息。其中,特征点的提取和匹配是双目立体视觉的重点和难点。本文在阅读大量相关文献的基础上,分析了机器视觉相关技术,重点对摄像机标定以及特征点的提取和匹配等双目立体视觉的方法进行了讨论。本文把以下部分作为重点研究内容：首先,对计算机标定技术进行了研究,提出了一种介于传统标定和自标定的内外参数标定分离的方法

2、,摄像机内部参数以透视成像模型为基础,用物理方法来提取；外参数标定时合理选取参考坐标系,通过实验分析求取两摄像头的外参数模型。该算法简单易懂、计算速度快、所需设备简单、实用性好。其次,对比和介绍了角点检测算法,并在SUSAN角点检测的基础上提出了基于图像平均灰度的阈值选取方法,使阈值的选取不在盲目,保证了在用SUSAN算法进行角点检测的实用性和适用性。最后,在以特征点为基本基元的基础上,结合区域的归一化灰度相关的匹配方法,采用”双向一致匹配”和“最大优先”策略,.【英文摘要】Binocular stereo vision is one of the most active branches o

3、f computer vision research, it is also the important symbol of the aptitude robots development. It can be defined as the process which based on the different locationsvision system composed of dual CCD cameral or personal computers moving or rotating the same scene shot, through image acquisition,ca

4、mera calibration,feature extraction and matching,space points and then by calculating the disparity in the two images,to obtain the scene depth inform.【关键词】立体视觉 摄像机标定 角点检测 特征匹配【英文关键词】Stereo vision camera calibration corners detection feature match【目录】双目立体视觉分析方法研究摘要3-4Abstract4第一章 绪论7-111.1 引言71.2 课题

5、背景及国内外研究状况7-91.2.1 课题背景7-81.2.2 国内外研究状况8-91.3 本文研究主要内容9-101.4 本文结构安排10-11第二章 双目立体视觉原理11-172.1 引言112.2 双目立体视觉的研究内容11-132.3 双目立体视觉的原理13-152.4 本章小结15-17第三章 摄像机标定17-313.1 引言173.2 几种常用坐标系及其转换17-203.3 摄像机镜头的畸变20-223.3.1 摄像机镜头畸变20-213.3.2 镜头畸变修正系数的求解21-223.4 摄像机标定方法22-273.4.1 摄像机标定方法简介22-233.4.2 内参数标定23-25

6、3.4.3 外参数标定25-273.5 实验与数据处理27-303.5.1 内参数标定实验与数据处理27-293.5.2 外参数标定实验与数据处理29-303.6 本章小结30-31第四章 图像预处理31-394.1 图像采集与表示31-324.2 图像预处理32-384.2.1 图像增强32-354.2.2 图像平滑35-374.2.3 图像预处理实例37-384.3 本章小结38-39第五章 图像的特征点提取39-515.1 角点检测算法的概述和对比39-405.2 角点检测方法40-445.2.1 Harris角点检测算法40-415.2.2 SUSAN角点检测理论41-425.2.3 SUSAN角点检测的具体实现42-445.3 改进的SUSAN算法44-465.4 特征点提取实验及分析46-51第六章 立体匹配51-636.1 引言516.2 立体匹配算法研究51-596.2.1 匹配基元的选择51-526.2.2 立体匹配约束准则52-546.2.3 相似性测度的确立54-556.2.4 匹配算法