基于改進(jìn)SURF的雙目立體視覺(jué)三維重建.pdf

1、雙目立體視覺(jué)作為計(jì)算機(jī)視覺(jué)中的熱點(diǎn)和難點(diǎn)，是計(jì)算機(jī)視覺(jué)的一種重要形式，它基于兩臺(tái)參數(shù)相同或不同的攝像機(jī)模擬人類(lèi)視覺(jué)機(jī)制，獲取同一三維場(chǎng)景在不同視角下的兩幅圖像，利用視差原理和數(shù)學(xué)方法恢復(fù)三維場(chǎng)景中的深度信息，其在航空測(cè)繪、視覺(jué)導(dǎo)航、運(yùn)動(dòng)分析、及工業(yè)檢測(cè)等計(jì)算機(jī)視覺(jué)領(lǐng)域有著廣泛的應(yīng)用前景，因此對(duì)基于雙目立體視覺(jué)的三維重建中的若干問(wèn)題展開(kāi)研究，具有一定的理論依據(jù)和研究?jī)r(jià)值。論文主要從雙目立體相機(jī)標(biāo)定、圖像特征提取與立體匹配、深度信息獲取等方

2、面對(duì)基于雙目立體視覺(jué)的三維重建進(jìn)行深入研究和完善改進(jìn)。
　　 在雙目立體相機(jī)標(biāo)定模塊，利用張正友棋盤(pán)格標(biāo)定算法獲取單個(gè)相機(jī)的內(nèi)參數(shù)，并利用重投影誤差精確優(yōu)化。對(duì)于立體攝像機(jī)之間的標(biāo)定，提出了一種基于極線校正的立體標(biāo)定方法，首先對(duì)兩幅圖像進(jìn)行極線校正，計(jì)算校正圖像中對(duì)應(yīng)點(diǎn)的誤差，利用校正誤差優(yōu)化相機(jī)之間的參數(shù)矩陣，實(shí)驗(yàn)表明改進(jìn)后的標(biāo)定算法精度較高。
　　 在圖像特征提取與立體匹配方面，對(duì)幾種具有代表性的局部特征算子進(jìn)行了性

3、能對(duì)比，采用了SURF算子作為局部特征描述子，提出了一種改進(jìn)SURF算法與KD-tree相結(jié)合的特征匹配算法。改進(jìn)算法將SURF特征描述向量擴(kuò)展到128維，一般而言，特征矢量的長(zhǎng)度越長(zhǎng)，特征矢量所承載的信息量就越大，匹配時(shí)的被檢測(cè)概率也就越高，但相應(yīng)的增加了匹配時(shí)所付出的時(shí)間代價(jià)。針對(duì)此問(wèn)題，采用基于KD-tree的BBF搜索方法，為上述擴(kuò)展的特征描述向量建立KD-Tree特征結(jié)構(gòu)。由于KD-Tree對(duì)數(shù)據(jù)集的維數(shù)有嚴(yán)格的要求，一般不能

4、超過(guò)20維，所以采用改進(jìn)KD-Tree的最近鄰查詢機(jī)制，執(zhí)行BBF最近鄰搜索，將KD-Tree擴(kuò)張到高維數(shù)據(jù)集上，實(shí)現(xiàn)特征點(diǎn)的快速匹配，并利用最近鄰與次近鄰比值判別法進(jìn)行匹配對(duì)提純。最后用實(shí)驗(yàn)結(jié)果證明了改進(jìn)后的SURF算法相比于目前廣泛使用的SIFT算法計(jì)算時(shí)間少，更適用于對(duì)實(shí)時(shí)性有一定要求，存在尺度或旋轉(zhuǎn)變化明顯的的圖像配準(zhǔn)中，為全景圖像拼接、立體視覺(jué)、三維重建等研究領(lǐng)域提供了一種新的解決思路。
　　 對(duì)立體圖像對(duì)完成特征點(diǎn)的