基于双目视觉的泊车场景重建
发布时间:2021-03-08 08:20
随着虚拟现实和三维建摸技术在国内的迅速发展,计算机视觉技术得到了快速发展,并逐渐应用到人民的日常生活中。其中,三维重建技术作为计算机视觉里相当热门的领域。面对泊车时出现的场景,怎么有效率的、精确的进行三维重建,已经变成了关键问题。对于泊车的场景重建任务,主要从不同角度采集空间的信息,之后计算图像对中坐标的视差,这样就得到了泊车场景的三维信息。利用双目视觉进行三维重建,这个过程一般分为相机标定,图像预处理、特征点提取,立体匹配、三维重建。通过对双目视觉的原理进行了研究,泊车背景下的场景进行深入探索与分析。将三维重建的方法灵活应用泊车等场景中,构建了一种基于双目视觉的泊车场景重建方法。之后主要从以下三个方面对双目视觉及其三维重建进行改进。首先,图像匹配里传统的尺度不变特征变换(SIFT)因为存在数量与维数相对较多,导致出现计算量大匹配时间长的问题。故提出了一种基于主成分分析法改进尺度不变特征变换(PCA-SIFT)的算法。该算法采用了一种圆形描述符对SIFT降维,同时利用主成分分析法将描述符继续降维,以此来剔除描述符的维度带来的误差数据;其次在匹配时通过分层粒子群算法优化欧式距离与余弦相似...
【文章来源】:华北理工大学河北省
【文章页数】:63 页
【学位级别】:硕士
【部分图文】:
三维数据获取方式
华北理工大学硕士学位论文-8-第2章基于双目视觉三维重建基本理论本章首先阐述了在相机成像过程中的先决条件,建立各个坐标系。对于相机与现实场景相关的四个坐标系进行了详细的讲述。在充分了解各个坐标系之间的转换关系之后才可以依据相机的内外部参数,为了将场景在现实的三维环境映射在二维图像中,需要建立相机的模型分析双目视觉的成像原理。在本章最后介绍了图像立体匹配的相关基础原理,包括对极几何,匹配单元,与常见的约束条件。2.1参考坐标系基于双目视觉泊车场景重建技术根本在于如何依据双目相机在图像中获取到想要的三维信息,进而结合相机内外参数运算,得到位置关系、场景信息等相关三维信息。所以为了能够将场景建立一个成像模型,就必须了解参考坐标系,并详细了解这些坐标系之间的关系。本课题重点介绍了了下面几个参考坐标系[28]。2.1.1像素坐标系双目相机采集到的图像需要经计算转化为数字图像,图像信息也由此可以被计算机所读取,同时转成了数组的形式被其保存。其中在数组里每个像素都对应数字图像中的像素值(该点的灰度,假如图像是彩色,那么该点的灰度就用RGB表示),如下图2所示,图像中坐标系uv是一个直角坐标系。图2像素坐标系与实际物理坐标系Fig.2Pixelcoordinatesystemandactualphysicalcoordinatesystem
第2章基于双目视觉三维重建基本理论-9-在该坐标系中将像素值作为单位,在某一点上坐标0u用来表示该像素在数组中的行数,同样的0v则是表示列数,故此我们将该坐标系u-v称为像素坐标系。2.1.2实际物理坐标系在上节的像素坐标系里,其坐标轴横纵坐标分别代表了像素点在图像里的行列数。由于上述坐标系并不能准确反映出图像里像素点所在物理位置,为了能够将像素坐标系中所不能够准确反映的位置问题解决,就需要一个新的坐标系,用该坐标来反映物理位置。在图2里,我们将建立好的直角坐标系x-y做实际物理坐标系。x,y则是以物理单位来进行度量实际物理坐标系里的各个坐标。在坐标系x-y里,把原点1O称其是主点,那么双目相机的光轴与图像所处于的面会位于该点相交,通常时候这个点会处在图像的原点处。那么设主点1O在像素坐标系u-v里的坐标是00(u,v),那么dy,dx就是在x,y上具有物理意义的单位。下式则表示了上述两个坐标系之间坐标里的相互转化关系:0010101001udxuvvdy(1)2.1.3相机坐标系把相机当作中心所创建的坐标系,通常我们将其称为相机坐标系。在图3中,表示的是相机成像的几何关系,我们将作为原点O作为相机光心。图3摄像机成像的几何关系Fig.3Cameraimaginggeometry
【参考文献】:
期刊论文
[1]基于分层自主学习的改进粒子群优化算法[J]. 袁小平,蒋硕. 计算机应用. 2019(01)
[2]基于位置敏感器件的视觉测量系统标定技术[J]. 滕玉坤,郝颖明,付双飞,范晓鹏. 激光与光电子学进展. 2018(08)
[3]SLAM室内三维重建技术综述[J]. 危双丰,刘振彬,赵江洪,庞帆. 测绘科学. 2018(07)
[4]基于模糊高斯学习策略的粒子群-进化融合算法[J]. 周伟,罗建军,靳锴,王凯. 计算机应用. 2017(09)
[5]小比例尺道路网眼约束下的多尺度道路网自动匹配[J]. 裴洪星,翟仁健,武芳,李靖涵,巩现勇,吴铮. 测绘学报. 2017(06)
[6]快速鲁棒的城市场景分段平面重建[J]. 王伟,高伟,朱海,胡占义. 自动化学报. 2017(04)
[7]基于非采样高斯差分金字塔的多尺度融合边缘检测[J]. 穆柯楠,赵祥模,惠飞. 四川大学学报(工程科学版). 2015(05)
[8]Harris角点自适应检测的水稻低空遥感图像配准与拼接算法[J]. 周志艳,闫梦璐,陈盛德,兰玉彬,罗锡文. 农业工程学报. 2015(14)
[9]基于主动视觉的结构光手眼系统自标定方法[J]. 吉峰,郭新年,曹沁婕,白瑞林,于圣龙. 自动化仪表. 2015(02)
[10]双平面法标定的双目视觉三维测量系统[J]. 田小超,李忠科. 电光与控制. 2015(03)
博士论文
[1]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[2]薄膜晶状型仿人眼结构和成像视觉技术研究[D]. 杜佳玮.浙江大学 2017
[3]机器人双目立体视觉若干关键理论问题及其技术实现研究[D]. 赖小波.浙江大学 2010
[4]高精度摄像机标定和鲁棒立体匹配算法研究[D]. 郑志刚.中国科学技术大学 2008
硕士论文
[1]基于双目视觉的泊车机器人障碍物识别系统研究[D]. 王帅.河南科技大学 2019
[2]基于双目视觉与惯导信息融合的SLAM系统实现[D]. 万薇.浙江工业大学 2019
[3]路桥工程中基于BIM的3D实景建模与应用研究[D]. 庞浚疑.重庆交通大学 2018
[4]基于立体视觉的场景三维重建技术研究[D]. 伊璐.西安理工大学 2017
[5]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[6]基于双目立体视觉的三维重建技术研究及实现[D]. 谭健胜.华南理工大学 2017
[7]面向机器人导航的双目立体视觉系统设计与研究[D]. 张文彩.哈尔滨工业大学 2014
[8]基于双目视觉的移动车辆三维重建方法研究与应用[D]. 任冉冉.合肥工业大学 2010
[9]基于彩色图像分割的立体匹配算法研究[D]. 张娟.山东大学 2007
本文编号:3070736
【文章来源】:华北理工大学河北省
【文章页数】:63 页
【学位级别】:硕士
【部分图文】:
三维数据获取方式
华北理工大学硕士学位论文-8-第2章基于双目视觉三维重建基本理论本章首先阐述了在相机成像过程中的先决条件,建立各个坐标系。对于相机与现实场景相关的四个坐标系进行了详细的讲述。在充分了解各个坐标系之间的转换关系之后才可以依据相机的内外部参数,为了将场景在现实的三维环境映射在二维图像中,需要建立相机的模型分析双目视觉的成像原理。在本章最后介绍了图像立体匹配的相关基础原理,包括对极几何,匹配单元,与常见的约束条件。2.1参考坐标系基于双目视觉泊车场景重建技术根本在于如何依据双目相机在图像中获取到想要的三维信息,进而结合相机内外参数运算,得到位置关系、场景信息等相关三维信息。所以为了能够将场景建立一个成像模型,就必须了解参考坐标系,并详细了解这些坐标系之间的关系。本课题重点介绍了了下面几个参考坐标系[28]。2.1.1像素坐标系双目相机采集到的图像需要经计算转化为数字图像,图像信息也由此可以被计算机所读取,同时转成了数组的形式被其保存。其中在数组里每个像素都对应数字图像中的像素值(该点的灰度,假如图像是彩色,那么该点的灰度就用RGB表示),如下图2所示,图像中坐标系uv是一个直角坐标系。图2像素坐标系与实际物理坐标系Fig.2Pixelcoordinatesystemandactualphysicalcoordinatesystem
第2章基于双目视觉三维重建基本理论-9-在该坐标系中将像素值作为单位,在某一点上坐标0u用来表示该像素在数组中的行数,同样的0v则是表示列数,故此我们将该坐标系u-v称为像素坐标系。2.1.2实际物理坐标系在上节的像素坐标系里,其坐标轴横纵坐标分别代表了像素点在图像里的行列数。由于上述坐标系并不能准确反映出图像里像素点所在物理位置,为了能够将像素坐标系中所不能够准确反映的位置问题解决,就需要一个新的坐标系,用该坐标来反映物理位置。在图2里,我们将建立好的直角坐标系x-y做实际物理坐标系。x,y则是以物理单位来进行度量实际物理坐标系里的各个坐标。在坐标系x-y里,把原点1O称其是主点,那么双目相机的光轴与图像所处于的面会位于该点相交,通常时候这个点会处在图像的原点处。那么设主点1O在像素坐标系u-v里的坐标是00(u,v),那么dy,dx就是在x,y上具有物理意义的单位。下式则表示了上述两个坐标系之间坐标里的相互转化关系:0010101001udxuvvdy(1)2.1.3相机坐标系把相机当作中心所创建的坐标系,通常我们将其称为相机坐标系。在图3中,表示的是相机成像的几何关系,我们将作为原点O作为相机光心。图3摄像机成像的几何关系Fig.3Cameraimaginggeometry
【参考文献】:
期刊论文
[1]基于分层自主学习的改进粒子群优化算法[J]. 袁小平,蒋硕. 计算机应用. 2019(01)
[2]基于位置敏感器件的视觉测量系统标定技术[J]. 滕玉坤,郝颖明,付双飞,范晓鹏. 激光与光电子学进展. 2018(08)
[3]SLAM室内三维重建技术综述[J]. 危双丰,刘振彬,赵江洪,庞帆. 测绘科学. 2018(07)
[4]基于模糊高斯学习策略的粒子群-进化融合算法[J]. 周伟,罗建军,靳锴,王凯. 计算机应用. 2017(09)
[5]小比例尺道路网眼约束下的多尺度道路网自动匹配[J]. 裴洪星,翟仁健,武芳,李靖涵,巩现勇,吴铮. 测绘学报. 2017(06)
[6]快速鲁棒的城市场景分段平面重建[J]. 王伟,高伟,朱海,胡占义. 自动化学报. 2017(04)
[7]基于非采样高斯差分金字塔的多尺度融合边缘检测[J]. 穆柯楠,赵祥模,惠飞. 四川大学学报(工程科学版). 2015(05)
[8]Harris角点自适应检测的水稻低空遥感图像配准与拼接算法[J]. 周志艳,闫梦璐,陈盛德,兰玉彬,罗锡文. 农业工程学报. 2015(14)
[9]基于主动视觉的结构光手眼系统自标定方法[J]. 吉峰,郭新年,曹沁婕,白瑞林,于圣龙. 自动化仪表. 2015(02)
[10]双平面法标定的双目视觉三维测量系统[J]. 田小超,李忠科. 电光与控制. 2015(03)
博士论文
[1]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[2]薄膜晶状型仿人眼结构和成像视觉技术研究[D]. 杜佳玮.浙江大学 2017
[3]机器人双目立体视觉若干关键理论问题及其技术实现研究[D]. 赖小波.浙江大学 2010
[4]高精度摄像机标定和鲁棒立体匹配算法研究[D]. 郑志刚.中国科学技术大学 2008
硕士论文
[1]基于双目视觉的泊车机器人障碍物识别系统研究[D]. 王帅.河南科技大学 2019
[2]基于双目视觉与惯导信息融合的SLAM系统实现[D]. 万薇.浙江工业大学 2019
[3]路桥工程中基于BIM的3D实景建模与应用研究[D]. 庞浚疑.重庆交通大学 2018
[4]基于立体视觉的场景三维重建技术研究[D]. 伊璐.西安理工大学 2017
[5]基于改进SIFT算法的图像匹配研究[D]. 冯文斌.燕山大学 2017
[6]基于双目立体视觉的三维重建技术研究及实现[D]. 谭健胜.华南理工大学 2017
[7]面向机器人导航的双目立体视觉系统设计与研究[D]. 张文彩.哈尔滨工业大学 2014
[8]基于双目视觉的移动车辆三维重建方法研究与应用[D]. 任冉冉.合肥工业大学 2010
[9]基于彩色图像分割的立体匹配算法研究[D]. 张娟.山东大学 2007
本文编号:3070736
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3070736.html