无人机双目视觉深度感知技术研究与实现

发布时间：2020-12-30 13:28

　　无人机在航拍、农林植保、电力巡线、安防等领域的应用越来越广泛,将双目立体视觉应用于无人机,实时感知环境的深度信息,具有重大意义。双目视觉中的立体匹配是一直被热门研究的部分,其中的困难在于遮挡、低纹理、重复纹理等问题。立体匹配算法主要可分为局部算法和全局算法,全局算法比局部算法具有更好的匹配精度,但时间复杂度高难以实现实时性,局部算法虽然耗时少,但匹配精度欠佳。本文主要针对立体匹配中的代价聚合、误匹配检测、视差优化这三部分展开深入研究,并根据嵌入式平台的特点对立体匹配算法进行加速优化。本文的主要研究内容具体如下:1.针对传统固定窗代价聚合算法在小窗口尺寸下存在大量视差噪声以及在大窗口尺寸下模糊视差边缘的问题,研究了非局部代价聚合算法。该算法将支持窗口扩大到整张图,较好的保留视差边缘,但在处理的过程中,数据间的依赖性比较严重,难以达到实时性。将多尺度代价卷融合的方式应用到固定窗代价聚合算法,减少了小窗口代价聚合算法中存在离散的视差噪声和低纹理区域的误匹配。实验结果表明多尺度代价卷融合下的固定窗聚合算法在实时性与匹配精度方面综合表现更佳,更具有并行加速优化的特点。2.研究了误匹配检测中左右一... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外发展现状
        1.2.1 立体匹配算法研究现状
        1.2.2 双目立体视觉在各平台的实现现状
    1.3 论文的研究内容和结构安排
        1.3.1 论文主要研究内容
        1.3.2 论文的结构安排
第二章 双目视觉深度感知框架
    2.1 双目立体视觉理论
        2.1.1 摄像机成像原理与坐标系间变换关系
        2.1.2 相机标定
        2.1.3 双目视觉深度感知原理
    2.2 立体匹配原理
        2.2.1 立体校正
        2.2.2 匹配约束
        2.2.3 立体匹配算法评估准则与方法
        2.2.4 匹配基元及匹配代价函数
        2.2.5 立体匹配的难点与挑战
    2.3 深度感知的处理流程
        2.3.1 预处理流程
        2.3.2 实时获取深度流程
    2.4 本章小结
第三章 基于多尺度融合的固定窗代价聚合算法
    3.1 引言
    3.2 传统的固定窗代价聚合算法
        3.2.1 盒滤波
        3.2.2 积分图像
        3.2.3 实验结果及分析
    3.3 非局部代价聚合算法
    3.4 多尺度代价聚合算法
    3.5 各个聚合算法的分析对比与实验结果
    3.6 本章小结
第四章 多阶段误匹配检测与视差优化方法
    4.1 引言
    4.2 遮挡导致的误匹配
    4.3 误匹配视差检测
        4.3.1 左右一致性视差检测
        4.3.2 唯一性检测
        4.3.3 连通区域检测
        4.3.4 实验结果
    4.4 视差优化算法
        4.4.1 最邻近有效视差填充
        4.4.2 加权中值滤波视差优化算法
        4.4.3 超像素分割的视差优化算法
    4.5 实验结果与分析对比
    4.6 本章小结
第五章 嵌入式开发环境与算法并行加速优化
    5.1 引言
    5.2 嵌入式开发平台介绍
        5.2.1 硬件开发部分
        5.2.2 软件开发环境
    5.3 CUDA并行处理框架
        5.3.1 执行模型
        5.3.2 内存模型
        5.3.3 性能优化
    5.4 立体匹配算法并行加速优化研究
        5.4.1 初始代价计算优化
        5.4.2 代价聚合优化
        5.4.3 多尺度代价卷融合优化
        5.4.4 视差选取及唯一性检测优化
    5.5 深度恢复实验与结果分析
    5.6 本章小结
第六章 结论与展望
    6.1 本文工作总结
    6.2 未来研究工作展望
致谢
参考文献


【参考文献】：
期刊论文
[1]民用无人机发展前景定量评估[J]. 高俊杰,沈辉,宋晨柯.  中国科技信息. 2017(16)



本文编号：2947722