基于FPGA双目立体匹配系统的研究与实现

发布时间：2022-01-15 18:04

　　双目立体匹配算法在计算机视觉中有着广泛的应用,并且发展趋势都在朝着高精度、低延时、低功耗的移动嵌入式平台发展。鉴于现有通用器处理平台不能达到嵌入式平台的性能指标,本文在嵌入式平台上进行了双目匹配系统的研究与实现。本文采用基于Xilinx Zynq-7020 FPGA芯片的嵌入式SoC硬件开发平台,该芯片内同时集成了Cortex-A9ARM和可编程逻辑单元。本文结合硬件平台特性,针对双目匹配算法进行了详细研究和分析。主要工作内容包含以下三方面:首先是关键算法选择。Mini-census算法相对于Census占用更少的硬件实现资源,且二者精度相当,有时前者精度甚至优于后者,所以本文选用前者进行初始代价计算。对图像构建自适应区域后,对初始代价进行聚合,相比没有构建自适应区域的代价聚合方法而言,精度上有很大提升,所以本文采用前者所述方法。其次是自适应区域的选择。本文对自适应区域的选择做了研究对比,发现只对待匹配图片进行自适应区域构建的方法,精度上优于同时对待匹配图片和候选图片进行自适应区域构建后取交集的方法。而且前者相比于后者减少了归一化操作和硬件计算资源。所以,本文采用前者进行代价聚合,在不... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２－１视差几何结构图??Ｆｉｇｕｒｅ?２－１?Ｐａｒａｌｌａｘ?ｇｅｏｍｅｔｒｙ?ｇｒａｐｈ??６??

?双目立体匹配系统的原理和算法介绍??图２－１用几何结构图表示双目成像的视差，其中久和是两台参数相同位置??平行的相机，Ｓ表示两个相机光心之间的距离，Ｐ点是空间中的一点，和＆分别??为左右两个相机的成像点，摄像头的焦距为／（光心到成像平面的距离），可以看??到红色虚线表示视差。令Ｚ表示深度，根据三角相似原理可得：??Ｚ?＝?（Ｂ＊ｎ／ｄ?（２－１）??所求深度信息与视差的关系是成反比的，当视差Ｃ／越小时，深度越大，物体??离立体视觉系统也就越远；当视差ｄ越大，深度越小，物体离立体视觉系统也就??越近。双目匹配系统与人眼成像系统相同，正是由于视差的存在，我们才能感受??物体的深度信息并对物体获得立体感。??在图像处理中，通常用灰度值来表示视差信息。视差越大，其灰度值也就越??大

双目立体匹配系统的原理和算法介绍??可以看出ｆ运算中，当Ｊ小于５时，编码为１；当Ｊ大于等于５时，编码为??０。？表示编码后的连接操作，具体编码过程如图２－３所示，图中选取了?３?ｘ?３大??小的支持域窗口。??１２?１０?１１?Ｃ运算?１?Ｉ?〗?？运算??２５?１９?１８?１?〉°?Ｉ?〉１１１０１１０１??１２?２３?１７?１０】??图２－３?Ｃｅｎｓｕｓ编码过程??Ｆｉｇｕｒｅ?２－３?Ｃｅｎｓｕｓ?ｅｎｃｏｄｉｎｇ?ｐｒｏｃｅｓｓ??当对左图和右图某个像素点分别做完统计变换后，需进行异或操作获取初始??代价值。初始代价是对左右图相对应像素统计变换后，产生编码异或求解的汉明??距离值。汉明距离实际是对编码相似度的度量。可以看出当汉明距离越小，表示??两个像素点越相似，反之，当汉明距离越大，表示两个像素点越不相似。如图２－４??所示。??１２?｜?１０?｜?１１?｜?｜?１?｜?１?｜?１??ｍ?Ｅｉｚｊ）?ｒ?１?ＳｉｉｉＱｉｉｍ??１２?２３?１７?１?０?１?＾??异或ｋ?统计ｋ??????????１?＞１００１１０１０１?＞?４??５４?２５?２４???０?１?１?＾?＾??２ｊ?３４?＾?Ｖ??］?１?％Ｑ１１１Ｑ１１１??１２?１８?１６?１?１?１??图２－４汉明距离求解??Ｆｉｇｕｒｅ?２－４?Ｈａｍｍｉｎｇ?ｄｉｓｔａｎｃｅ?ｓｏｌｕｔｉｏｎ??通过观察发现，统计变换不是直接利用像素大小进行计算，而是利用周围局??部像素信息间的关系进行计算。这种方法在一定程度上，使得匹配算法受光照变??化的影响大大减小


本文编号：3591077