基于光场子孔径条纹图像的深度估计技术研究

发布时间：2022-12-04 07:15

　　场景深度数据的获取是计算机视觉领域的经典问题,数字投影条纹测量技术由于其非接触、高精度、计算快速等显著优点,成为深度估计领域持续的研究和应用热点。传统的数字投影条纹深度获取系统常使用CCD/CMOS相机作为采集设备,但在高动态表面物体、大景深物体的深度数据获取和空间分辨率提升等方面存在局限性。随着光场成像技术的发展,结合光场相机和数字投影条纹成为一种新的深度估计方案,有可能有效解决以上问题。但以光场相机作为数字投影条纹的采集设备也带来新的挑战,本文对以下两个挑战进行了初步探索,首先,由于光场传感器同时记录光线的强度和角度信息,从光场数据中提取得到的子孔径图像空间分辨率较低,需要提升通过子孔径条纹图像计算得到的深度数据空间分辨率;其次,子孔径图像的拍摄视角之间存在亚像素级别的偏移,现有基于匹配的偏移估计方法准确度不高,不准确的偏移数据将会对多子孔径深度数据的融合造成较大影响。本文针对上述问题提出了一种基于投影条纹绝对相位的子孔径图亚像素偏移计算方法,然后利用凸集投影算法对多张子孔径深度图进行了融合,得到了高于子孔径图像空间分辨率的深度估计结果。为了验证本文方法的有效性,选取了不同的被测物... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 后续章节组织安排
2 相关技术概述
    2.1 光场成像原理
    2.2 数字条纹投影测量技术
    2.3 图像超分辨率技术
    2.4 本章小结
3 单一子孔径视角下的深度估计
    3.1 四维光场的获取
    3.2 子孔径图的提取
    3.3 光场子孔径深度估计
    3.4 算法实现与验证
    3.5 本章小结
4 子孔径图像亚像素偏移计算
    4.1 子孔径图偏移现象
    4.2 子孔径图偏移计算
    4.3 算法实现与验证
    4.4 本章小结
5 子孔径图像超分辨率重建
    5.1 超分辨率原理
    5.2 超分辨率实现
    5.3 算法实现与验证
    5.4 本章小结
6 实验结果与分析
    6.1 人像面部深度估计实验
    6.2 人像头发深度估计实验
    6.3 本章小结
7 总结与展望
    7.1 本文工作总结
    7.2 未来工作展望
致谢
参考文献
附录1 攻读学位期间发表(投稿)的学术论文


【参考文献】：
期刊论文
[1]LYTRO相机光场图像深度估计算法及重建的研究[J]. 孙福盛,韩燮,丁江华,刘涛.  计算机工程与应用. 2018(13)
[2]Harris-SIFT算法及其在双目立体视觉中的应用[J]. 赵钦君,赵东标,韦虎.  电子科技大学学报. 2010(04)
[3]一种基于特征编组的直线立体匹配全局算法[J]. 文贡坚.  软件学报. 2006(12)



本文编号：3707827