单双目摄像头.doc

单双目摄像头
Keyword:双目摄像头,深度图像,客流量计算

首先,本文对立体视觉中对最基础的立体匹配问题作了深入的研究。详细介绍了立体匹配的理论基础以及算法的四大关键要素,在此基础上,本文介绍了三类常见的立体匹配算法:基于灰度的匹配,基于特征的匹配和基于频域变换的匹配,详细介绍了每类算法的基本原理算法特性和优缺点。其次,本文介绍了立体视觉中的难点,标定问题。基于对相机模型的介绍,本文介绍了如何标定相机的内部参数和外部参数,也就是称为相机标定的过程。通过相机标定的过程,我们就可以从二维图像信息中计算出特征点的真实三维坐标,从而解决了单目相机在客流检测中目标互相遮挡的难题。再次,本文介绍了Mean Shift的基本理论和算法,采用了一种基于Mean Shift理论的模式聚类算法从而成功的实现了对获取的三维点集进行模式聚类。最后,通过在大量采集的样本图片上的实验,证明了本系统具有很高的识别率以及良好的抗干扰能力。
2. Real-Time Stereoscopic Image generation from Depth Map and its Hardware Design 双眼看到一个物体的时候,该物体在左右眼中会有位移,而这个位移就为视差。物体越远视差越小,反之视差越大,因为时差的原因我们产生了立体深度的感觉。因为我们可以利用一些将一张2D的影像产生出虚拟的双眼立体影像,例如DIBR (depth-image-based rendering)利用原始的2D影响深度虚拟立体摄像机的设置来产生一组有时差的立体影像。
但由于我们产生的过程中,变动了影像内物体的位置,造成影像中有空洞的问题,这样的立体影像是无法观看的,为此我们必须利用影像填补(image inpainting)的方法将空洞填补起来。我们使用DIBR的演算法来产生双眼影像,在使用简化的影像来填补算法填补产生的空洞。由于硬件设计和速度的考量,我们简化了填补算法,虽然造成了填补效果的下降,但是仍然在可以接受的范围内,由于影像结构的关系,常常为了减少几块的空洞区域而而要重复扫描整张影像,为了提升计算的速度,将整张影像分段处理,每次只处理几行,将计算时间分散,使计算时间较整张处理的方式提升了约50%。
3. 基于对应点的双目视觉研究
双目视觉研究是计算机视觉研究中最为活跃的分支之一,主要包括摄像机标定,图像采集,特征提取,立体匹配,深度计算及深度信息内插六部分内容。其中,特征提取和立体匹配是核心部分,本文以这两部分作为重点研究内容,主要包括:
第一,D摄像机,重点讨论了几种常用的坐标系及其各个坐标系的转换关心,给出了光轴平行的双目视觉摄像机模型。
第二,在图像的特征提取方面,本文对freeman链码角点检测方法和面积比角点检测方法进行了比较研究,提出了一种改进的面积比焦点检测方法。该方法与改进前相比,在保证角点检测效果不变的情况下提高了角点检测的实时性。
第三,借助相关法计算两幅图像中目标相似度,以实现图像的立体匹配。将目标几何形状的角点作为对应点,结合对应点的外极线约束条件,
提出一种有效地对应点匹配算法,再次基础上,D成像的目标深度信息。
4. 双目视觉变焦测距技术
双目视觉测距是根据视差原理,,使得传统双目视觉测距系统的测量范围得到更好的延展性,"灵敏度"定义,它是决定系统有效量程和测量精
,提出自适应的变焦测距策略,在实际的测量应用测试中已收到较好的效果.

双目摄像头是利用仿生学原理,通过标定后的双摄像头得到同步曝光图像,然后计算获取的2维图像像素点的第三维深度信息。为了对不同的环境场合进行监控提出了一种新的基于双目计算机视觉的自适应识别算法。该算法首先利用像素点的深度信息对场景进行识别判断,然后采用统计的方法为场景建模,并通过时间滤波克服光照渐变,以及通过深度算法特性克服光照突变。与单摄像头相比,利用该算法实现的视频监控原理系统,可应用于更多场合,并利用深度信息设置报警级别,来降低误检率。

为了能实时地采集到公交系统中的客流量,提出了一种基于双目立体视觉的客流计数方法。该方法由3部分组成:运动目标检测,标记,匹配与计数。目标检测是计数问题的核心,该方法首先利用行帧差法检测可能的运动目标
,然后基于视差分析判断可能目标的真伪。通过模拟环境和实际公交车环境的测试表明,该方法现场计数准确率达到92%以上,并有效克服了因计数场