双目序列影像三维运动参数确定

结合立体视觉的特点．介绍了一套双目视觉系统与完整的、由双目序列影像确定场景中目标运动信息的方法。其主要步骤包括相机检校、运动与立体影像的匹配、运动前后三维特征点的对应以及运动参数的求解。并给出了从真实双目序列影像中获取物体匀速直线运动和匀加速直线运动参数的实验结果。     

基于结构光和单CCD相机的物体表面三维测量

非接触式物体表面三维自动测量是计算机视觉领域的中心任务之一 ,围绕这个问题 ,提出了一种利用结构光 ,单 CCD相机和双定向技术实现物体表面三维自动测量的新方法。采用该方法 ,无需测定相机和结构光光截面之间的相对位置 ,在单目序列影像上就可测量出物体表面的三维坐标。     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。     

基于深度学习的室内动态场景下视觉SLAM技术研究

视觉同步定位与建图（visual simultaneous localization and mapping,VSLAM）技术是近年来机器人和计算机视觉领域的重点研究方向之一,但当前的主流算法主要面向静态环境,当场景中存在运动的物体时,算法的定位精度和稳定性会受到很大影响。为了解决上述问题,提出了一种惯性测量单元（inertialmeasurementunit,IMU）积分与YOLOv4语义分割结合的VSLAM前端动态特征点剔除算法,通过YOLOv4网络对图像进行语义分割,识别图像中有运动可能的物体;再将IMU积分与语义分割结合,对目标检测框内有运动可能的特征点进行重投影误差的解算,识别并剔除环境中运动的特征点。在TUM Visual-Inertial Dataset上验证该算法,结果表明,在包含运动物体的室内场景下,该算法可以有效剔除环境中的运动物体,显著提升SLAM系统的定位精度和稳定性。     

计算机立体视觉研究的进展

计算机立体视觉是运用两个或多个摄像机对同一景物从不同位置成像并进而从视差中恢复深度(距离)信息的技术.在几十年的发展中,计算机立体视觉已形成了自己的方法和理论.文中系统地叙述了计算机立体视觉的研究现状,分析了存在的问题和今后的发展方向.     

空基下视时序影像瞬时成像模型研究

物方空间的物体随着时间的推移进行着绝对运动,运动导致了相对位置的变化,时间序列影像记录了物方三维空间的动态变化。本文基于下视时间序列影像的动态特性,在共线方程中引入时间元素,提出了空基下视时间序列影像瞬时成像模型,描述了动态“物像”间的瞬时投影关系;针对地表不同类型动态物体,构建了“由像到物”的应用模型,实现了从像方动态特征计算地表物体特征的目的。通过仿真和真实航空下视序列影像的试验与分析,验证了序列影像瞬时成像模型能够定量计算像地动态特征。     

OpenCV的相机标定在高速相机中的应用

视频测量是近景摄影测量的一个分支,是在非接触的状态下,对处于运动状态的物体以视频或影像序列的形式瞬时记录运动物体的空间位置和状态,并通过摄影测量解析处理,获取运动物体特征点的高精度三维空间坐标,从而对运动物体的特征进行定性和定量分析,描述物体的运动轨迹和运动参数。视频测量已经逐步应用于土木工程、考古学和航空学等领域,并取得了一定的成果。相机定标是计算机三维重建不可或缺的步骤,相机定标的精度和可靠性直接影响计算机视觉系统的三维定位精度。相对于传统标定方法,本文在张正友算法的基础上结合OpenCV实现的算法。该方法使用更加方便、快捷,标定结果更加精确。     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。     

基于联邦滤波进行立体相机/IMU/里程计运动平台组合导航定位

在无GPS信号的受限环境中,基于序列立体影像的运动平台视觉定位精度较高,能够改正航迹推算方法的误差累积,但在纹理贫乏或光照不足的环境下容易定位失败。为提高受限环境下运动平台定位的精度与稳健性,提出一种基于联邦滤波的立体相机、惯性测量单元（inertial measurement unit,IMU）及里程计组合导航方法。该方法在联邦滤波中利用IMU分别同里程计与立体相机构成子滤波器,有效避免立体视觉定位失效而导致的系统定位失败,提高了定位稳健性。地下巷道实验结果证明,所提方法能有效提高运动平台导航定位的精度,并且在立体视觉定位失效的情况下仍能实现连续定位。     

计算机立体视觉研究的进展

计算机立体视觉是运用两个或多个摄像机对同一景物从不同位置成像并进而从视差中恢复深度（距离）信息的技术，在几十年的发展中，计算机立体视觉已形成了自己的方法和理论。文中系统地途述了计算机立体视觉的研究现状，分析了存在的问题和今后的发展方向。     

3D Motion parameters determination based on binocular sequence images

Exactly capturing three dimensional (3D) motion information of an object is an essential and important task in computer vision, and is also one of the most difficult problems. In this paper, a binocular vision system and a method for determining 3D motion parameters of an object from binocular sequence images are introduced. The main steps include camera calibration, the matching of motion and stereo images, 3D feature point correspondences and resolving the motion parameters. Finally, the experimental results of acquiring the motion parameters of the objects with uniform velocity and acceleration in the straight line based on the real binocular sequence images by the mentioned method are presented.     

3D Motion parameters determination based on binocular sequence images

Introduction Amongexistingvisionmoniteringandtheesti mationof3Dmotion,nearlyallinvestigations aremoniteringandtracingthemotionobject basedonsinglesequenceimages.Themotionin formationbyanalyzingthesinglesequenceima gesisrelative,whichincludesascaleoffactor…     

影像匹配算法模型

通过对数据摄影测量、心理物理学、计算机视觉领域的影像匹配理论探讨,尝试把没的匹配研究路线揉全中在一个算法模型中,从而将心理物理学、计算机视觉、数字摄影测量领域的影像匹配问题联系起来,并对数字摄影测量的影像匹配算法进行了讨论。     

移动测量系统宽幅影像的几何拼接与量测

研究了移动测量系统宽幅影像的拼接与量测算法。通过建立三幅影像柱面全景投影的几何关系,能够直接拼接完成宽幅影像。利用宽幅影像和原始影像间反投影变换关系以及三幅原始影像的同、异步立体像对,可建立宽幅影像与物方空间坐标间一一对应关系,从而实现宽幅影像目标的量测算法。宽幅影像的投影拼接和量测实验表明,利用柱面全景投影拼接得到宽幅影像的方法可应用于移动测量平台宽幅影像序列的拼接;在原始影像具备同步立体像对的条件下,宽幅影像量测的绝对精度可达1 m以内,相对精度可达0.2 m以内,满足城市环境实景目标量测的精度需求。     

多重信息多重判据自适应影象匹配

摄影测量影象匹配(相关)是计算机视觉(机器视觉)的一个重要方面。目前影象匹配的各种算法只限于采用局部影象灰度和单一判据,这是造成匹配结果不可靠的重要原因。本文引入信息理论,对影响匹配可靠性的诸因素进行了定量分析,在此基础上结合人类视觉理论研完成果及摄影测量立体观测的经验,提出了多重信息多重判据影象匹配的理论,并阐述了采用影象结构信息辅助局部灰度和自适应控制措施予以具体实现的方法。     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题.在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法.同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法.实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的.     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题。在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法。同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法。实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的。     

一种无人机影像空三加密点抽稀算法

在无人机空三加密中,特征点匹配多采用基于计算机视觉的匹配算法进行处理,对稀少的空中三角测量控制点进行控制点位的补充。由于无人机影像分辨率高,细节丰富,使得匹配特征点数量庞大,给后续的区域网平差带来困难。本文提供的空三加密点抽稀算法,可大幅降低加密点的数量,优先保留优质点位,并保证被保留点位均匀分布。     

一种改进的自适应遗传算法在影像匹配中的应用

影像匹配是计算机视觉及数字摄影测量的核心问题。基于遗传算法的全局寻优特点及影像匹配的具体特点,本文将遗传算法引入到遥感影像的匹配定位中。针对遗传算法中变异概率、交叉概率在实验中始终保持不变的缺点,本文利用Fibonacci数列对基于遗传算法的影像匹配进行了自适应改进。实验结果表明这种方法可以产生一个快速而且可靠的匹配结果。