達(dá)用雙影像技術(shù)求取3D 座標(biāo)資訊–模擬退火法之應(yīng)用

《達(dá)用雙影像技術(shù)求取3D 座標(biāo)資訊–模擬退火法之應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第一屆臺灣作業(yè)研究學(xué)會學(xué)術(shù)研討會暨2004年科技與管理學(xué)術(shù)研討會運用雙影像技術(shù)求取3D座標(biāo)資訊–模擬退火法之應(yīng)用12田方治柳美鈴1工程與管理學(xué)系臺北科技大學(xué)工業(yè)臺北市忠孝東路三段一號fctien@ntut.edu.tw2朝陽科技大學(xué)臺中縣霧峰鄉(xiāng)吉峰東路168號摘要：對應(yīng)問題(Correspondenceproblem)為立體影像(Stereovision)中最重要之問題，由於問題之複雜性(Complexity)高，導(dǎo)致其應(yīng)用性受限於計算時間與儲存空間之上，且求解效果往往不盡理想，常陷於區(qū)域解。故啟發(fā)式之方法(HeuristicMethods)已

2、被廣泛使用於對應(yīng)問題最佳化問題之求解，其中模擬退火演算法(Simulatedannealing)是一種高階的萬用啟發(fā)式演算法，非常適合求解組合最佳化問題。本研究係針對點對應(yīng)問題，依其於影像中常用之限制建立一能量函數(shù)，於函數(shù)中除考慮左右兩影像之特徵點參數(shù)；如：灰階值之平均數(shù)與變異數(shù)、梯度大小(GradientMagnitude)、與梯度方向(GradientDirection)等，並運用啟發(fā)式的模擬退火法經(jīng)由程式讀入不同之合成影像進(jìn)行測試，經(jīng)程式執(zhí)行一特定次數(shù)，最後求得最佳之點對應(yīng)解。關(guān)鍵字：雙影像視覺系統(tǒng)(StereoVisionSystem)

3、、對應(yīng)問題(Correspondenceproblem)、模擬退火法(SimulatedAnnealing)。壹、前言(Introduction)一、研究動機與目的一般常用電腦視覺的參考基準(zhǔn)檢測技術(shù)有兩種；一是將參考物體與對應(yīng)物體兩張影像直接作相減的運算，此方法之檢測速度較快；另一為特徵擷取比較法，通常特徵擷取是將對應(yīng)物體所擷取出之特徵與參考物體上相對應(yīng)的特徵作比對，故其檢測方式較具彈性。傳統(tǒng)特徵擷取比較法可應(yīng)用於立體影像之對應(yīng)問題，但所面臨的主要問題在於演算法仍不夠健全，且因物體相互遮掩、不同攝影機對亮度的敏感度不同等因素的影響下，系統(tǒng)易產(chǎn)生

4、出許多不正確的對應(yīng)，大多數(shù)的學(xué)者在立體對應(yīng)演算法的領(lǐng)域投注許多研究，然所提出的立體對應(yīng)演算法仍較人類本身的立體視覺能力差。一般物件在影像中皆是以像素(Pixels)的方式呈現(xiàn)，立體對應(yīng)演算法採用擷取特徵點方式雖易於分析，但因所擷取的特徵點數(shù)過多，且受兩影像中特徵點數(shù)目不一致等因素影響，導(dǎo)致兩物體所出現(xiàn)之點數(shù)並不一致，造成配對時產(chǎn)生”無對應(yīng)”的情況。一般啟發(fā)式方法(HeuristicMethod)將雙影像配對問題表示成一滿足限制式問題(ConstraintSatisfactionProblem)，此模式屬不連續(xù)(Discrete)545第一屆臺灣

5、作業(yè)研究學(xué)會學(xué)術(shù)研討會暨2004年科技與管理學(xué)術(shù)研討會問題，且通常擁有以下之特性：(1)高維度(HighDimensional)，(2)複雜度高(HighComplexity)，(3)自變數(shù)x數(shù)目多，i(4)自變數(shù)x為二元化(Binary)，且x={0,1}or{-1,1}，ii(5)限制條件多。故以類神經(jīng)網(wǎng)路學(xué)(NeuralNetworks)、基因演算法(GeneticAlgorithm)、模擬退火法等方法往往被應(yīng)用於求解決此問題。然而，其中模擬退火法求解非線性之整數(shù)問題速度快且有效，正符合此類問題之模式，故本研究採用此方法以隨機(Stoch

6、astic)及漸進(jìn)式(Hill-climbing)之方式求解，以期得到更佳之對應(yīng)結(jié)果。貳、文獻(xiàn)回顧一、立體對應(yīng)(StereoMatching)立體影像常應(yīng)用於許多量測與影像處理問題上，如3-D座標(biāo)量測、機器人視覺導(dǎo)引系統(tǒng)及近景攝影量測，以往立體對應(yīng)的影像處理，均利用簡易針孔模型作為成像的理論基礎(chǔ)，而非依循幾何光學(xué)折(反)射定理，所以缺乏嚴(yán)謹(jǐn)?shù)挠跋穹治鲞^程，因此高精度立體成像系統(tǒng)較難建立。大多數(shù)雙影像對應(yīng)問題，是利用參考影像及對應(yīng)影像中每一像素的完全對應(yīng)或利用擷取出的特徵點互相對應(yīng)來求解，而兩影像中灰階值的相關(guān)性、高亮度對比的點、邊緣與角(Cor

7、ners)等一些不變的性質(zhì)於雙影像對應(yīng)研究中均被列為重要的特性[1]。目前求解立體對應(yīng)之方法分為下列五類：(1)相似性的對應(yīng)(SimilarityMatching)法。(2)多階段對應(yīng)(Multi-stageMatching)法。(3)動態(tài)規(guī)劃對應(yīng)法。(4)鬆弛對應(yīng)(Relaxation)法。(5)最佳化方法(Optimization)。上述立體對應(yīng)求解方法中，均必須面臨龐大的資料運算與一些限制問題，例如當(dāng)相似性方法對於場景(Scenes)中有過多或過少的結(jié)構(gòu)時(Structure)[7]，則無法有效運作。多階段對應(yīng)法、鬆弛對應(yīng)法與最佳化方法之

8、缺點則為求解的時間太長[5]。二、模擬退火法模擬退火法於1983年由Kirkpatrick[9][10]所發(fā)展出以隨機(Stochastic)及漸進(jìn)式