雙目立體視覺中特征提取算法研究-論文.pdf

《雙目立體視覺中特征提取算法研究-論文.pdf》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、像與多媒體技木●Image＆MultimediaTechnology雙目立體視覺中特征提取算法研究文趙本東陶華敏特征提取是雙目立體視覺中的一個關(guān)鍵步驟，是圖像匹配和三維重建的基礎(chǔ)。本文主要對角點特征提取算法進行研究，重點分析了兩種常用的角點特征提取方法：Susan算予和Harris算子，最后綜合Susan和Harris兩種算法優(yōu)點，介紹一種改進的角點特征提取算法，使得算法實時性得到提高，實驗結(jié)果顯示這種算法具有較好的角點檢測性能和較高的效率Susan算子Harris算子圖3．1：兩種算法對同一副圖像提取角點的實際效果所以不受圖像亮度改變的影響；

2、算法只用到一階差分及濾波，故計算【關(guān)鍵詞】特征提取Susan算法HarriS算法簡單；再者Harris算子提取的特征改進算法點分布均勻而且合理，可以定量的提取特征點并且因為不涉及閾值而使算法更加穩(wěn)定：并且該算法具有隨著計算機技術(shù)、超大規(guī)模集成電路、旋轉(zhuǎn)不變性?？刂评碚?、人工智能理論、傳感器技術(shù)和視覺研究的不斷成熟與發(fā)展，機器人技術(shù)應(yīng)用也逐2Harris~RSusan算法分析漸步向多元化。雙曰立體視覺正是在此背景下發(fā)展起來的一個新的研究熱點，其原理是運用從以上兩種方法的分析可以看兩個攝像機模擬人眼對同一景物從不同位置成出，用Susan算法進行角點

3、檢測時，像，進而從視差中獲取景物的三維信息雙目檢測時間快，但在弱邊緣上不易檢立體視覺技術(shù)的實現(xiàn)包括特征點提取、立體匹測出正確的角點，因為僅訂一個設(shè)配和三維重建等幾個關(guān)鍵部分，其中特征提取定的閩值所以在灰度差不大的情況是它的基礎(chǔ)。特征提取算法的效率和性能直接下，角點容易被忽略：而且它的定影響著整個雙目立體視覺的效果，進而影響著位不夠精確．容易出現(xiàn)角點偏移和機器人工作的效率和性能，因此，對特征提取圖3．2：算法的角點簇效應(yīng)錯誤判斷的情況；更重要的是在明算法的研究在機器人智能化研究中具有十分重顯的角點處，它容易檢測到很多偽要的意義。用SUSAN角點檢

4、測法的過程中，有幾個參數(shù)角點，組成角點簇，這會對后續(xù)的圖像匹配帶是需要人為設(shè)定的，參數(shù)設(shè)定的好壞會直接關(guān)來很大的麻煩。而用Hams算法進行檢測，角1經(jīng)典算法介紹系到角點檢測的速度和精度。點定位則十分準(zhǔn)確，且分布合理。但該算法的檢測時間不是很令人滿意，這也是目前對該方法提出改進的一個重要方向。SUSANfSmallestUnivalucSegmentHarris算子是Hams和Stephens在1988圖3．1顯示TSusan算法和Harris算法年提出的。這種算子受信號處理中自相關(guān)函數(shù)在提取角點的應(yīng)用中的實際效果以及兩者的Assimilatin

5、gNucleus)角點檢測法是Smith等在的啟發(fā)，給出與自相關(guān)函數(shù)相聯(lián)系的矩陣M。對比。很明顯可以看出，相較Harris算法，1996年提出來的。該方法把每個像素與包含M陣的特征值是自相關(guān)函數(shù)的?階曲率，有Susan算法對孤立的亮點或者暗點(圖中藍色它的一塊局部區(qū)域(模板)關(guān)聯(lián)起來，然后判以下三種情況：兩個特征值都很高，那么在任橢圓圈中的點)能夠有較好的響應(yīng)，但對線線斷這塊區(qū)域里的其它像素與該像素是否具有相何方向的偏移都將增加該I域變化值，所以該相交的角點(圖中黃色圓圈中的點)的檢測效似的強度，最后利用統(tǒng)計特性決定該像素的屬點被認(rèn)為是一個特征

6、點；兩個特征值都很小，果卻有所不及。另外，從圖3_2的效果容易看出，性，即是角點、邊上的點還足面上的點。那么圖像中的變化區(qū)域成為近似不變的亮度，Susan算法在正確角點處的角點簇效應(yīng)很嚴(yán)重，該方法的優(yōu)點足具有很好的準(zhǔn)確性和可則為面上的點；‘個特征值小，而咒一個特征不利】后期的圖像匹配?？啃?，檢測效果不受物體方向和噪聲的限制：值高，那么顯然這是一條邊?；谝陨险J(rèn)識，為了快速提取準(zhǔn)確的角無需梯度的計算，提高了算法的效率。但不足Harris角點探測器可以很有效的提取目標(biāo)點，另外，角點的提取是為了下步的圖像匹的是在弱邊緣上不易檢測出正確的角點，在灰物體

7、的特征點。它對圖像中的每個角點都計算配，所以為了匹配的方便，我們還需控制角點度差不大的情況下，角點容易被忽略：定位不其興趣值，然后在鄰域中選擇最優(yōu)點。該算法分布的均勻合理，即控制小區(qū)域內(nèi)的角點數(shù)量，夠精確，容易出現(xiàn)角點偏移和錯誤判斷的情有如下特點：由于Hams算子求的是梯度運算，杜絕角點簇的出現(xiàn)，并且針對Harris算法檢測況，這方面仍有待進一步的研究。另外，在運速度有待改進的問題，下面我們綜合Susan和122·電子技術(shù)與軟件工程ElectronicTechnology&SoftwareEngineeringmage&MultimediaTe

8、chnology·圖像與多媒體技術(shù)終檢測出的角點有可能會忽略掉角點小鄰域內(nèi)別的正確角點，但這對后續(xù)的圖像匹配工作沒有負(fù)面影響，岡此在實際運用中它是一種