資源描述：
《立體匹配論文：汽車輔助駕駛系統(tǒng)中立體匹配算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、立體匹配論文：汽車輔助駕駛系統(tǒng)中立體匹配算法研究【中文摘要】立體匹配是計算機視覺體系中的重要組成部分,在基于立體視覺的駕駛輔助系統(tǒng)中更是起到核心作用。駕駛輔助系統(tǒng)是一種能起到主動預(yù)警作用的車輛駕駛安全系統(tǒng),車輛中安裝兩臺攝像機模擬人的視覺系統(tǒng),利用獲取的同一時刻圖像對進行立體匹配,得到視差圖進而得到深度圖,從而獲取場景的三維信息,相對于雷達、激光等技術(shù),基于雙目視覺的駕駛輔助系統(tǒng)為駕駛員提供了更豐富的路況信息,能夠主動預(yù)警障礙物并識別路標信息。在輔助駕駛系統(tǒng)中,車輛運行速度快,路面環(huán)境復(fù)雜,且噪聲干擾較多,因此找到一種速度快,且對復(fù)雜場景、噪聲等情況魯棒性好的匹配算法是關(guān)鍵
2、問題。基于圖像分割的立體匹配算法利用原始圖像中平滑區(qū)域也是視差平滑的區(qū)域視差不連續(xù)區(qū)域一般也是分割邊緣的特性,首先對圖像利用均值偏移算法進行分割,然后利用分割信息擬合由速度較快的窗口法得到的初始視差,得到最終視差圖。這種方法對于復(fù)雜的路面信息和噪聲干擾都有很好的適應(yīng)性,本文對這種算法進行了深入的研究,主要工作如下：在深入分析基于圖像分割的立體匹配算法的基礎(chǔ)上,在初始視差求取中結(jié)合像素灰度差絕對值之和(SAD)算法和基于梯度的(GRAD)算法,并利用贏者全贏算法對左右圖分別求得的視差圖進行互檢測求得更準確的初始視差圖,并選擇-種自適應(yīng)閾值的基于圖論的圖像分割方法獲取原始圖像的
3、分割信息,這種基于新的分割方法的立體匹配不但可以獲得比較準確的深度圖且達到了提高時間效率的。結(jié)果表明,在室外場景的實驗中,對于光照變化其他噪聲,算法也具有很好的魯棒性,能準確獲取目標深度。最后,對所做研究的結(jié)果進行了總結(jié)和分析,并提出了將來需要改進的方向?！居⑽恼縎tereomatchingisaveryimportantcomponentincomputervisionandalsoplaysacentralroleinstereovisionbasedDriverAssistanceSystem.Driverassistancesystemisanearlywarn
4、ingvehiclesecuritysystemwhichcanplayaproactiveroleindriving.Withtwocamerasinstalledinthevehicletosimulatethehumanvisualsystem,systemusesimagesobtainedinthesametimetorunstereomatchingtogetdisparitymap.Thendepthmapcanbeobtained,whichcanhelptorecoverythree-dimensionalsceneinformation.Opposedt
5、oradar,lasertechnology,stereovisionbaseddriverassistancesystemprovidedriversrichertrafficinformationforinitiativeandearlywarningobstacleandidentifyingsignsinformation.InDriverAssistanceSystems,thevehicleisinhighspeedandtheroadenvironmentiscomplexwithmuchnoise,soitisveryimportanttofindamatc
6、hingmethodwithhighspeedandgoodrobustnesstocomplexscenesandnoise,etc.Imagesegmentationbasedstereomatchingalgorithmconsiderthatsmoothregionintheoriginalimagealwayshavesmoothdisparityanddisparitydiscontinuitiesaregenerallyappearwithedgefeatures.Byusingmean-shiftimagesegmentation,thismethodget
7、segmentationinformationandusethemtofitinitialdisparity,whichisgotbyfastwindowmethod,togetfinaldisparitymap.Thismethodhavegoodadaptabilityforcomplexinformationandroadnoise,thispaperhavein-depthresearchinthisalgorithm,mainlyasfollows:Afterin-depthanalysisofimage
