论文部分内容阅读
在计算机视觉领域中,立体匹配是重要的研究方向之一,它对于三维物体重建的实现至关重要。众所周知,一个好的匹配方法,应该能同时满足精度高、速度快这两个要求,也就是匹配算法要有比较好的实用性和实时性。立体匹配的整个过程是建立在三维场景左右视图的基础上,因此立体匹配在很大程度上依赖于左右视图其本身,左右视图本身的各种不确定因素会对立体匹配的性能产生很大的影响,所以立体匹配技术所涉及到的问题是一个很难彻底解决的问题。近年来,立体匹配技术一直处于不断的发展与完善之中,主要分为基于特征点的立体匹配和基于区域的立体匹配,本文对基于特征点的匹配技术的相关问题进行分析和研究,主要工作如下:(1).针对立体匹配过程中光照不变性的问题,本文提出了一种基于全局颜色传递和PCA-SIFT的立体匹配算法。首先,新算法对不同光照条件下同一场景的左右视图进行全局颜色传递,以减小匹配时由颜色差异带来的误差;然后用PCA-SIFT算法对左视图和经过处理后的右视图进行特征点的提取和匹配,实现三维场景左右视图的匹配,删除误匹配点;最后对剩下的匹配点进行区域生长,生成视差图以完成立体匹配。仿真实验表明新的匹配算法在光照不变性方面具有良好的表现;(2).针对立体匹配过程中存在的噪声问题,本文提出了一种基于特征点分类和改进ORB的立体匹配算法。首先,在ORB算法中关于特征点检测的基础上,检测出左右视图的特征点,并且根据特征点邻域内像素之间的差值形成一个2维的特征向量,与SURF的特征向量相结合形成66维特征向量;然后再根据2维特征向量对特征点进行分组和粗匹配,再对分组后的特征点进行精确匹配,删除误匹配点;最后对剩下的匹配点进行区域生长,生成视差图以完成立体匹配。仿真实验表明新算法在进行立体匹配时具有良好的抗噪性能;(3).针对立体匹配过程中倾斜面、曲面和弱纹理区域匹配性能较差的问题,本文提出了一种基于小波变换和GLOH的立体匹配算法,即首先对三维场景的左右视图进行小波变换,生成左右视图的低频分量子图像和高频分量子图像,并且对低频分量子图像和高频分量子图像分别提取SIFT特征点,并生成GLOH特征描述符;然后对GLOH特征描述符进行粗匹配和精确匹配,并删除误匹配点;最后对剩下的匹配点进行区域生长,生成视差图以完成立体匹配。仿真实验表明新算法在倾斜面、曲面和弱纹理区域具有良好的匹配性能。