双目移动机器人立体匹配算法(2011年)_双目视觉避障算法资源-CSDN文库

工程技术

论文

需积分: 14 46 浏览量 2021-05-14 11:30:50 上传评论收藏 437KB PDF 举报

资源推荐

资源详情

资源评论

第

卷第

期

2011

年

月

北京工业大学学报

JOURNAL

BEIJING UNIVER51TY OF TECHNOLOGY

37 No.5

May

2011

双目移动机器人立体匹配算法

王贵财崔平远

，

居鹤华

(1.北京工业大学电子信息与控制工程学院，北京

100124 ;

北京理工大学宇航学院，北京

100081 )

摘

要:提出一种基于图像分割和可信点的双目移动机器人立体匹配算法，首先采用纹理检验分割算法对双目

移动机器人获得的左右图像进行分割，确定低纹理和纹理相似区域;然后通过

町特征匹配点得到可信点视

差;其次采用

5AD

区域匹配加速算法得到初始视差;最后依据

51FT

特征匹配点的分布、初始视差和最小距离分

类器对图像分割块进行视差处理，同时对于较小的图像分割块进行

BLOB

滤波处理来获取较高精度的视差图.

实验结果表明，本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题，可快速

准确识别障碍.

关键词:立体匹配;可信点;双目移动机器人;最小分类器

中图分类号:

TP39

文献标志码

文章编号:

0254

-0037(2011

)05

-0675

-08

双目移动机器人通常由

部分组成:移动机构、双目立体视觉感知系统和控制系统，其中双目立体视

觉感知系统利用

个平行放置的摄像机模仿生物的视觉系统来获取周围环境的三维信息，进而实现目标

识别、环境地图生成和视觉导航与定位等复杂任务.随着硬件处理器性能的大幅度提高和视觉处理算法

的不断优化，双目立体视觉感知系统的硬件瓶颈不复存在，计算精度也大为提高，因而近年来双目立体视

觉感知系统在智能机器人环境感知方面得到了广泛的应用[

1-3]

双目立体视觉感知系统的关键问题是立

体视觉匹配.传统的立体匹配算法主要有:

)基于像素相似度区域匹配算法.这类算法可以得到稠密的视差图，但在低纹理或者纹理相似区域

效果不佳[

基于特征的匹配算法，这类算法只能获得稀疏的匹配点，这些点仅能句勒出物体的大致轮廓，但不

能呈现细节部分

[5]

基于全局最优的匹配算法将立体匹配问题转为对每个像素点分配全局最优视差的问题，这类匹配

效果比较好，但时间复杂度大，无法满足机器人实时性要求[

上述算法都没有同时解决立体视觉匹配的

个难点:对应点的匹配精度以及匹配算法的实时性

问题

[7]

为了能同时解决匹配精度和实时性问题，许多学者开展了大量的工作，其中

Tao

、

Bleyer[8-

1I]等提出

的基于图像分割的立体匹配算法是一个有可能最终解决该问题的算法框架.该框架基于平滑表面假设，

像素灰度值相似的区域内其像素的深度值一般也相同，而且这些区域往往描绘的是现实世界中的平面场

景.基于这个假设，可把基于全局匹配算法中对每个像素点分配最优视差的问题转化为对每个区域分配

最优平面视差的问题，从而降低算法时间复杂度.该算法框架的视差模型公式为

(I)

= L

B.)

、，/

/·、

其中

，

(I)

为立体图像对之间的对应视差川

(B.)

为第

个图像分割块矶的最可信视差.

收稿日期:

2009-06-1

基金项目:国家"八六三"计划资助项目

(2006AAI2Z30

作者简介:王贵财

(1979

一)

，男，山西宁武人，博士研究生;崔平远(

1961-)

，男，山东青岛人，教授，博士生导师.

676

北京工业大学学报

2011

年

基于图像分割的立体匹配算法通常由

个步骤构成:

)采用

Mean

Shift

等算法对立体图像对进行分割，从而得到图像分割块;

通过区域匹配算法计算得到图像分割块域内所有像素点的视差初始值;

图像分割块的视差用平面模板公式

耳

，

= α +

bx +

描述.其中，

(α

，

为模板参数

，

为

像素坐标

;d(x

，

为像素点

，

的视差值，模板系数

(α

，

可由

d(x

，

和(

，

通过最小二乘法拟和

得到，将模板参数计算结果代人平面模板公式可重新计算得到平面视差;

以上一步的平面视差为初始值通过可信种子扩散等优化算法计算每个平面最优视差(图像分割块

的视差)

，从而获得立体图像对之间的整个视差值.

算法描述

虽然基于图像分割的立体匹配算法的匹配效果较好，但还存在如下缺点:

受环境噪声影响图像分割块仍然存在低纹理或纹理相似区域影响视差计算结果，从而导致这些区域

的模板参数计算不准确，以至于最终无法获得图像分割块的最优视差;另外，优化算法虽然能获得最优视

差，但时间复杂度大且计算过程复杂，很难满足机器人实时性要求.

解决以上缺点的一个可行的思路:通过采用对图像光照、尺度和角度变化鲁棒性较强的特征点[口]计

算初始视差;利用计算过程简单和速度快的优化算法计算最优视差[日

鉴于以上分析，本文提出了基于图像分割和可信点的双目移动机器人的立体匹配算法，其算法流程如

图

所示.

具体步骤:

)采集立体图像对

;2)

对立体图像对中的左右图像进行图像分割;

)标记图像分割块;

通过

SAD

匹配算法计算得到立体图像对之间的初始视差

)分别对左右图像进行特征点提取与匹配;

根据特征匹配点计算可信点视差

)通过最小距离分类器、图像分割块、初始视差和可信点视差计算

得到图像分割块的视差

)通过图像分割块、初始视差以及可信点视差提取稠密准确的视差图.

图

双目移动机器人立体匹配算法流程

Fig. 1 Processing steps

stereo matching algorithm

for

binocular mobile robot

1.1

图像分割

图像分割的目的是将图像空间分割成一些有意义的区域，该方法的关键是采用何种特征作为分割依

据，文中利用像素灰度值的均方差来分割高低纹理区域(图像分割块)

，从而来达到图像分割的目标[

14]

其依据是低纹理或者纹理相似区域内的像素灰度值比较接近，并且实现简单、时间复杂度较低.

g(x

主豆豆

(g(x

，

别人

j))

i=n-l

j=n-l

n+1

n+l

var

= J L L

[g(x

g(i

,j)

(2)

(3)

其中

，

g(x

，

为像素

I(x

，

的图像灰度

;g(

，j)

为像素

，j)

的图像灰度;预先定义阔值

，

当

var

，

运

，

像素

I(x

，

属于低纹理区域，否则属于高纹理区域，即

I(x

，

E blob

1.2

基于

81FT

特征匹配点的可信视差计算

考虑到尺度不变量特征点

(scale

invariant

feature

transform

S1FT)

同其他特征点相比，在光照变化、图

剩余7页未读，继续阅读

评论收藏

内容反馈

weixin_38687343

粉丝: 6
资源: 903

双目移动机器人立体匹配算法 (2011年)

最新资源

双目移动机器人立体匹配算法 (2011年)

基于双目视觉的立体匹配算法研究

一种快速双目视觉立体匹配算法

基于双目视觉的立体匹配算法研究与应用

基于两阶段自适应优化的双目立体匹配算法

机器人双目图像实时立体匹配算法.pdf

双目立体匹配算法的研究与进展.pdf

立体匹配算法,立体匹配算法sgbm原理介绍,C,C++

双目视觉中立体匹配算法的研究与实现

基于反馈的立体匹配算法 (2011年)

基于区域的立体匹配算法研究 (2011年)

基于边缘的多尺度立体匹配算法 (2011年)

机器人双目测距算法研究.pdf

人工智能-机器学习-移动机器人避障双目立体视觉算法研究.pdf

立体匹配算法

基于改进SURF算法的机器人识别匹配方法.pdf

基于Dijkstra法实现基于栅格地图的移动机器人路径规划算法matlab源码+原理说明文档.zip

双目立体匹配_SGM算法

基于特征点能量的双目立体匹配稳健算法

opencv立体匹配算法（BM+SGBM+VAR）运行官方立体匹配图对程序

基于注意力机制和可分离卷积的双目立体匹配算法.docx

双目立体视觉匹配算法的研究与进展

最新资源