【正文】 基于LMS自適應均衡器matlab仿真畢業(yè)論文 目 錄第一章 緒論 1 研究背景和研究意義 1 計算機立體視覺的研究現(xiàn)狀 2 攝像機標定概述及分類 3 本文的研究內(nèi)容 4第二章 攝像機標定原理 8 常用坐標系及變換 8 攝像機模型 9 非線性失真 11 參數(shù)的求取 12第三章 軟件設計 13 橫向濾波器的選擇 25 算法迭代公式的推導 26 計算機仿真 27 LMS算法的算法流程 27 LMS算法及其應用 28總結(jié)與結(jié)論 34參考文獻 35致謝 36 物理電氣信息學院 本科畢業(yè)設計 第一章 緒論 研究背景和研究意義 計算機視覺研究的主要目的是使計算機系統(tǒng)具有類似于人類的視覺能力,獲取三維場景的幾何信息是其最基礎的研究內(nèi)容 。（馬頌德,1998）。 計算機視覺的發(fā)展可以追溯到 20 世紀 50 年代初 、1951 年，Neumann 提出利用計算機通過對比圖像相鄰位置的強度來進行圖像的分析，這可能是有記載的有關計算機視覺最早的實踐。 立體視覺的開創(chuàng)性工作是從 60 年代中期開始的 MIT 的 Robert 完成的三維場景分析工作，把過去對二維圖像的分析推廣到三維景物，標志著立體視覺技術的誕生，并在隨后 20 年中迅速發(fā)展成一門新的學科。 1979 年，Maar 綜合圖像處理、 心理物理學、 神經(jīng)生理學及臨床精神病學的研究成果，從信息處理系統(tǒng)的角度出發(fā)提出了第一個較為完善的視覺系統(tǒng)框架。 20 多年來，研究者們對 Marr基本理論框架中所提出的各個研究層次與視覺系統(tǒng)的各個階段中的各種功能模塊，進行了大量的研究。 Marr 創(chuàng)立的視覺計算理論對立體視覺的發(fā)展產(chǎn)生了巨大影響，現(xiàn)已形成了從圖像獲取到最終的景物可視表面重建的完整體系，在整個計算機視覺中占有越來越重要的地位。 立體視覺是計算機被動測距方法中最重要的距離感之技術，它直接模擬人類視覺處理景物的方法，可以再多種條件下靈活地測量景物的立體信息。 Barnard 指出，一個完整的立體視覺系統(tǒng)通?？煞譃閳D像獲取 、攝像機標定 、特征提取 、立體匹配 、深度確定及內(nèi)插等六部分（Barnard,1982）。 計算機立體視覺技術在機器人視覺、 產(chǎn)品檢驗、 零件識別與定位 、圖形圖像識別 、醫(yī)學、 工業(yè)產(chǎn)品的外觀設計 、三維輪廓測量、 雕塑藝術、 建筑、 國防等領域有著廣泛的應用前景,是當今國際上的熱門課題之一 。研究方法從早期的以傳統(tǒng)相關理論為基礎的相關匹配，發(fā)展到具有很強生物學背景的熱證匹配，從串行到并行，從直接依賴于輸入信號的低層次處理到依賴于特征、 結(jié)構、 關系和知識的高層次處理,其理論正處在不斷發(fā)展和完善之中 。對它的研究無論是從視覺生理的角度還是在工程應用中都具有十分重要的意義 。 計算機立體視覺研究現(xiàn)狀 利用被攝對象的多幅圖像獲取其三維幾何模型，是視覺測量和計算機視覺的一個經(jīng)典課題，目的是恢復物體表面形狀或者恢復場景中相機和物體之間的距離 。在計算機視覺界，三維重建方法大致分為立體視覺方法（雙目 三目和多目視覺）、 光學立體學 、從運動求取結(jié)構、 從陰影恢復形狀及從紋理及表面朝向恢復形狀等（章毓晉）。 在針孔模型下，基于點的三維重建實質(zhì)是三點（原點、 像點、 物點）的共線方程 。此時對應的像點與物點必須是同名點。 人造物體大多具有比較規(guī)則的形狀，一般可以看作由若干點、 線 、面的組合 。在實際圖像中，由于噪聲和遮蓋等的影響，我們需要的同名點可能無法精確提取甚至不存在，而大多數(shù)情況下，一條直線段往往可以相對容易的提取出來，因此計算機視覺界提出了許多利用圖像直線信息進行攝像機標定和三維重建的方法。 Hartley，F(xiàn)eugeras，Maybank，Pollyefeys等人都深入研究了如何從未標定的攝像機圖像進行透視變化層、 仿射變換層以及量測變換層的三維重建 。對于建筑物這樣一類及立方體及其他規(guī)則體為基礎的空間物體，其三維重建以單個影像及多個影像（不一定需要構成立體像對）來實現(xiàn)。這方面的研究已經(jīng)有較多的文獻，特別是計算機圖形學界對幾何建模與紋理映射均有非常杰出的貢獻。其中典型的有 Faoade 和 PhotoBuilder 等，前者采用物方和像方相結(jié)合的混合模型，它本質(zhì)上是基于結(jié)構體幾何的方法。后者是側(cè)重基于滅點與極線的求解方法。 為了降低雙目（Twoview）匹配的難度，20 世紀 80 年代中期出現(xiàn)了三目立體視覺系統(tǒng)（Threeview Stereo）系統(tǒng)，即采用 3 個相機同時攝取空間景物，通過利用第三目圖像提供的信息來消除匹配的歧義性。 Watanale 等采用相互垂直（正交）的三目視點，較好地解決了與極線平行特征的匹配歧義性問題。 Ohta 提出了基于共線結(jié)構的三目視覺系統(tǒng)，可有效地避免遮擋問題。 Ohta 等還提出了一個基于梯度分類的正交三目立體匹配技術。 Gurwitz 詳細分析了三目立體視覺的性能。 Okutomi 等提出了利用一組沿水平基線方向的圖像序列進行立體匹配，通過計算對圖像間平方差的和來減少總體誤差。 Jia 提出了一種利用正交多目圖像消弱誤差匹配的方法 Zitnick 提出通過區(qū)域信息進行多目匹配。 Fitzgibbon 提出了一種基于序列圖像的自動三維重建方法。 該方法的基本思路是首先進行三張像片間的盲目匹配，通過像片間的同名對應關系計算三視張量，獲得攝像機參數(shù)的初值，并將各三視張量下得到的空間坐標納入到統(tǒng)一的物方坐標系,最后進行非線性最優(yōu)化。 另一類自動三維重建方法稱為從側(cè)輪廓恢復形狀，這類方法一般都是利用八叉樹分裂方法進行物體的自動三維重建，且不需要待重建物體的任何先驗信息，但前提是各張像片的攝像機內(nèi)外方位元素要求已知。 攝像機標定概述及分類計算機視覺的基本任務之一是從攝像機獲取的圖像信息出發(fā)計算三維空間中物體的幾何信息，并由此重建和識別物體，而空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系是由攝像機成像的幾何模型決定的，這些幾何模型參數(shù)就是攝像機參數(shù)。在大多數(shù)條件下，這些參數(shù)必須通過實驗與計算才能得到，這個過程被稱為攝像機定標(或稱為標定)。標定過程就是確定攝像機的幾何和光學參數(shù)，攝像機相對于世界坐標系的方位。標定精度的大小，直接影響著計算機視覺（機器視覺）的精度。迄今為止，對于攝像機標定問題已提出了很多方法，攝像機標定的理論問題已得到較好的解決，對攝像機標定的研究來說，當前的研究工作應該集中在如何針對具體的實際應用問題，采用特定的簡便、實用、快速、準確的標定方法。1 、根據(jù)是否需要標定參照物來看，可分為傳統(tǒng)的攝像機標定方法和攝像機自標定方法。傳統(tǒng)的攝像機標定是在一定的攝像機模型下，基于特定的實驗條件，如形狀、尺寸已知的標定物，經(jīng)過對其進行圖像處理，利用一系列數(shù)學變換和計算方法，求取攝像機模型的內(nèi)部參數(shù)和外部參數(shù)（分為最優(yōu)化算法的標定方法、利用攝像機透視變換矩陣的標定方法、進一步考慮畸變補償?shù)膬刹椒ê筒捎酶鼮楹侠淼臄z像機模型的雙平面標定法）；不依賴于標定參照物的攝像機標定方法，僅利用攝像機在運動過程中周圍環(huán)境的圖像與圖像之間的對應關系對攝像機進行的標定稱為攝像機自標定方法，它又分為：基于自動視覺的攝像機自標定技術（基于平移運動的自標定技術和基于旋轉(zhuǎn)運動的自標定技術）、利用本質(zhì)矩陣和基本矩陣的自標定技術、利用多幅圖像之間的直線對應關系的攝像機自標定方以及利用滅點和通過弱透視投影或平行透視投影進行攝像機標定等。自標定方法非常地靈活,但它并不是很成熟。因為未知參數(shù)太多,很難得到穩(wěn)定的結(jié)果。一般來說，當應用場合所要求的精度很高且攝像機的參數(shù)不經(jīng)常變化時，傳統(tǒng)標定方法為首選。而自標定方法主要應用于精度要求不高的場合，如通訊、虛擬現(xiàn)實等。2 、從所用模型不同來分有線性和非線性。所謂攝像機的線性模型，是指經(jīng)典的小孔模型。成像過程不服從小孔模型的稱為攝像機的非線性模型。線性模型攝像機標定, 用線性方程求解，簡單快速，已成為計算機視覺領域的研究熱點之一，目前已有大量研究成果。但線性模型不考慮鏡頭畸變，準確性欠佳；對于非線性模型攝像機標定，考慮了畸變參數(shù)，引入了非線性優(yōu)化，但方法較繁，速度慢，對初值選擇和噪聲比較敏感，而且非線性搜索并不能保證參數(shù)收斂到全局最優(yōu)解。3 、從視覺系統(tǒng)所用的攝像機個數(shù)不同分為單攝像機和多攝像機在雙目立體視覺中，還要確定兩個攝像機之間的相對位置和方向。4 、從求解參數(shù)的結(jié)果來分有顯式和隱式。隱參數(shù)定標是以一個轉(zhuǎn)換矩陣表示空間物點與二維像點的對應關系，并以轉(zhuǎn)換矩陣元素作為定標參數(shù)，由于這些參數(shù)沒有具體的物理意義，所以稱為隱參數(shù)定標。在精度要求不高的情況下，因為只需要求解線性方程，此可以獲得較高的效率。比較典型的是直接線性定標(DLT)。DLT 定標以最基本的針孔成像模型為研究對象，忽略具體的中間成像過程，用一個34 階矩陣表示空間物點與二維像點的直接對應關系。為了提高定標精度，就需要通過精確分析攝像機成像的中間過程，構造精密的幾何模型，設置具有物理意義的參數(shù)(一般包括鏡頭畸變參數(shù)、圖像中心偏差、幀存掃描水平比例因子和有效焦距偏差)，然后確定這些未知參數(shù)，實現(xiàn)攝像機的顯參數(shù)定標。5 、從解題方法來分有解析法、神經(jīng)網(wǎng)絡法和遺傳算法?？臻g點與其圖像對應點之間是一種復雜的非線性關系。用圖像中的像元位置難以準確計算實際空間點間的實際尺寸。企圖用一種線性方法來找到這種對應關系幾乎是不可能的。解析方法是用足夠多的點的世界坐標和相應的圖像坐標，通過解析公式來確定攝像機的內(nèi)參數(shù)、外參數(shù)以及畸變參數(shù)，然后根據(jù)得到的內(nèi)外參數(shù)及畸變系數(shù)，再將圖像中的點通過幾何關系得到空間點的世界坐標。解析方法不能不能囊括上述的所有非線性因素，只能選擇幾種主要的畸變，而忽略其它不確定因素