計算機視覺ppt課件(參考版)
2025-05-06 07:14本頁面
【正文】 puter vision 44 測距成像 ?常用的測距成像方法有： ?結(jié)構(gòu)光測距： 三角測量原理來計算深度 ?激光雷達測距： 通過比較發(fā)射信號與接收信號的延時、相位、頻差等方法測量距離。 ?缺點：由于紋理基元的定位和紋理量化不精確引起形狀恢復的困難 ?從運動恢復形狀 ?從運動恢復形狀：使用一個運動攝像機獲取靜止場景的圖像時，場景點的圖像平面坐標從一幅圖像到另一幅圖像的唯一取決于場景點到攝像機的距離。 ?缺點：光滑度約束不是在所有點都能滿足，表面反射特性也不總是精確已知，從而使形狀恢復不精確。 ?通過計算圖像每一個點 （ x’,y’） 對應的場景表面方位來實現(xiàn)。 ?優(yōu)點：三幅圖像中的所有點完全配準 ?缺點：實際中由于無法精細控制照明而不能用于實際的成像系統(tǒng)。 ?光度立體 ?從明暗灰度形狀 ?從紋理恢復形狀 ?從運動恢復形狀 puter vision 41 從 X恢復形狀的方法 ?光度立體 ?光度立體：是使用不同方向上的三個光源來獲取統(tǒng)一場景的三幅圖象，通過場景中物體的表面反射特性計算由這三個光源照明的所有點的局部表面方向。 ?如果物體上至少有一個點的實際深度是已知的，那么統(tǒng)一目標上的其它點的深度可以通過對局部表面方向求積分得到。 ?在一定大小窗口 W中，立體視差變量 d(i),立體圖像的方差之和（ SSD）為： r ( i )rBFdz?00()( ) ( ) ( )( ) ( ) ( )i r i if x f x n xf x f x d n x??? ? ?2( ) 0 ( )( , ) ( ) ( )i i i ijWe x d f x j f x j d???? ? ? ? ????puter vision 38 多基線立體成像 ?設 ζ r和 ζ 分別是真實和候選場景點深度值的倒數(shù)，即 ζ r=1/zr， ζ =1/z，則： ?替換的 SSD為： 其中 ei(x,ζ )成為匹配平價函數(shù)， ?ei(x,ζ )的數(shù)學期望為： ??( ) ( )r i i r i id B F d B F??? ??? 20( , ) ( ) ( )i i ijWe x f x j f x B F j?? ? ? ? ??? ? ? ?? ? ? ?2 2( , ) ( ) ( ( ) ) 2i i r w njWE e x f x j f x B f j N?? ? ? ? ? ? ??puter vision 39 多基線立體成像 ?N個攝像機形 n1個 SSD函數(shù)，將所有的 SSD函數(shù)相加形成了一個總的評價函數(shù) ?假設亮度函數(shù) f(x)在 x和 x+a處有相同的模式，即 ?則它們的匹配評價函數(shù)期望關系是： ?在 ζ r和 ζ f=ζ r+a/(BiF)兩個地方得到的評價函數(shù)最小，但是假的匹配深度值的倒數(shù) ζ f隨著基線的變化而變化，而真的匹配深度值的倒數(shù) ζ r與基線無關，經(jīng)過累加真的匹配深度成為最小值。 ? M. Okutami , T. Kanade, A multiple baselines stereo, IEEE Trans on Pattern Analysis and Machine Intelligence, 15(4):353363 puter vision 36 多基線立體成像 ?假定 n個攝像機具有相同的焦距 F，其位置分別為P0,P1…P n1，對應的 n1個基線用 B1,B2…B n1表示，f0 (x)和 fi (x)表示在位置 P0和 Pi處同步獲取的圖像，組成一個立體圖像對。 ?實際情況下，特征點不明顯會出現(xiàn)對應的多義性（ ambiguity），即一幅圖像上的一個特征點對應另一幅圖像的若干個對應點，其中只有一個是真正的對應點，其它的是假的對應點。 ?參見： MarrPoggioGrimson算法 ， BakerBinford算法 。 ?如果要得到所有像素點的深度，則必須利用 表面內(nèi)插算法或逼近算法 在特征點深度值之間計算出特征點之間像素的深度值來。 1 2 3 4( , ) m i n ( , , , )ccI x y I I I I?puter vision 33 立體匹配 ?區(qū)域相關性： ?兩幅圖像 f1和 f2，設待匹配的候選特征點對的視差為 (dx,dy),
教學課件相關推薦
鄂ICP備17016276號-1