計(jì)算機(jī)視覺(jué)ppt課件(參考版)
2025-05-06 07:14本頁(yè)面
【正文】 puter vision 44 測(cè)距成像 ?常用的測(cè)距成像方法有： ?結(jié)構(gòu)光測(cè)距： 三角測(cè)量原理來(lái)計(jì)算深度 ?激光雷達(dá)測(cè)距： 通過(guò)比較發(fā)射信號(hào)與接收信號(hào)的延時(shí)、相位、頻差等方法測(cè)量距離。 ?缺點(diǎn)：由于紋理基元的定位和紋理量化不精確引起形狀恢復(fù)的困難 ?從運(yùn)動(dòng)恢復(fù)形狀 ?從運(yùn)動(dòng)恢復(fù)形狀：使用一個(gè)運(yùn)動(dòng)攝像機(jī)獲取靜止場(chǎng)景的圖像時(shí)，場(chǎng)景點(diǎn)的圖像平面坐標(biāo)從一幅圖像到另一幅圖像的唯一取決于場(chǎng)景點(diǎn)到攝像機(jī)的距離。 ?缺點(diǎn)：光滑度約束不是在所有點(diǎn)都能滿(mǎn)足，表面反射特性也不總是精確已知，從而使形狀恢復(fù)不精確。 ?通過(guò)計(jì)算圖像每一個(gè)點(diǎn) （ x’,y’） 對(duì)應(yīng)的場(chǎng)景表面方位來(lái)實(shí)現(xiàn)。 ?優(yōu)點(diǎn)：三幅圖像中的所有點(diǎn)完全配準(zhǔn) ?缺點(diǎn)：實(shí)際中由于無(wú)法精細(xì)控制照明而不能用于實(shí)際的成像系統(tǒng)。 ?光度立體 ?從明暗灰度形狀 ?從紋理恢復(fù)形狀 ?從運(yùn)動(dòng)恢復(fù)形狀 puter vision 41 從 X恢復(fù)形狀的方法 ?光度立體 ?光度立體：是使用不同方向上的三個(gè)光源來(lái)獲取統(tǒng)一場(chǎng)景的三幅圖象，通過(guò)場(chǎng)景中物體的表面反射特性計(jì)算由這三個(gè)光源照明的所有點(diǎn)的局部表面方向。 ?如果物體上至少有一個(gè)點(diǎn)的實(shí)際深度是已知的，那么統(tǒng)一目標(biāo)上的其它點(diǎn)的深度可以通過(guò)對(duì)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(xiàn)立體成像 ?設(shè) ζ r和 ζ 分別是真實(shí)和候選場(chǎng)景點(diǎn)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(jià)函數(shù)， ?ei(x,ζ )的數(shù)學(xué)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(xiàn)立體成像 ?N個(gè)攝像機(jī)形 n1個(gè) SSD函數(shù)，將所有的 SSD函數(shù)相加形成了一個(gè)總的評(píng)價(jià)函數(shù) ?假設(shè)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(píng)價(jià)函數(shù)期望關(guān)系是： ?在 ζ r和 ζ f=ζ r+a/(BiF)兩個(gè)地方得到的評(píng)價(jià)函數(shù)最小，但是假的匹配深度值的倒數(shù) ζ f隨著基線(xiàn)的變化而變化，而真的匹配深度值的倒數(shù) ζ r與基線(xiàn)無(wú)關(guān)，經(jīng)過(guò)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(xiàn)立體成像 ?假定 n個(gè)攝像機(jī)具有相同的焦距 F，其位置分別為P0,P1…P n1，對(duì)應(yīng)的 n1個(gè)基線(xiàn)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(gè)立體圖像對(duì)。 ?實(shí)際情況下，特征點(diǎn)不明顯會(huì)出現(xiàn)對(duì)應(yīng)的多義性（ ambiguity），即一幅圖像上的一個(gè)特征點(diǎn)對(duì)應(yīng)另一幅圖像的若干個(gè)對(duì)應(yīng)點(diǎn)，其中只有一個(gè)是真正的對(duì)應(yīng)點(diǎn)，其它的是假的對(duì)應(yīng)點(diǎn)。 ?參見(jiàn)： MarrPoggioGrimson算法 ， BakerBinford算法 。 ?如果要得到所有像素點(diǎn)的深度，則必須利用 表面內(nèi)插算法或逼近算法 在特征點(diǎn)深度值之間計(jì)算出特征點(diǎn)之間像素的深度值來(lái)。 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(guān)性： ?兩幅圖像 f1和 f2，設(shè)待匹配的候選特征點(diǎn)對(duì)的視差為 (dx,dy),
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1