機(jī)器視覺算法與應(yīng)用筆記(參考版)
2025-06-20 04:14本頁面
【正文】 。利用相似度量（基于圖像金字塔的分層識(shí)別策略，不受遮蔽、混亂和非線性光照變化影響）：首先將一個(gè)目標(biāo)對(duì)象的模板定義為點(diǎn)集：和每個(gè)點(diǎn)關(guān)聯(lián)的方向向量(方向向量可以通過許多不同的圖像處理操作得到，一般使用邊緣提取方法計(jì)算方向向量)，將圖像仿射變換，將轉(zhuǎn)換后的模板與圖像進(jìn)行對(duì)比的相似度量必須不受光照等影響，在特定點(diǎn)計(jì)算變換后所有點(diǎn)處的方向向量以及圖像中相對(duì)應(yīng)點(diǎn)的方向向量（未歸一化，歸一化完全不受光照影響）點(diǎn)積的總和，并以此作為匹配分值（這也就是變換后模板在特定點(diǎn)處的相似度量，對(duì)應(yīng)于放射變換的平移部分。模板或搜索圖像中包含少數(shù)幾個(gè)明顯的幾何基元，利用幾何基元匹配算法適當(dāng)；基于像素算法優(yōu)勢(shì)在于它們可以表示任意形狀的模板，而另一方面，幾何匹配算法受限于一些可以使用少量幾何基元組成的形狀相對(duì)簡(jiǎn)單的模板?；谶吘壍木讲钇ヅ渌惴ú皇芄庹蘸突靵y影響，但是精確度不高；基于邊緣的Hausdorff距離（圖像邊緣點(diǎn)和模板邊緣點(diǎn)）算法（運(yùn)算量比較大），選取距離的r大距離需要較準(zhǔn)確，并且難以基于相似度量的內(nèi)插值算法得到亞像素精度的位姿；基于邊緣像素點(diǎn)（組點(diǎn)）顯示梯度向量表示相應(yīng)方向，通過霍夫變換得到累計(jì)數(shù)組，再對(duì)圖像進(jìn)行閾值分割計(jì)算局部最大值從而得到目標(biāo)區(qū)域的位置。A、方法一、將圖像邊緣分割為多個(gè)幾何基元（分割為線段和圓弧）；方法二、基于邊緣的分割找到邊緣上的突變點(diǎn)然后在圖像匹配這些突變點(diǎn)（點(diǎn)可以直接從圖像中提取，不需要首先提取邊緣）。也可以利用最小二乘法擬合匹配，但是該方法受光照影響較大，需要建立明確的光照變化模型（復(fù)雜）。搜索策略：計(jì)算出搜索圖像和模板的適當(dāng)層數(shù)的圖像金字塔（必須保證最高層上目標(biāo)能夠清晰辨別，然后進(jìn)行一次完美的匹配）——在最高層搜索的模板實(shí)例都將追蹤到圖像金字塔的最底層（將找到的匹配點(diǎn)的坐標(biāo)乘2，直到找不到匹配對(duì)象或者到金字塔最底層結(jié)束）——在高層，圖像灰度值會(huì)發(fā)生變化，需要將閾值放松，保證找到所有可能的匹配位置（SAD/SSD相似度量需要提高閾值，NCC相似度量使用稍微低一點(diǎn)的閾值）從高到低去搜索，先搜索再匹配，并且最終追蹤到最底層。使用停止標(biāo)準(zhǔn)（）可以提速比例為一個(gè)常數(shù)，但不改變算法復(fù)雜度。相似則相似度量為0，不相似則相似度量大于0，該方法受光照影響較大；不受光照線性變化影響的相似度量是歸一化相關(guān)系數(shù)（通過模板與圖像的平均灰度值及所有像素灰度值的方差）度量值ncc(r,c)=177。計(jì)算模板的所有相關(guān)位姿與圖像各個(gè)位置之間的相似度（該項(xiàng)目總體是目標(biāo)位姿的平移），該模式也可以確定圖像中含有多少個(gè)目標(biāo)物。攝像機(jī)參數(shù)的準(zhǔn)確度：（避免簡(jiǎn)并性）主距、焦距、徑向畸變等參數(shù)的不唯一性，需要通過對(duì)多幅圖像的標(biāo)定確定各自參數(shù)（相關(guān)性：每幅圖像都對(duì)相機(jī)參數(shù)有
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1