【正文】
方向?qū)?shù),分別保存為兩個(gè)數(shù)組 Ix以及 Iy,這里可以使用任何方法,比較正統(tǒng)的是使用 Gaussian函數(shù),因?yàn)樵贖arris角點(diǎn)檢測(cè)的推導(dǎo)過(guò)程中默認(rèn)是采用了Gaussian函數(shù)作為其計(jì)算圖像偏導(dǎo)數(shù)的方法。,(),(yxNyxyxyxCyxS????? ???否則如果0),(),(),( 000000GyxSyxSGyxR26 2) SUSAN邊緣檢測(cè) 邊緣方向的確定 根據(jù)非零強(qiáng)度的象素確定邊緣的方向 ? 點(diǎn) A和 B都是標(biāo)準(zhǔn)的邊緣點(diǎn),各落在邊緣的一邊 從 USAN重心到模板核的矢量與邊緣局部方向垂直 S e c t i on of i m a g eP os i t i o n o f e dg eABCA B C27 2) SUSAN邊緣檢測(cè) 邊緣方向的確定 根據(jù)非零強(qiáng)度的象素確定邊緣的方向 ? 點(diǎn) C落在兩個(gè)邊緣的中間 USAN是沿邊緣方向的細(xì)條,找最長(zhǎng)的對(duì)稱(chēng)軸 S e c t i on of i m a g eP os i t i o n o f e dg eABCA B C28 2 ) SUSAN邊緣檢測(cè) 特點(diǎn) ? 有噪聲時(shí)的性能較好 ? 不需要計(jì)算微分 ? 對(duì)面積計(jì)算中的各個(gè)值求和(積分) ? 非線性響應(yīng)特點(diǎn) ? 易自動(dòng)化實(shí)現(xiàn) ? 控制參數(shù)的選擇簡(jiǎn)單 ? 參數(shù)的 任意性較小 29 ? Harris角點(diǎn)檢測(cè)算子是 Moravec角點(diǎn)檢測(cè)算子的改進(jìn) . ? Harris算子用高斯函數(shù)代替二值窗口函數(shù) ,對(duì)離中心點(diǎn)越近的像素賦于越大的權(quán)重,以減少噪聲影響。該面積當(dāng) 核處在直邊緣處約為最大值的一半, 而當(dāng)核處在角點(diǎn)處則為最大值的 1/4 ? 使用 USAN面積作為特征起到了增強(qiáng)邊緣和 角點(diǎn)的效果 24 2 ) SUSAN邊緣檢測(cè) SUSAN: 最?。?Smallest) 核同值區(qū) 檢測(cè)模板: 37個(gè)象素 , 半徑為 t270 2 7c??????????TyxfyxfTyxfyxfyxyxC),(),(0),(),(1),。但在平滑區(qū)域得到的模板圖象具有相同或相近的模式,使匹配有不確定性,并導(dǎo)致產(chǎn)生誤匹配。和 L分別稱(chēng)為物點(diǎn) W在左右象平面上投影點(diǎn)的極線 16 雙目立體匹配 2. 匹配影響因素 (1) 由于景物自身形狀或景物互相遮擋的原因,用左圖象確定的某些模板不一定能在右圖象中找到完全匹配的位置。1 第 6章 雙目立體視覺(jué) 雙目立體視覺(jué)原理 雙目成象和視差 基于區(qū)域的雙目立體匹配 基于特征的雙目立體匹配 視差圖誤差檢測(cè)與校正 2 立體視覺(jué)主要研究如何借助(多圖象)成象技術(shù)從(多幅)圖象里獲取場(chǎng)景中物體的距離(深度)信息 雙目立體視覺(jué)原理 3 雙目立體視覺(jué)原理 六個(gè)模塊 ? 六項(xiàng)工作 1. 攝象機(jī)標(biāo)定 2. 圖象獲取 3. 特征提取 立體視覺(jué)借助不同觀察點(diǎn)對(duì)同一景物間的視差來(lái)幫助求取 3D信息(特別是深度信息)。所以需要判定同一景物在不同圖象中的對(duì)應(yīng)關(guān)系 選擇合適的圖象特征以進(jìn)行多圖象間的匹配 4 雙目立體視覺(jué)原理 六個(gè)模塊 ? 六項(xiàng)工作 4. 立體匹配 根據(jù)對(duì)所選特征的計(jì)算來(lái)建立特征間的對(duì)應(yīng)關(guān)系 , 從而建立同一個(gè)空間點(diǎn)在不同圖象中的象點(diǎn)之間的關(guān)系 , 并由此得到相應(yīng)的視差圖象 5. 3D信息恢復(fù) 根據(jù) 得到的視差圖象 , 可以進(jìn)一步計(jì)算深度圖象 , 并恢復(fù)場(chǎng)景中的 3D信息 5 雙目立體視覺(jué)原理 六個(gè)模塊 ? 六項(xiàng)工作 6. 后處理 3D信息常不完整或存在一定的誤差 (1) 深度插值