基于被動雙目立體視覺的三維重構(gòu)方法研究.pdf

1、計算機立體視覺經(jīng)過幾十年的發(fā)展，目前已經(jīng)成為計算機科學的重要研究領(lǐng)域之一。雙目立體視覺作為計算機視覺中的一個重要分支，一直是計算機視覺研究的重點和熱點。雙目立體視覺直接模擬人類視覺處理景物的方式，可以靈活地測量景物的立體信息，并且在由二維圖像獲得圖像深度信息上具有很大的優(yōu)越性，對它的研究無論是在視覺生理上還是在具體的工程應(yīng)用中，都具有十分重要的意義。 本文的研究思路以Marr的計算機視覺理論為基礎(chǔ)，研究了雙目立體視覺的功能模塊實

2、現(xiàn)過程，即3D場景、成像模型、成像變換、攝像機標定、圖像特征選取、圖像特征匹配、三維重建，通過Intel公司開發(fā)的開源項目OpenCV庫和IPL庫，利用VC++6.0編程實現(xiàn)了模塊中的功能。 本文的圖像采集采用的成像模型是帶畸變的小孔成像模型，成像變換主要有：世界坐標系到攝像機坐標系的變換，攝像機坐標系到成像平面坐標系的變換，成像平面坐標系到計算機數(shù)字圖像坐標系的變換。 在進行攝像機標定時，本文采用的是傳統(tǒng)的基于徑向排列

3、約束（RAC）的兩步法。這種攝像機標定方法主要考慮是在帶畸變的小孔成像模型下，按照徑向畸變的約束條件，通過計算無畸變的初始值和迭代，求解得到攝像機的內(nèi)部參數(shù)。 在選取圖像特征時，本文選取Harris角點作為圖像的特征，首先對獲得的角點進行初始的基于灰度的相關(guān)匹配，得到可能的角點匹配集，然后計算匹配點的外極線幾何和基礎(chǔ)矩陣，通過8點算法、RANSAC算法和LMEDS算法，進一步篩選剔除錯誤的或歧義的匹配點，得到較為魯棒的匹配點，然

4、后利用魯棒的匹配點計算更為精確的外極線幾何和基礎(chǔ)矩陣，再通過LMEDS算法和外極線算法提取出新的匹配點，組成最終魯棒的匹配點集，用于場景的三維信息恢復(fù)。 根據(jù)獲得的匹配點和計算得到的基礎(chǔ)矩陣以及攝像機內(nèi)參數(shù)矩陣，本文計算得到本質(zhì)矩陣，并進一步獲得了攝像機的外部參數(shù)矩陣。這樣，通過攝像機的外參數(shù)矩陣和求得的匹配點，計算匹配點的三維坐標值，繼而得到場景中物體的深度信息（距離信息），最后通過對離散的三維坐標點的插值，重建三維場景并顯示