双目视觉生成道路稠密点云地图的关键算法研究

发布时间：2023-11-17 19:06

　　道路场景的稠密点云地图在自动驾驶、道路规划等领域具有重要用途。近年来,随着计算机视觉技术的发展,使得双目视觉技术在获取稠密点云地图方面有较大的优势。利用双目视觉获取稠密点云地图包含了视觉定位和密集匹配两个关键步骤,其中序列影像的匹配算法是影响视觉定位精度的主要因素,而立体匹配算法生成的视差图质量则是影响密集匹配结果的关键。本文从双目视觉获取道路稠密点云地图的原理出发,主要研究了基于光流与特征点法结合的序列影像匹配算法,以及金子塔影像与纹理信息约束的改进半全局立体匹配算法,主要研究内容如下:1)针对相机不规则运动和影像低纹理信息影响导致的光流跟踪匹配点分布不均、精度不高等问题,研究了一种光流与特征点法结合的序列影像匹配算法。该算法利用初始光流跟踪点构建匹配三角形,然后在三角形内提取DOG特征点,利用匹配三角形间的尺度旋转参数计算DOG特征点尺度旋转不变描述子,最后基于角度交会原理获取DOG特征点的初始位置后完成匹配。通过选取两组典型道路场景的序列影像进行匹配实验,结果表明,本文算法实时获取的匹配点数量要多于传统光流法,且匹配点分布均匀,利用匹配点计算的影像位姿结果精度也有一定的提升。2)...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 视觉定位研究现状
        1.2.2 立体匹配研究现状
    1.3 研究内容与研究难点
    1.4 本文章节安排
第2章 理论基础
    2.1 坐标系介绍
    2.2 双目序列影像视觉定位与位姿估计
        2.2.1 相机成像几何模型
        2.2.2 视觉定位与位姿估计的数学模型
        2.2.3 序列影像位姿估计解算方法
        2.2.4 双目序列影像位姿计算方法
    2.3 双目序列影像稠密点云生成
        2.3.1 立体影像校正与物方点计算
        2.3.2 双目序列影像稠密点云融合
    2.4 本章小结
第3章 光流与特征点法结合的序列影像匹配算法
    3.1 引言
    3.2 基于光流的特征点跟踪与匹配算法
        3.2.1 光流法跟踪的基本原理
        3.2.2 光流法跟踪存在的问题
    3.3 光流与特征点法结合的序列影像匹配算法
        3.3.1 特征点提取与光流跟踪
        3.3.2 跟踪点构建Delaunay三角网
        3.3.3 获取加密点与尺度旋转不变描述子
        3.3.4 加密点引导匹配
    3.4 实验结果与分析
        3.4.1 匹配点效果
        3.4.2 匹配点质量
    3.5 本章小结
第4章 金字塔影像与纹理信息约束的改进半全局立体匹配算法
    4.1 引言
    4.2 半全局匹配
        4.2.1 代价矩阵计算
        4.2.2 代价矩阵积聚
        4.2.3 最优视差获取
    4.3 改进的半全局匹配算法
        4.3.1 金字塔影像约束视差
        4.3.2 影像纹理信息约束视差
        4.3.3 改进半全局立体匹配算法流程
        4.3.4 视差图加权中值滤波
    4.4 实验结果与分析
        4.4.1 视差边缘与算法性能对比分析实验
        4.4.2 道路立体影像匹配对比分析实验
    4.5 本章小结
第5章 道路稠密点云建图实验
    5.1 双目序列影像数据获取
    5.2 双目序列影像位姿估计结果
    5.3 道路稠密点云建图结果
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
在校期间的科研成果
致谢



本文编号：3864714