论文部分内容阅读
计算机视觉中的三维重建是利用图像定量研究场景三维空间特征的技术.其中的立体匹配由于涉及的问题众多,一直都是三维重建中最困难、最关键的一步.为了提高三维重建的精度,研究并在重建的各个阶段采用合适的立体匹配算法是十分必要的.合理选择匹配特征,并获得较高精度的特征定位点是研究并设计匹配算法的前提.该文针对重复度、点位置偏差和抗噪声能力这三个最重要的角点检测算法评价准则,比较了经典角点检测算法的性能,并采用改进的Harris角点检测算法作为交通事故图片点特征的提取方法.大量实验验证了该角点检测算法具有很高的重复度、很小的点位置偏差和很强的抗噪声能力.为了提高求解深度信息时视差的计算精度,该文探索性的提出了一种模板匹配与特征匹配相结合的实用立体匹配算法.该算法很好的结合了模板匹配和特征匹配这两类最典型立体匹配算法的优点,并且综合运用了亚像素定位技术和金字塔分解技术.仿真表明,该算法简单快捷,匹配精度高,非常适合在系统测距时使用.另外,为了对相机参数进行精确标定,该文设计并实现了另一种利用灰度差分不变量、视差范围约束、对极约束等信息进行匹配的综合信息匹配算法.该算法充分利用了角点邻域的灰度信息和角点集的几何信息.实验结果表明,该算法具有很低的误匹配概率和较高的同名点定位精度.对提出的立体匹配算法,该文给出了其实现步骤及各个步骤的实例分析结果.