CN112700504B - 一种多视角远心相机的视差测量方法 - Google Patents
一种多视角远心相机的视差测量方法 Download PDFInfo
- Publication number
- CN112700504B CN112700504B CN202011607919.9A CN202011607919A CN112700504B CN 112700504 B CN112700504 B CN 112700504B CN 202011607919 A CN202011607919 A CN 202011607919A CN 112700504 B CN112700504 B CN 112700504B
- Authority
- CN
- China
- Prior art keywords
- camera
- pixel
- matrix
- coordinates
- binocular
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 241000764238 Isis Species 0.000 claims 1
- 238000009825 accumulation Methods 0.000 abstract description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Abstract
本发明提供一种多视角远心相机的视差测量方法,所述相机为双目相机,所述双目相机包括左相机和右相机,所述双目相机拍摄双目图像,包括如下步骤:步骤一:所述左相机和右相机均装配远心镜头并标定计算出内参矩阵和外参矩阵,所述内参矩阵为A,所述外参矩阵为RT,将内参矩阵和外参矩阵进行计算得到单应性矩阵H,H=A×RT,步骤二:对双目相机装配的远心镜头的坐标和双目相机的靶面坐标进行畸变补偿,步骤三:对拍摄的双目图像进行远心双目极线水平矫正。在本发明中,使用到了基于远心相机标定数据的极线矫正,避免由于基于局部窗口的图像相关技术涉及到元素的多次相乘与累加运算,过程比较复杂耗时的问题,实现快速亚像素匹配。
Description
技术领域
本发明涉及光学测量技术领域,具体为一种多视角远心相机的视差测量方法。
背景技术
视差图是以图像当中任一幅图像为基准,其大小为该基准图像的大小,元素值为视差值的图像。由于视差图包含了场景的距离信息,因此从立体图像对中提取视差图的图像匹配,一直是双目视觉研究中最为活跃的领域。
图像匹配有很多算法,比如全局立体匹配算法,采用遍历的模式使用全局优化方法求解能量最优解,精度很高,但是缺陷也很明显,计算复杂度相应的较高,耗时长,难以达到实时性。又比如基于点的局部算法:AD代价,每一个像素点在极线上搜索匹配点,计算每次搜索窗口的相似度(基于像素的亮度差的绝对值),但无法处理大型无纹理区域。
发明内容
本发明目的在于提供一种多视角远心相机的视差测量方法,主要利用极线矫正和图像互相关系数,快速寻找匹配的亚像素,生成视差图。
为达成上述目的,本发明提出如下技术方案:一种多视角远心相机的视差测量方法,所述相机为双目相机,所述双目相机包括左相机和右相机,所述双目相机拍摄双目图像,包括如下步骤:
步骤一:所述左相机和右相机均装配远心镜头并标定计算出内参矩阵和外参矩阵,所述内参矩阵为A,所述外参矩阵为RT,将内参矩阵和外参矩阵进行计算得到单应性矩阵H,H=A×RT;
步骤二:对双目相机装配的远心镜头的坐标和双目相机的靶面坐标进行畸变补偿;
步骤三:对拍摄的双目图像进行远心双目极线水平矫正,使得两个物体在双目图像中满足处于同一水平极线的条件;
定义双目相机的原始单应性矩阵分别为HL和HR,经过水平矫正后,两个相机的成像单应性矩阵分别为HL+和HR+;
步骤四:按照从左到右,从上到下的顺序遍历左相机像素坐标,针对每一个左相机像素,在右相机的同一水平极线上遍历该水平极线上的每一个像素,匹配的窗口按照从小到大的顺序遍历,并分别计算互相关系数C,以窗口大小的倒数作加权公式表示出最后的CNF,寻找最接近的像素匹配点;
步骤五:利用插值法进行亚像素强度匹配,生成视差图。
进一步的,在本发明中,步骤一中标定内参矩阵和外参矩阵,计算过程为:
其中P表示世界坐标,p表示相机像素坐标,H表示将世界坐标P转化为对应像素坐标p的单应性矩阵,R2×3表示旋转矩阵,t2×1表示平移矩阵,A表示相机坐标系转化为图像物理坐标系的内参矩阵。
进一步的,在本发明中,A表示相机坐标系转化为图像物理坐标系的内参矩阵,具体表示为:
其中m表示远心镜头的有效放大率,(u0,v0)表示光学畸变在传感器上的中心点坐标。
进一步的,在本发明中,步骤二中的畸变补偿包括畸变中心的估计和使用得到的畸变系数对图像平面进行优化两部分,函数表示为:
l'=delendistor(p,[k1 k2 p1 p2 k3]T);
其中l'表示远心镜头畸变补偿后相机镜头坐标,[k1 k2 p1 p2 k3]T为远心镜头的畸变系数;
后对双目相机靶面坐标进行畸变补偿,函数表示为:
p'=decamdistor(p,l',[k1'k2'p1'p2'k3']T);
其中p'表示双目相机靶面畸变补偿后的相机像素坐标,[k1'k2'p1'p2'k3']T为双目相机靶面的畸变系数。
进一步的,在本发明中,步骤三中的过程具体如下:分别对步骤二畸变补偿后得到的内外参数在极线约束下进行矫正转换,获得两个新的单应性矩阵HL+和HR+,使得两个视图的图像处于同一极线上,使二维搜索简化为一维搜索,公式表示为:
其中pL +和pR +分别表示极线矫正后左右相机的相机像素坐标,pL'和pR'分别表示相机镜头坐标和相机靶面坐标畸变补偿后左右相机的相机像素坐标。
进一步的,在本发明中,步骤四中,互相关系数C的计算方法如下:首先把左相机当做主相机,左图像上的一个像素点记为(uL,vL),由于经过了极线矫正,则可以在同一行中搜索匹配点,记为(uR,vL),取以(uL,vL)为中心周围相邻像素点的强度构成一个匹配窗口,匹配的窗口大小按照从小到大的顺序遍历,窗口尺寸记为window_size(n),然后从左到右遍历右图像同一行所有的像素点,取同尺寸局部窗口内像素点的强度,通过公式分别求取每个像素在不同匹配窗口下两个矩阵的互相关系数C(n),具体的公式表示为:
其中f(xi,yi)和g(xi,yi)分别表示左右矩阵对应像素点的强度,和/>分别表示左右矩阵匹配窗口内像素点的平均强度,Δf和Δg分别表示左右矩阵的幅值变化量,对矩阵进行归一化处理;
对于右图水平极线上的每个像素点,综合不同匹配窗口计算得到的互相关系数C(n),以窗口大小倒数作加权公式表示每个像素点的综合互相关系数CNF,当CNF最大时对应的像素点即为(uL,vL)的像素匹配点(uR,vL),CNF的具体公式表示为:
其中C(n)表示不同匹配窗口的互相关系数,window_size(n)表示不同匹配窗口的窗口尺寸,N表示使用的匹配窗口数。
进一步的,在本发明中,步骤五中,找到对应像素匹配点(uR,vL)后,进行亚像素强度匹配,过程如下:首先将匹配的像素点(uR,vL)分别与其右边和下面的两个点之间进行十倍插值,这样构成一个10×10的亚像素矩阵,再将(uL,vL)点的强度分别与右图中100个点按照从上到下,从左到右的顺序进行比较匹配,当差值绝对值最小时,该点即为与(uL,vL)匹配的亚像素点,再通过匹配图对应匹配点的位置计算视差生成视差图。
有益效果,本申请的技术方案具备如下技术效果:在本发明中,使用到了基于远心相机标定数据的极线矫正,避免由于基于局部窗口的图像相关技术涉及到元素的多次相乘与累加运算,过程比较复杂耗时的问题,实现快速亚像素匹配。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1为本发明一种多视角远心相机的视差测量方法的流程示意图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1,本发明一种多视角远心相机的视差测量方法包括以下五个步骤:
步骤一:左右相机装配远心镜头,对相机进行考虑畸变中心的远心相机标定计算出内外参矩阵(内参矩阵A和外参矩阵RT),最终得到单应性矩阵H=A×RT,具体公式如下:
其中P表示世界坐标,p表示相机像素坐标,H表示将世界坐标P转化为对应像素坐标p的单应性矩阵,R2×3表示旋转矩阵,t2×1表示平移矩阵。A表示相机坐标系转化为图像物理坐标系的内参矩阵:
其中m表示远心镜头的有效放大率,(u0,v0)表示光学畸变在传感器上的中心点坐标。
步骤二:对相机镜头坐标的畸变补偿主要包括畸变中心的估计和使用得到的畸变系数对图像平面进行优化两部分,函数表示为:
l'=delendistor(p,[k1 k2 p1 p2 k3]T)
其中l'表示镜头畸变补偿后相机镜头坐标,[k1 k2 p1 p2 k3]T为镜头的畸变系数。
后对相机靶面坐标进行畸变补偿,函数表示为:
p'=decamdistor(p,l',[k1'k2'p1'p2'k3']T)
其中p'表示相机靶面畸变补偿后的相机像素坐标,[k1'k2'p1'p2'k3']T为相机靶面的畸变系数。
步骤三:分别对步骤二畸变补偿后得到的内外参数在极线约束下进行矫正转换,获得两个新的单应性矩阵HL+和HR+,使得两个视图的图像处于同一极线上,从而也可使二维搜索简化为一维搜索,公式表示为:
其中pL +和pR +分别表示极线矫正后左右相机的相机像素坐标,pL'和pR'分别表示相机镜头坐标和相机靶面坐标畸变补偿后左右相机的相机像素坐标。
步骤四:先把左相机当做主相机,左图像上的一个像素点记为(uL,vL),由于经过了极线矫正,则可以在同一行中搜索匹配点,记为(uR,vL)。取以(uL,vL)为中心周围相邻像素点的强度构成一个匹配窗口,匹配的窗口大小按照从小到大的顺序遍历,窗口尺寸记为window_size(n)。然后从左到右遍历右图像同一行所有的像素点,取同尺寸局部窗口内像素点的强度,通过公式分别求取每个像素在不同匹配窗口下两个矩阵的互相关系数C(n),具体的公式表示为:
其中f(xi,yi)和g(xi,yi)分别表示左右矩阵对应像素点的强度,和/>分别表示左右矩阵匹配窗口内像素点的平均强度,Δf和Δg分别表示左右矩阵的幅值变化量,对矩阵进行归一化处理。
对于右图水平极线上的每个像素点,综合不同匹配窗口计算得到的互相关系数C(n),以窗口大小倒数作加权公式表示每个像素点的综合互相关系数CNF,当CNF最大时对应的像素点即为(uL,vL)的像素匹配点(uR,vL),CNF的具体公式表示为:
其中C(n)表示不同匹配窗口的互相关系数,window_size(n)表示不同匹配窗口的窗口尺寸,N表示使用的匹配窗口数。
步骤五:找到对应像素匹配点(uR,vL)后,进行亚像素强度匹配,过程如下:考虑到强度局部的分布是接近线性的,故采用插值法寻找(uL,vL)点对应亚像素的位置,首先将匹配的像素点(uR,vL)分别与其右边和下面的两个点之间进行十倍插值,这样构成一个10×10的亚像素矩阵。然后,将(uL,vL)点的强度分别与右图中100个点按照从上到下,从左到右的顺序进行比较匹配,当差值绝对值最小时,该点即为与(uL,vL)匹配的亚像素点。最后,通过匹配图对应匹配点的位置计算视差生成视差图。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (5)
1.一种多视角远心相机的视差测量方法,所述相机为双目相机,所述双目相机包括左相机和右相机,所述双目相机拍摄双目图像,其特征在于,包括如下步骤:
步骤一:所述左相机和右相机均装配远心镜头并标定计算出内参矩阵和外参矩阵,所述内参矩阵为A,所述外参矩阵为RT,将内参矩阵和外参矩阵进行计算得到单应性矩阵H,;
步骤二:对双目相机装配的远心镜头的坐标和双目相机的靶面坐标进行畸变补偿;
步骤三:对拍摄的双目图像进行远心双目极线水平矫正,使得两个物体在双目图像中满足处于同一水平极线的条件;
定义双目相机的原始单应性矩阵分别为HL和HR,经过水平矫正后,两个相机的成像单应性矩阵分别为HL+和HR+;
步骤四:按照从左到右,从上到下的顺序遍历左相机像素坐标,针对每一个左相机像素,在右相机的同一水平极线上遍历该水平极线上的每一个像素,匹配的窗口按照从小到大的顺序遍历,并分别计算互相关系数C,以窗口大小的倒数作加权公式表示出最后的CNF,寻找最接近的像素匹配点;
步骤四中,互相关系数C的计算方法如下:首先把左相机当做主相机,左图像上的一个像素点记为,由于经过了极线矫正,则可以在同一行中搜索匹配点,记为/>,取以/>为中心周围相邻像素点的强度构成一个匹配窗口,匹配的窗口大小按照从小到大的顺序遍历,窗口尺寸记为window_size(n),然后从左到右遍历右图像同一行所有的像素点,取同尺寸局部窗口内像素点的强度,通过公式分别求取每个像素在不同匹配窗口下两个矩阵的互相关系数C(n),具体的公式表示为:
;
其中和/>分别表示左右矩阵对应像素点的强度,/>和/>分别表
示左右矩阵匹配窗口内像素点的平均强度,和/>分别表示左右矩阵的幅值变化量,对矩阵进行归一化处理;
对于右图水平极线上的每个像素点,综合不同匹配窗口计算得到的互相关系数C(n),以窗口大小倒数作加权公式表示每个像素点的综合互相关系数CNF,当CNF最大时对应的像素点即为的像素匹配点/>,CNF的具体公式表示为:
;
其中C(n)表示不同匹配窗口的互相关系数,window_size(n)表示不同匹配窗口的窗口尺寸,N表示使用的匹配窗口数;
步骤五:利用插值法进行亚像素强度匹配,生成视差图;
步骤五中,找到对应像素匹配点后,进行亚像素强度匹配,过程如下:首先将匹配的像素点/>分别与其右边和下面的两个点之间进行十倍插值,这样构成一个10×10的亚像素矩阵,再将/>点的强度分别与右图中100个点按照从上到下,从左到右的顺序进行比较匹配,当差值绝对值最小时,该点即为与/>匹配的亚像素点,再通过匹配图对应匹配点的位置计算视差生成视差图。
2.根据权利要求1所述的一种多视角远心相机的视差测量方法,其特征在于,步骤一中标定内参矩阵和外参矩阵,计算过程为:
;
其中P表示世界坐标,p表示相机像素坐标,H表示将世界坐标P转化为对应像素坐标p的单应性矩阵,表示旋转矩阵,/>表示平移矩阵,A表示相机坐标系转化为图像物理坐标系的内参矩阵。
3.根据权利要求2所述的一种多视角远心相机的视差测量方法,其特征在于,A表示相机坐标系转化为图像物理坐标系的内参矩阵,具体表示为:
;
其中m表示远心镜头的有效放大率,(u0,v0)表示光学畸变在传感器上的中心点坐标。
4.根据权利要求3所述的一种多视角远心相机的视差测量方法,其特征在于,步骤二中的畸变补偿包括畸变中心的估计和使用得到的畸变系数对图像平面进行优化两部分,函数表示为:
=delendistor(p , [k1 k2 p1 p2 k3]T);
其中表示远心镜头畸变补偿后相机镜头坐标,[k1 k2 p1 p2 k3]T为远心镜头的畸变系数;
后对双目相机靶面坐标进行畸变补偿,函数表示为:
=decamdistor(p,/>,/>);
其中表示双目相机靶面畸变补偿后的相机像素坐标,/>为双目相机靶面的畸变系数。
5.根据权利要求4所述的一种多视角远心相机的视差测量方法,其特征在于,步骤三中的过程具体如下:分别对步骤二畸变补偿后得到的内外参数在极线约束下进行矫正转换,获得两个新的单应性矩阵HL+和HR+,使得两个视图的图像处于同一极线上,使二维搜索简化为一维搜索,公式表示为:
;
其中和/>分别表示极线矫正后左右相机的相机像素坐标,/>和/>分别表示相机镜头坐标和相机靶面坐标畸变补偿后左右相机的相机像素坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607919.9A CN112700504B (zh) | 2020-12-30 | 2020-12-30 | 一种多视角远心相机的视差测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607919.9A CN112700504B (zh) | 2020-12-30 | 2020-12-30 | 一种多视角远心相机的视差测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700504A CN112700504A (zh) | 2021-04-23 |
CN112700504B true CN112700504B (zh) | 2024-02-20 |
Family
ID=75512445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607919.9A Active CN112700504B (zh) | 2020-12-30 | 2020-12-30 | 一种多视角远心相机的视差测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700504B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI807449B (zh) | 2021-10-15 | 2023-07-01 | 國立臺灣科技大學 | 多視角立體影像產生方法及系統 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184540A (zh) * | 2011-05-03 | 2011-09-14 | 哈尔滨工程大学 | 基于尺度空间的亚像素级立体匹配方法 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及系统 |
CN110207614A (zh) * | 2019-05-28 | 2019-09-06 | 南京理工大学 | 一种基于双远心相机匹配的高分辨高精度测量系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104729429B (zh) * | 2015-03-05 | 2017-06-30 | 深圳大学 | 一种远心成像的三维形貌测量系统标定方法 |
-
2020
- 2020-12-30 CN CN202011607919.9A patent/CN112700504B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184540A (zh) * | 2011-05-03 | 2011-09-14 | 哈尔滨工程大学 | 基于尺度空间的亚像素级立体匹配方法 |
CN108629812A (zh) * | 2018-04-11 | 2018-10-09 | 深圳市逗映科技有限公司 | 一种基于双目相机的测距方法 |
CN109741356A (zh) * | 2019-01-10 | 2019-05-10 | 哈尔滨工业大学(深圳) | 一种亚像素边缘检测方法及系统 |
CN110207614A (zh) * | 2019-05-28 | 2019-09-06 | 南京理工大学 | 一种基于双远心相机匹配的高分辨高精度测量系统及方法 |
Non-Patent Citations (1)
Title |
---|
肖志涛 ; 卢晓方 ; 耿磊 ; 张芳 ; 吴骏 ; 李月龙 ; 郎建业 ; 甘鹏 ; 刘洋 ; .基于极线校正的亚像素相位立体匹配方法.红外与激光工程.2014,(第S1期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112700504A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833181B (zh) | 一种基于变焦立体视觉的三维全景图像生成方法 | |
CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
US9025862B2 (en) | Range image pixel matching method | |
US8867826B2 (en) | Disparity estimation for misaligned stereo image pairs | |
CN113538569B (zh) | 一种弱纹理物体位姿估计方法和系统 | |
CN111210481A (zh) | 多波段立体相机的深度估计加速方法 | |
CN112991420A (zh) | 一种视差图的立体匹配特征提取及后处理方法 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
CN104240229A (zh) | 一种红外双目相机自适应极线校正方法 | |
CN112561996A (zh) | 一种自主水下机器人回收对接中目标检测方法 | |
CN112700504B (zh) | 一种多视角远心相机的视差测量方法 | |
CN114120012A (zh) | 一种基于多特征融合和树形结构代价聚合的立体匹配方法 | |
CN112634305B (zh) | 一种基于边缘特征匹配的红外视觉里程计实现方法 | |
CN111429571B (zh) | 一种基于时空图像信息联合相关的快速立体匹配方法 | |
CN110910457B (zh) | 基于角点特征的多光谱立体相机外参计算方法 | |
CN114998532B (zh) | 一种基于数字图像重建的三维影像视觉传达优化方法 | |
WO2018133027A1 (zh) | 基于灰度约束的三维数字散斑的整像素搜索方法及装置 | |
CN116883480A (zh) | 基于双目影像与地基雷达融合点云的玉米株高检测方法 | |
CN116721149A (zh) | 一种基于双目视觉的杂草定位方法 | |
CN108805937B (zh) | 一种单相机偏振信息预测方法 | |
CN115719320A (zh) | 基于遥感影像的倾斜校正稠密匹配方法 | |
CN102609928B (zh) | 基于视觉方差定位的图像镶嵌方法 | |
CN110533702B (zh) | 一种基于光场多层折射模型的水下双目视觉立体匹配方法 | |
CN112396687B (zh) | 基于红外微偏振片阵列的双目立体视觉三维重建系统及方法 | |
CN113808070A (zh) | 一种双目数字散斑图像相关的视差测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |