双目立体视觉中特征提取算法研究-论文.pdf

《双目立体视觉中特征提取算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、像与多媒体技木●Image＆MultimediaTechnology双目立体视觉中特征提取算法研究文赵本东陶华敏特征提取是双目立体视觉中的一个关键步骤，是图像匹配和三维重建的基础。本文主要对角点特征提取算法进行研究，重点分析了两种常用的角点特征提取方法：Susan算予和Harris算子，最后综合Susan和Harris两种算法优点，介绍一种改进的角点特征提取算法，使得算法实时性得到提高，实验结果显示这种算法具有较好的角点检测性能和较高的效率Susan算子Harris算子图3．1：两种算法对同一副图像提取角点的实际效果所以不受图像亮度改变的影响；

2、算法只用到一阶差分及滤波，故计算【关键词】特征提取Susan算法HarriS算法简单；再者Harris算子提取的特征改进算法点分布均匀而且合理，可以定量的提取特征点并且因为不涉及阈值而使算法更加稳定：并且该算法具有随着计算机技术、超大规模集成电路、旋转不变性。控制理论、人工智能理论、传感器技术和视觉研究的不断成熟与发展，机器人技术应用也逐2Harris~RSusan算法分析渐步向多元化。双曰立体视觉正是在此背景下发展起来的一个新的研究热点，其原理是运用从以上两种方法的分析可以看两个摄像机模拟人眼对同一景物从不同位置成出，用Susan算法进行角点

3、检测时，像，进而从视差中获取景物的三维信息双目检测时间快，但在弱边缘上不易检立体视觉技术的实现包括特征点提取、立体匹测出正确的角点，因为仅订一个设配和三维重建等几个关键部分，其中特征提取定的闽值所以在灰度差不大的情况是它的基础。特征提取算法的效率和性能直接下，角点容易被忽略：而且它的定影响着整个双目立体视觉的效果，进而影响着位不够精确．容易出现角点偏移和机器人工作的效率和性能，因此，对特征提取图3．2：算法的角点簇效应错误判断的情况；更重要的是在明算法的研究在机器人智能化研究中具有十分重显的角点处，它容易检测到很多伪要的意义。用SUSAN角点检

4、测法的过程中，有几个参数角点，组成角点簇，这会对后续的图像匹配带是需要人为设定的，参数设定的好坏会直接关来很大的麻烦。而用Hams算法进行检测，角1经典算法介绍系到角点检测的速度和精度。点定位则十分准确，且分布合理。但该算法的检测时间不是很令人满意，这也是目前对该方法提出改进的一个重要方向。SUSANfSmallestUnivalucSegmentHarris算子是Hams和Stephens在1988图3．1显示TSusan算法和Harris算法年提出的。这种算子受信号处理中自相关函数在提取角点的应用中的实际效果以及两者的Assimilatin

5、gNucleus)角点检测法是Smith等在的启发，给出与自相关函数相联系的矩阵M。对比。很明显可以看出，相较Harris算法，1996年提出来的。该方法把每个像素与包含M阵的特征值是自相关函数的⋯阶曲率，有Susan算法对孤立的亮点或者暗点(图中蓝色它的一块局部区域(模板)关联起来，然后判以下三种情况：两个特征值都很高，那么在任椭圆圈中的点)能够有较好的响应，但对线线断这块区域里的其它像素与该像素是否具有相何方向的偏移都将增加该I域变化值，所以该相交的角点(图中黄色圆圈中的点)的检测效似的强度，最后利用统计特性决定该像素的属点被认为是一个特征

6、点；两个特征值都很小，果却有所不及。另外，从图3_2的效果容易看出，性，即是角点、边上的点还足面上的点。那么图像中的变化区域成为近似不变的亮度，Susan算法在正确角点处的角点簇效应很严重，该方法的优点足具有很好的准确性和可则为面上的点；‘个特征值小，而咒一个特征不利】后期的图像匹配。靠性，检测效果不受物体方向和噪声的限制：值高，那么显然这是一条边。基于以上认识，为了快速提取准确的角无需梯度的计算，提高了算法的效率。但不足Harris角点探测器可以很有效的提取目标点，另外，角点的提取是为了下步的图像匹的是在弱边缘上不易检测出正确的角点，在灰物体

7、的特征点。它对图像中的每个角点都计算配，所以为了匹配的方便，我们还需控制角点度差不大的情况下，角点容易被忽略：定位不其兴趣值，然后在邻域中选择最优点。该算法分布的均匀合理，即控制小区域内的角点数量，够精确，容易出现角点偏移和错误判断的情有如下特点：由于Hams算子求的是梯度运算，杜绝角点簇的出现，并且针对Harris算法检测况，这方面仍有待进一步的研究。另外，在运速度有待改进的问题，下面我们综合Susan和122·电子技术与软件工程ElectronicTechnology&SoftwareEngineeringmage&MultimediaTe

8、chnology·图像与多媒体技术终检测出的角点有可能会忽略掉角点小邻域内别的正确角点，但这对后续的图像匹配工作没有负面影响，冈此在实际运用中它是一种