安徽大学博士论文 第七章 总结与展望
第七章 总结与展望
计算机视觉是一门发展非常迅速的学科,自D.Marr创立视觉系统框架以来,现已形成了从图像获取到最终的景物可视表面重构的较为完整的体系。经过20多年的研究,计算机视觉在机器人定位与导航、精密工业测量、物体识别、虚拟现实以及军事等领域的应用越来越广泛,研究方法从早期的以统计相关理论为基础的相关匹配,发展到具有很强生理学背景的特征匹配,从串行到并行,从直接依赖于输入信号的低层处理到依赖于特征、结构、关系和知识的高层次处理,性能不断提高,其理论正处在不断发展与完善之中。
本论文针对目前计算机视觉研究领域中的一些热点问题,进行了较为系统的研究。研究工作主要有:
1.从摄像机模型出发,详细推导了透视模型与仿射模型的关系,讨论了射影深度的性质。介绍了基于矩阵奇异值分解(SVD)的射影重构算法的一般框架,分析并实现了基于基本矩阵和极点的射影深度估计算法。以测量矩阵的秩为4作为约束,以仿射投影逼近透视投影,提出以下迭代估计射影深度的算法:①基于共轭梯度法的射影深度估计算法,②基于遗传算法的射影深度估计算法。在获得正确的射影深度后,通过奇异值分解将测量矩阵分解为射影空间下的摄像机运动和物体三维几何形状(射影重构)。实验证明:相对于基于基本矩阵和极点方法来计算射影重构,我们提出的算法对噪声具有更好的鲁棒性。
2.详细讨论了传统的基于Kruppa方程的摄像机自标定方法。提出一种求解Kruppa方程的新方法——分步算法,先利用共轭梯度法估计Kruppa方程中的未知比例因子,然后利用所确定的比例因子线性地求解Kruppa方程,进而标定摄像机内参数。在摄像机内参数已知的情况下,提出一种从射影重构恢复欧氏重构的算法,先求解一个满足欧氏重构条件的非奇异矩阵,然后通过此矩阵将射影重构变换为欧氏重构。实验结果表明所提出的算法是行之有效的。
…… …… 余下全文