CN108629812A - 一种基于双目相机的测距方法 - Google Patents
一种基于双目相机的测距方法 Download PDFInfo
- Publication number
- CN108629812A CN108629812A CN201810321132.2A CN201810321132A CN108629812A CN 108629812 A CN108629812 A CN 108629812A CN 201810321132 A CN201810321132 A CN 201810321132A CN 108629812 A CN108629812 A CN 108629812A
- Authority
- CN
- China
- Prior art keywords
- parallax
- camera
- cost
- binocular camera
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000003702 image correction Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 230000003044 adaptive effect Effects 0.000 abstract description 9
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000379 polymerizing effect Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000019253 formic acid Nutrition 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004088 simulation 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
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Optical Distance (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于双目相机的测距方法，包括如下步骤：左右相机的标定、通过计算左右相机之间的旋转和平移矩阵实现双目相机的标定；对图像的径向失真和切向失真进行畸变矫正和立体矫正；对双目相机所成的图像依次进行代价计算、代价聚合、视差计算和视差优化；以及深度计算。本发明通过提出一种自适应区域的立体匹配算法，构建自适应区域进行代价聚合减少误差和时间，依靠双目图像矫正进行上下左右4个方向的扫描线优化方法减少误差，提高视差精度，在视差优化过程中通过投票法等方法消除视差匹配的遮挡点和误匹配点进一步提高视差匹配精度，最终计算出待测点的深度，精确度高，运行时间短。
Description
技术领域
本发明涉及双目相机领域，尤其涉及的是一种基于双目相机的测距方法。
背景技术
现有技术中，为了获取物体的深度信息，现有技术主要包括双目立体视觉、结构光和TOF等。其中，结构光在光照强度高的情况下效果不是很好，而TOF则因为产品成本高而无法广泛应用。双目立体视觉是模拟人类视觉原理使计算机获得物体平面信息的同时获得物体的深度信息。双目立体视觉主要包括离线相机标定、双目图像矫正、双目匹配和3D距离计算。其中离线相机标定，主要是获得相机的内外参数和双目相机的位置关系。双目图像矫正主要分为图像畸变矫正和相机位置关系矫正，图形畸变矫正主要是为了消除相机畸变而相机位置矫正主要是矫正相机的位置关系，使得双目相机严格平行，从而方便双目图像进行立体匹配。双目立体匹配主要包括匹配代价计算，代价聚合，视差计算和视差优化，现有的代价计算主要包括，AD，SAD，TAD等算法。代价聚合，即一种滤波过程，由于图像存在噪声，在代价计算过程中得到的视差的代价值也存在噪声，为了消除噪声即需要进行代价聚合。视差计算，依靠聚合代价得到图像的视差，在局部立体匹配算法中常用的方法有WTA，而在全局立体匹配算法中通常采用能量函数最下化的方法计算视差。视差优化主要是对视差进行再优化，包括左右一致性检测，区域投票法等。由此可见，双目视觉的关键在于，双目立体匹配，而现有的立体匹配算法主要包括局部算法(包括局部区域匹配，局部特征匹配)和全局算法(主要包括图割法)等，针对局部立体匹配算法匹配精度不够，而全局立体匹配算法运行时间过长等缺陷，提出了以一种自适应区域的立体匹配算法，有效平衡了算法运行时间和算法精度的难题。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是：提供一种局部立体匹配算法精度高，全局立体匹配算法运行时间短，能自适应区域的立体匹配算法的基于双目相机的测距方法。
本发明的技术方案如下：一种基于双目相机的测距方法，包括如下步骤：
S1、利用小孔成像原理实现双目相机中左右相机的标定、通过计算左右相机之间的旋转和平移矩阵实现双目相机的标定的离线相机标定；
S2、对双目相机在成像过程中存在的径向失真和切向失真进行畸变矫正、对双目相机所成的图像在同一平面内切同行对准进行立体矫正的双目图像矫正；
S3、对双目相机所成的图像依次进行代价计算、代价聚合、视差计算和视差优化的双目立体匹配；
S4、结合双目相机成像原理和相似三角形原理计算待测点深度的深度计算。
采用上述技术方案，所述的基于双目相机的测距方法中，所述步骤S1中，设定空间任意一点的像素坐标为(u，v)，其在世界坐标系中对应的坐标为(x,y,z)，依据小孔成像原理，两坐标满足：以双目相机对棋盘格标定板进行成像，通过harrs方法提取棋盘格上角点的像素坐标以及已知的棋盘格上角点的世界坐标，实现双目相机中左右相机的标定；
通过R＝Rr(Rl)T和T＝Tr-R*Tl计算出左右相机之间的旋转和平移矩阵，实现双目相机的标定。
采用上述各个技术方案，所述的基于双目相机的测距方法中，所述步骤S2中，设定一点的坐标为(x,y)，点的真实的未畸变的坐标为(x0,y0)则双目相机的径向畸变模型和切向畸变模型分别可以表示为：
xr＝x0*(k1*r2+k2*r4+1)
yr＝y0*(k1*r2+k2*r4+1)、
r2＝x0 2+y0 2；
实现图像的畸变矫正；
在双目相机标定过程中可以得出左右相机的旋转矩阵，且左右相机之间存在如下关系：实现图像的立体矫正。
采用上述各个技术方案，所述的基于双目相机的测距方法中，所述步骤S3中，代价计算结合AD和census两种特征，图像的代价可以表示为：通过遍历图像的每一个像素和每一个视差，实现图像在各个视差情况下的代价计算；
代价聚合为一种自适应窗口，自适应窗口的约束为：代价聚合分为四步：对所有像素点水平边界计算一次cost，此时累加一次，对所有像素点垂直边界计算cost，此时累加两次，对所有像素点垂直边界计算cost，此时累加三次，对所有像素点水平边界计算cost，此时累加四次，完成代价聚合；
视差计算时，将视差计算视为数据项，建立全局能量函数：
将全局能量函数分解为上下左右4个方向的优化函数，其中，各单个方向的优化函数可表示为：设置上下左右4个方向完成初步的立体匹配得到双目视差图；
视差优化中，在双目相机所成的左右图中的左图取一个点P，P的视差值为d1，则P在右图中对应的点为(p-d1)，(p-d1)的视差值为d2，通过区域投票法确定P点视差，并建立视差直方图H，当视差d满足公式：时，将P点标记为视差有效点且其视差等于d，再次遍历整张图像，对视差进行二次线性插值：最后进行一引导滤波，引导滤波中假设：像素i的视差与其引导图像在以像素i为中心的窗口内成线性关系，其数学表示形式为：完成视差优化。
采用上述各个技术方案，所述的基于双目相机的测距方法中，所述步骤S4中，设定待测点的坐标为P(xc,yc,zc)，通过P(xc,yc,zc)在左右相机成像，依靠相似三角形原理，可以得到：计算出P(xc,yc,zc)的深度为完成待测点的深度测距。
采用上述各个技术方案，本发明通过提出一种自适应区域的立体匹配算法，构建自适应区域进行代价聚合减少误差和时间，依靠双目图像矫正进行上下左右4个方向的扫描线优化方法家少误差，提高视差精度，在视差优化过程中通过投票法等方法消除视差匹配的遮挡点和误匹配点进一步提高视差匹配精度，最终计算出待测点的深度，精确度高，运行时间短。
附图说明
图1为本发明的步骤流程示意图；
图2为本发明的步骤S4深度计算原理图。
具体实施方式
以下结合附图和具体实施例，对本发明进行详细说明。
本实施例提供了一种基于双目相机的测距方法，如图1所示，包括如下步骤：
S1、利用小孔成像原理实现双目相机中左右相机的标定、通过计算左右相机之间的旋转和平移矩阵实现双目相机的标定的离线相机标定101；
S2、对双目相机在成像过程中存在的径向失真和切向失真进行畸变矫正、对双目相机所成的图像在同一平面内切同行对准进行立体矫正的双目图像矫正102；
S3、对双目相机所成的图像依次进行代价计算、代价聚合、视差计算和视差优化的双目立体匹配103；
S4、结合双目相机成像原理和相似三角形原理计算待测点深度的深度计算104。
进一步的，所述步骤S1中，双目相机标定的原理为小孔成像原理，设定空间任意一点的像素坐标为(u，v)，其在世界坐标系中对应的坐标为(x,y,z)，依据小孔成像原理，两坐标满足：其中R为3*3的旋转矩阵，t为3*1的平移矩阵，表示相机的内参数矩阵，且fx为x方向上的像素焦距，fy为y方向上的像素焦距，(u0,v0)为相机光轴与图像交点的像素坐标。以双目相机对棋盘格标定板进行成像，通过harrs方法提取棋盘格上角点的像素坐标以及已知的棋盘格上角点的世界坐标，实现双目相机中左右相机的标定。
通过R＝Rr(Rl)T和T＝Tr-R*Tl计算出左右相机之间的旋转和平移矩阵，其中，R为两摄像头间的旋转矩阵，T为两摄像头间的平移矩阵，Rr为右相机相对标定物的旋转矩阵，Tr为右相机相对标定物的平移向量，Rl为左相机相对相同标定物的旋转矩阵，Tl为双目相机相对相同标定物的平移向量，实现双目相机的标定。
更进一步的，所述步骤S2中，设定一点的坐标为(x,y)，点的真实的未畸变的坐标为(x0,y0)则双目相机的径向畸变模型和切向畸变模型分别可以表示为：
其中，xr为点(x0,y0)在x方向上的径向畸变，yr为点(x0,y0)在y方向上的径向畸变，k1,k2为径向畸变系数，p1、p2为切向畸变系数，由此可以实现图像的畸变矫正。
在双目相机标定过程中可以得出左右相机的旋转矩阵，且左右相机之间存在如下关系：其中R表示两个相机之间的旋转，rl表示左相机旋转到同一平面所需的旋转矩阵，rr表示右相机到同一平面的旋转矩阵，由此可以实现图像的立体矫正。
更进一步的，所述步骤S3中，由于图像特征中AD特征对物体边缘敏感，但噪声比较大，而census特征能够有效抑制光照对图片的影响，为了减小代价甲酸时的误差，本实施例中的代价计算结合AD和census两种特征，图像的代价可以表示为：其中，表示为两个像素的绝对值之差，ad为AD代价归一化系数；dCensus为选定窗口内图像的海明距离，census为census特征归一化系数，通过遍历图像的每一个像素和每一个视差，实现图像在各个视差情况下的代价计算。
代价聚合为一种自适应窗口，自适应窗口的约束为：
其中T1、T2为可调的代价的阈值，L1、L2可调的像素的空间阈值，Dc(p1,p)表示点p1和p的AD代价，Dc(p1,p)表示点p1和p的像素距离，由于图像中任意像素点在水平方向和垂直方向上的边界不一样，故代价聚合是先水平方向进行还是垂直方向进行得到的结果会不一样。为此，代价聚合分为四步：对所有像素点水平边界计算一次cost，此时累加一次，对所有像素点垂直边界计算cost，此时累加两次，对所有像素点垂直边界计算cost，此时累加三次，对所有像素点水平边界计算cost，此时累加四次，完成代价聚合。
视差计算时，考虑到代价计算将视差计算视为数据项，建立全局能量函数：其中，C(p,Dp)为代价聚合项，表示视差变化微小的区域(低纹理区域)的代价值的和，表示视差变化剧烈的区域(物体的边缘)的代价值的和，显然，当满足E(D)最小时的视差即为图像的视差，为了求解E(D)，将全局能量函数分解为上下左右4个方向的优化函数，其中，各单个方向的优化函数可表示为：可以理解为，由于每一个点的代价聚合值：当前代价+min(路径相邻点的当前视差代价聚合值，路径相邻点的视差差值为1的代价聚合值+P1，路径相邻点的视差插值大于1的最小代价聚合值+P2)-路径相邻点的视差插值大于1的最小代价聚合值，因此设置上下左右4个方向完成初步的立体匹配得到双目视差图。
视差优化中，依靠上面得到的双目视差图，在进一步进行视差优化之前需要先确定图像中的点是否为视差异常点。其确定方法如下，在双目相机所成的左右图中的左图取一个点P，P的视差值为d1，则P在右图中对应的点为(p-d1)，(p-d1)的视差值为d2，若|d1-d2|>threshold，p标记为视差异常点。针对此视差异常点，通过区域投票法确定P点视差，区域投票法为统计该像素点对应的自适应区域的有效视差，建立视差直方图H，当视差d满足公式：时，其中为稳定点的个数的视差的和，H(dp)为视差直方图的主点，Ts和TH为给定阈值。则将P点标记为视差有效点且其视差等于d，再次遍历整张图像可以消除视差异常点。最后为了进一步精细化视差，需要对视差进行二次线性插值：其中d*为插值后的视差值，d为当前视差值，C(p,d)为像素点p在视差d下的代价值，C(p,d+)为像素点p在视差d+1下的代价值，C(p,d-)为像素点p在视差d-1下的代价值。最后进行一引导滤波，引导滤波中假设：像素i的视差与其引导图像在以像素i为中心的窗口内成线性关系，其数学表示形式为：qi表示第i点的视差输出图，Ii为第i点的引导图像的像素值，ak和bk表示窗口w中心位于i时的线性函数的不变系数，视差图通过引导滤波在减小噪声的同时可以好好的保护边缘，其效果比中值滤波和双边滤波效果要好。完成视差优化。
更进一步的，所述步骤S4中，如图2所示为双目相机的成像原理图，设定待测点的坐标为P(xc,yc,zc)，通过P(xc,yc,zc)在左右相机成像，依靠相似三角形原理，可以得到：其中B为两个相机之间的距离，(xc,yc,zc)表示点P的三维坐标，(Xleft,Y)为点P在左相机的像素坐标，d为像素坐标(Xleft,Y)对应的视差值，f为焦距，计算出P(xc,yc,zc)的深度为完成待测点的深度测距。
当然需要说明的是，在本发明中，对于代价计算过程，图像的识别特征还可以是TAD和SAD来计算匹配代价；对于代价聚合过程中，可以使用图割的方法对图像进行分割，进而实现代价的聚合；对于视差优化过程中，还可以使用其他的滤波方法，比如说中值滤波或双边滤波，只是没有本实施例的效果好。
采用上述各个技术方案，本发明通过提出一种自适应区域的立体匹配算法，构建自适应区域进行代价聚合减少误差和时间，依靠双目图像矫正进行上下左右4个方向的扫描线优化方法家少误差，提高视差精度，在视差优化过程中通过投票法等方法消除视差匹配的遮挡点和误匹配点进一步提高视差匹配精度，使用引导滤波对视差图像进行滤波提高视差精度，最终计算出待测点的深度，精确度高，运行时间短。
以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于双目相机的测距方法，其特征在于：包括如下步骤：
S1、利用小孔成像原理实现双目相机中左右相机的标定、通过计算左右相机之间的旋转和平移矩阵实现双目相机的标定的离线相机标定；
S2、对双目相机在成像过程中存在的径向失真和切向失真进行畸变矫正、对双目相机所成的图像在同一平面内切同行对准进行立体矫正的双目图像矫正；
S3、对双目相机所成的图像依次进行代价计算、代价聚合、视差计算和视差优化的双目立体匹配；
S4、结合双目相机成像原理和相似三角形原理计算待测点深度的深度计算。
2.根据权利要求1所述的基于双目相机的测距方法，其特征在于：所述步骤S1中，设定空间任意一点的像素坐标为(u，v)，其在世界坐标系中对应的坐标为(x,y,z)，依据小孔成像原理，两坐标满足：以双目相机对棋盘格标定板进行成像，通过harrs方法提取棋盘格上角点的像素坐标以及已知的棋盘格上角点的世界坐标，实现双目相机中左右相机的标定；
通过R＝Rr(Rl)T和T＝Tr-R*Tl计算出左右相机之间的旋转和平移矩阵，实现双目相机的标定。
3.根据权利要求1所述的基于双目相机的测距方法，其特征在于：所述步骤S2中，设定一点的坐标为(x,y)，点的真实的未畸变的坐标为(x0,y0)则双目相机的径向畸变模型和切向畸变模型分别可以表示为：
xr＝x0*(k1*r2+k2*r4+1)
yr＝y0*(k1*r2+k2*r4+1)、
r2＝x0 2+y0 2；
实现图像的畸变矫正；
在双目相机标定过程中可以得出左右相机的旋转矩阵，且左右相机之间存在如下关系：实现图像的立体矫正。
4.根据权利要求1所述的基于双目相机的测距方法，其特征在于：所述步骤S3中，代价计算结合AD和census两种特征，图像的代价可以表示为：通过遍历图像的每一个像素和每一个视差，实现图像在各个视差情况下的代价计算；
代价聚合为一种自适应窗口，自适应窗口的约束为：
代价聚合分为四步：对所有像素点水平边界计算一次cost，此时累加一次，对所有像素点垂直边界计算cost，此时累加两次，对所有像素点垂直边界计算cost，此时累加三次，对所有像素点水平边界计算cost，此时累加四次，完成代价聚合；
视差计算时，将视差计算视为数据项，建立全局能量函数：
将全局能量函数分解为上下左右4个方向的优化函数，其中，各单个方向的优化函数可表示为：设置上下左右4个方向完成初步的立体匹配得到双目视差图；
视差优化中，在双目相机所成的左右图中的左图取一个点P，P的视差值为d1，则P在右图中对应的点为(p-d1)，(p-d1)的视差值为d2，通过区域投票法确定P点视差，并建立视差直方图H，当视差d满足公式：时，将P点标记为视差有效点且其视差等于d，再次遍历整张图像，对视差进行二次线性插值：最后进行一引导滤波，引导滤波中假设：像素i的视差与其引导图像在以像素i为中心的窗口内成线性关系，其数学表示形式为：完成视差优化。
5.根据权利要求1所述的基于双目相机的测距方法，其特征在于：所述步骤S4中，设定待测点的坐标为P(xc,yc,zc)，通过P(xc,yc,zc)在左右相机成像，依靠相似三角形原理，可以得到：计算出P(xc,yc,zc)的深度为完成待测点的深度测距。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810321132.2A CN108629812A (zh) | 2018-04-11 | 2018-04-11 | 一种基于双目相机的测距方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810321132.2A CN108629812A (zh) | 2018-04-11 | 2018-04-11 | 一种基于双目相机的测距方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108629812A true CN108629812A (zh) | 2018-10-09 |
Family
ID=63705008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810321132.2A Pending CN108629812A (zh) | 2018-04-11 | 2018-04-11 | 一种基于双目相机的测距方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108629812A (zh) |
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109520480A (zh) * | 2019-01-22 | 2019-03-26 | 合刃科技（深圳）有限公司 | 基于双目立体视觉的测距方法及测距*** |
| CN109598687A (zh) * | 2018-12-04 | 2019-04-09 | 深慧视(深圳)科技有限公司 | 双目立体视觉***及图像校正方法 |
| CN109798877A (zh) * | 2019-02-20 | 2019-05-24 | 博雅工道（北京）机器人科技有限公司 | 一种仿生水下机器鱼双目立体测距方法 |
| CN109920008A (zh) * | 2019-02-20 | 2019-06-21 | 北京中科慧眼科技有限公司 | 自标定测距误差的修正方法、装置与自动驾驶*** |
| CN109917413A (zh) * | 2019-01-21 | 2019-06-21 | 苏州雷泰医疗科技有限公司 | 一种智能转移床的精确导航定位方法 |
| CN109978928A (zh) * | 2019-03-04 | 2019-07-05 | 北京大学深圳研究生院 | 一种基于加权投票的双目视觉立体匹配方法及其*** |
| CN109990756A (zh) * | 2019-04-11 | 2019-07-09 | 武汉纺织大学 | 一种双目测距方法及*** |
| CN110148181A (zh) * | 2019-04-25 | 2019-08-20 | 青岛康特网络科技有限公司 | 一种通用双目立体匹配方法 |
| CN110288659A (zh) * | 2019-05-27 | 2019-09-27 | 魏运 | 一种基于双目视觉的深度成像及信息获取方法 |
| CN110310320A (zh) * | 2019-07-09 | 2019-10-08 | 南京美基森信息技术有限公司 | 一种双目视觉匹配代价聚合优化方法 |
| CN110378915A (zh) * | 2019-07-24 | 2019-10-25 | 西南石油大学 | 一种基于双目视觉的爬壁机器人障碍物检测方法 |
| CN110374045A (zh) * | 2019-07-29 | 2019-10-25 | 哈尔滨工业大学 | 一种智能化除冰方法 |
| CN110766740A (zh) * | 2019-10-31 | 2020-02-07 | 西安咏圣达电子科技有限公司 | 一种基于行人跟踪的实时高精度双目测距***及方法 |
| CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、***、存储介质及电子设备 |
| CN111223059A (zh) * | 2020-01-04 | 2020-06-02 | 西安交通大学 | 一种基于引导滤波器的鲁棒深度图结构重建和去噪方法 |
| CN111260715A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市普渡科技有限公司 | 深度图的处理方法、小障碍物检测方法及*** |
| CN111508068A (zh) * | 2020-04-20 | 2020-08-07 | 华中科技大学 | 一种应用于双目内窥镜图像的三维重建方法及*** |
| WO2020177061A1 (zh) * | 2019-03-04 | 2020-09-10 | 北京大学深圳研究生院 | 一种基于极值校验的双目视觉立体匹配方法及*** |
| CN111798507A (zh) * | 2020-06-03 | 2020-10-20 | 广东电网有限责任公司 | 一种输电线安全距离测量方法、计算机设备和存储介质 |
| CN112381874A (zh) * | 2020-11-04 | 2021-02-19 | 北京大华旺达科技有限公司 | 基于机器视觉的标定方法及装置 |
| CN112700504A (zh) * | 2020-12-30 | 2021-04-23 | 南京理工大学智能计算成像研究院有限公司 | 一种多视角远心相机的视差测量方法 |
| WO2021138993A1 (zh) * | 2020-01-10 | 2021-07-15 | 大连理工大学 | 一种多波段立体相机的视差图像融合方法 |
| CN113487679A (zh) * | 2021-06-29 | 2021-10-08 | 哈尔滨工程大学 | 激光打标机自动调焦***视觉测距信号处理方法 |
| CN113538350A (zh) * | 2021-06-29 | 2021-10-22 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
| CN113670268A (zh) * | 2021-08-04 | 2021-11-19 | 国网福建省电力有限公司泉州供电公司 | 基于双目视觉的无人机和电力杆塔距离测量方法 |
| CN113723373A (zh) * | 2021-11-02 | 2021-11-30 | 深圳市勘察研究院有限公司 | 一种基于无人机全景影像的违建检测方法 |
| CN114155289A (zh) * | 2021-12-08 | 2022-03-08 | 电子科技大学 | 基于双目视觉的电点火***电火花轮廓尺寸测量方法 |
| CN114205483A (zh) * | 2022-02-17 | 2022-03-18 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
| CN114299129A (zh) * | 2021-12-31 | 2022-04-08 | 北京的卢深视科技有限公司 | 深度恢复方法、电子设备和计算机可读存储介质 |
| CN114723769A (zh) * | 2022-04-02 | 2022-07-08 | 长春长光博翔无人机有限公司 | 一种基于图像匹配的测距方法、存储介质和电子设备 |
| CN114757985A (zh) * | 2022-04-15 | 2022-07-15 | 湖南工程学院 | 基于zynq改进算法的双目深度感知装置及图像处理方法 |
| CN115797459A (zh) * | 2022-08-29 | 2023-03-14 | 南京航空航天大学 | 一种任意焦距组合的双目视觉***测距方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102523464A (zh) * | 2011-12-12 | 2012-06-27 | 上海大学 | 一种双目立体视频的深度图像估计方法 |
| CN105719290A (zh) * | 2016-01-20 | 2016-06-29 | 天津师范大学 | 一种使用时域视觉传感器的双目立体深度匹配方法 |
-
2018
- 2018-04-11 CN CN201810321132.2A patent/CN108629812A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102523464A (zh) * | 2011-12-12 | 2012-06-27 | 上海大学 | 一种双目立体视频的深度图像估计方法 |
| CN105719290A (zh) * | 2016-01-20 | 2016-06-29 | 天津师范大学 | 一种使用时域视觉传感器的双目立体深度匹配方法 |
Non-Patent Citations (5)
| Title |
|---|
| HEIKO HIRSCHMULLER: "Stereo Processing by Semiglobal Matching and Mutual Information", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
| XING MEI等: "On Building an Accurate Stereo Matching System on Graphics Hardware", 《ICCV WORKSHOPS》 * |
| 丁莹等: "《复杂环境运动目标检测技术及应用》", 31 January 2014 * |
| 白荣侠: "基于立体视觉的三维重建关键算法研究及应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 陈会等: "结构光三维重建***中投影仪的标定", 《科学通报》 * |
Cited By (52)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598687A (zh) * | 2018-12-04 | 2019-04-09 | 深慧视(深圳)科技有限公司 | 双目立体视觉***及图像校正方法 |
| CN109917413B (zh) * | 2019-01-21 | 2021-07-06 | 苏州雷泰医疗科技有限公司 | 一种智能转移床的精确导航定位方法 |
| CN109917413A (zh) * | 2019-01-21 | 2019-06-21 | 苏州雷泰医疗科技有限公司 | 一种智能转移床的精确导航定位方法 |
| CN109520480B (zh) * | 2019-01-22 | 2021-04-30 | 合刃科技（深圳）有限公司 | 基于双目立体视觉的测距方法及测距*** |
| CN109520480A (zh) * | 2019-01-22 | 2019-03-26 | 合刃科技（深圳）有限公司 | 基于双目立体视觉的测距方法及测距*** |
| CN109798877B (zh) * | 2019-02-20 | 2021-08-06 | 博雅工道（北京）机器人科技有限公司 | 一种仿生水下机器鱼双目立体测距方法 |
| CN109920008B (zh) * | 2019-02-20 | 2021-06-18 | 北京中科慧眼科技有限公司 | 自标定测距误差的修正方法、装置与自动驾驶*** |
| CN109920008A (zh) * | 2019-02-20 | 2019-06-21 | 北京中科慧眼科技有限公司 | 自标定测距误差的修正方法、装置与自动驾驶*** |
| CN109798877A (zh) * | 2019-02-20 | 2019-05-24 | 博雅工道（北京）机器人科技有限公司 | 一种仿生水下机器鱼双目立体测距方法 |
| CN109978928A (zh) * | 2019-03-04 | 2019-07-05 | 北京大学深圳研究生院 | 一种基于加权投票的双目视觉立体匹配方法及其*** |
| CN109978928B (zh) * | 2019-03-04 | 2022-11-04 | 北京大学深圳研究生院 | 一种基于加权投票的双目视觉立体匹配方法及其*** |
| WO2020177061A1 (zh) * | 2019-03-04 | 2020-09-10 | 北京大学深圳研究生院 | 一种基于极值校验的双目视觉立体匹配方法及*** |
| CN109990756A (zh) * | 2019-04-11 | 2019-07-09 | 武汉纺织大学 | 一种双目测距方法及*** |
| CN109990756B (zh) * | 2019-04-11 | 2021-07-27 | 武汉纺织大学 | 一种双目测距方法及*** |
| CN110148181A (zh) * | 2019-04-25 | 2019-08-20 | 青岛康特网络科技有限公司 | 一种通用双目立体匹配方法 |
| CN110288659A (zh) * | 2019-05-27 | 2019-09-27 | 魏运 | 一种基于双目视觉的深度成像及信息获取方法 |
| CN110310320B (zh) * | 2019-07-09 | 2023-07-07 | 南京美基森信息技术有限公司 | 一种双目视觉匹配代价聚合优化方法 |
| CN110310320A (zh) * | 2019-07-09 | 2019-10-08 | 南京美基森信息技术有限公司 | 一种双目视觉匹配代价聚合优化方法 |
| CN110378915A (zh) * | 2019-07-24 | 2019-10-25 | 西南石油大学 | 一种基于双目视觉的爬壁机器人障碍物检测方法 |
| CN110374045B (zh) * | 2019-07-29 | 2021-09-28 | 哈尔滨工业大学 | 一种智能化除冰方法 |
| CN110374045A (zh) * | 2019-07-29 | 2019-10-25 | 哈尔滨工业大学 | 一种智能化除冰方法 |
| CN110766740B (zh) * | 2019-10-31 | 2023-09-01 | 西安咏圣达电子科技有限公司 | 一种基于行人跟踪的实时高精度双目测距***及方法 |
| CN110766740A (zh) * | 2019-10-31 | 2020-02-07 | 西安咏圣达电子科技有限公司 | 一种基于行人跟踪的实时高精度双目测距***及方法 |
| CN111008660A (zh) * | 2019-12-03 | 2020-04-14 | 北京京东乾石科技有限公司 | 语义地图的生成方法、装置、***、存储介质及电子设备 |
| CN111223059A (zh) * | 2020-01-04 | 2020-06-02 | 西安交通大学 | 一种基于引导滤波器的鲁棒深度图结构重建和去噪方法 |
| CN111223059B (zh) * | 2020-01-04 | 2022-02-11 | 西安交通大学 | 一种基于引导滤波器的鲁棒深度图结构重建和去噪方法 |
| WO2021138993A1 (zh) * | 2020-01-10 | 2021-07-15 | 大连理工大学 | 一种多波段立体相机的视差图像融合方法 |
| US11948333B2 (en) | 2020-01-10 | 2024-04-02 | Dalian University Of Technology | Disparity image fusion method for multiband stereo cameras |
| CN111260715B (zh) * | 2020-01-20 | 2023-09-08 | 深圳市普渡科技有限公司 | 深度图的处理方法、小障碍物检测方法及*** |
| CN111260715A (zh) * | 2020-01-20 | 2020-06-09 | 深圳市普渡科技有限公司 | 深度图的处理方法、小障碍物检测方法及*** |
| CN111508068A (zh) * | 2020-04-20 | 2020-08-07 | 华中科技大学 | 一种应用于双目内窥镜图像的三维重建方法及*** |
| CN111798507A (zh) * | 2020-06-03 | 2020-10-20 | 广东电网有限责任公司 | 一种输电线安全距离测量方法、计算机设备和存储介质 |
| CN112381874A (zh) * | 2020-11-04 | 2021-02-19 | 北京大华旺达科技有限公司 | 基于机器视觉的标定方法及装置 |
| CN112381874B (zh) * | 2020-11-04 | 2023-12-12 | 北京大华旺达科技有限公司 | 基于机器视觉的标定方法及装置 |
| CN112700504B (zh) * | 2020-12-30 | 2024-02-20 | 南京理工大学智能计算成像研究院有限公司 | 一种多视角远心相机的视差测量方法 |
| CN112700504A (zh) * | 2020-12-30 | 2021-04-23 | 南京理工大学智能计算成像研究院有限公司 | 一种多视角远心相机的视差测量方法 |
| CN113538350A (zh) * | 2021-06-29 | 2021-10-22 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
| CN113487679A (zh) * | 2021-06-29 | 2021-10-08 | 哈尔滨工程大学 | 激光打标机自动调焦***视觉测距信号处理方法 |
| CN113538350B (zh) * | 2021-06-29 | 2022-10-04 | 河北深保投资发展有限公司 | 一种基于多摄像头识别基坑深度的方法 |
| CN113670268A (zh) * | 2021-08-04 | 2021-11-19 | 国网福建省电力有限公司泉州供电公司 | 基于双目视觉的无人机和电力杆塔距离测量方法 |
| CN113670268B (zh) * | 2021-08-04 | 2023-08-01 | 国网福建省电力有限公司泉州供电公司 | 基于双目视觉的无人机和电力杆塔距离测量方法 |
| CN113723373A (zh) * | 2021-11-02 | 2021-11-30 | 深圳市勘察研究院有限公司 | 一种基于无人机全景影像的违建检测方法 |
| CN113723373B (zh) * | 2021-11-02 | 2022-01-18 | 深圳市勘察研究院有限公司 | 一种基于无人机全景影像的违建检测方法 |
| CN114155289A (zh) * | 2021-12-08 | 2022-03-08 | 电子科技大学 | 基于双目视觉的电点火***电火花轮廓尺寸测量方法 |
| CN114299129B (zh) * | 2021-12-31 | 2023-01-31 | 合肥的卢深视科技有限公司 | 深度恢复方法、电子设备和计算机可读存储介质 |
| CN114299129A (zh) * | 2021-12-31 | 2022-04-08 | 北京的卢深视科技有限公司 | 深度恢复方法、电子设备和计算机可读存储介质 |
| CN114205483B (zh) * | 2022-02-17 | 2022-07-29 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
| CN114205483A (zh) * | 2022-02-17 | 2022-03-18 | 杭州思看科技有限公司 | 扫描仪精度校准方法、装置和计算机设备 |
| CN114723769A (zh) * | 2022-04-02 | 2022-07-08 | 长春长光博翔无人机有限公司 | 一种基于图像匹配的测距方法、存储介质和电子设备 |
| CN114757985A (zh) * | 2022-04-15 | 2022-07-15 | 湖南工程学院 | 基于zynq改进算法的双目深度感知装置及图像处理方法 |
| CN115797459A (zh) * | 2022-08-29 | 2023-03-14 | 南京航空航天大学 | 一种任意焦距组合的双目视觉***测距方法 |
| CN115797459B (zh) * | 2022-08-29 | 2024-02-13 | 南京航空航天大学 | 一种任意焦距组合的双目视觉***测距方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108629812A (zh) | 一种基于双目相机的测距方法 | |
| Li et al. | PMSC: PatchMatch-based superpixel cut for accurate stereo matching | |
| CN108876749A (zh) | 一种鲁棒的镜头畸变校正方法 | |
| CN108230392A (zh) | 一种基于imu的视觉障碍物检测虚警剔除方法 | |
| CN108596975B (zh) | 一种针对弱纹理区域的立体匹配算法 | |
| CN110288659B (zh) | 一种基于双目视觉的深度成像及信息获取方法 | |
| CN101887589A (zh) | 一种基于立体视觉的实拍低纹理图像重建方法 | |
| CN109887021A (zh) | 基于跨尺度的随机游走立体匹配方法 | |
| CN102831601A (zh) | 基于联合相似性测度和自适应支持权重的立体匹配方法 | |
| CN109523595A (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
| CN106651897B (zh) | 一种基于超像素分割的视差修正方法 | |
| CN104036542A (zh) | 一种基于空间光线聚集性的像面特征点匹配方法 | |
| CN112734822B (zh) | 一种基于红外和可见光图像的立体匹配算法 | |
| CN114004894A (zh) | 基于三个标定板的激光雷达与双目相机空间关系确定方法 | |
| CN104537668A (zh) | 一种快速视差图像计算方法及装置 | |
| Iocchi et al. | A multiresolution stereo vision system for mobile robots | |
| CN113052880A (zh) | 一种sfm稀疏重建方法、***及应用 | |
| CN114187208B (zh) | 基于融合代价和自适应惩罚项系数的半全局立体匹配方法 | |
| CN111047636B (zh) | 基于主动红外双目视觉的避障***和避障方法 | |
| CN103489183B (zh) | 一种基于边缘分割和种子点的局部立体匹配方法 | |
| CN112991421B (zh) | 一种机器人视觉立体匹配方法 | |
| CN110211168A (zh) | 一种基于改进匹配代价的分段树视差图获取方法 | |
| Zhu et al. | Triangulation of well-defined points as a constraint for reliable image matching | |
| CN110487254B (zh) | 一种用于rov的水下目标尺寸快速测量方法 | |
| CN117173233A (zh) | 基于半全局立体匹配的视差图确定方法、装置、介质及设备 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181009 |
|
| WD01 | Invention patent application deemed withdrawn after publication |