基于竞争机制的双目视觉匹配与实时测距.docx

基于竞争机制的双目视觉匹配与实时测距.docx

《基于竞争机制的双目视觉匹配与实时测距.docx》由会员分享，可在线阅读，更多相关《基于竞争机制的双目视觉匹配与实时测距.docx（15页珍藏版）》请在冰豆网上搜索。

基于竞争机制的双目视觉匹配与实时测距

基于竞争机制的双目视觉匹配与实时测距

熊超

田小芳陆起涌

（复旦大学电子工程系，上海２００４３３）

摘要利用立体视觉系统实现移动机器人避障具有探测范围宽，目标信息完整等优势。

从立体视觉中提取距离信息是计算机视觉的热点问题，其困难在于图像匹配问题。

文章提出了一种基于竞争机制实现立体视觉匹配的方法。

该方法将匹配问题映射为一个矩阵。

其元素代表可能匹配的像点。

根据匹配约束，匹配矩阵元素之间竞争，最后胜出者即为最优匹配点。

获得匹配点后，根据摄像机透射投影模型恢复图像深度信息。

实验结果表明．该方法需处理数据少、计算简便、适于

实时测量。

关键词计算机视觉双目测距匹配矩阵特征提取竞争机制文章编号１００２—８３３１一（２００６）０１—００８３—０３

文献标识码Ａ

中图分类号ＴＰｌ８

Ｒｅａｌ－ｔｉｍｅ

Ｂｉｎｏｃｕｌａｒ

Ｂａｓｅｄ

Ｘｉｏｎｇ

Ｍａｔｃｈｉｎｇ

ｏｎ

Ｔｉａｎ

ａｎｄＤｅｐｔｈ

Ｍｅａｓｕｒｅｍｅｎｔ

ＣｏｍｐｅｔｉｎｇＳｃｈｅｍａ

Ｘｉａｏｆａｎｇ

Ｌｕ

Ｃｈａｏ

Ｑｉｙｏｎｇ

２００４３３）

ｉｎｆｏｒｍａｔｉｏｎ．Ｄｅｐｔｈ

ｐｒｏｃｅｓｓ．Ａ

ｆｒｏｍ

ｓｔｅｒｅｏ

（Ｅｌｅｃｔｒｏｎｉｃ

Ａｂｓｔｒａｃｔ：

ｖｉｓｉｏｎ—ｂａｓｅｄ

ｓｔｅｒｅｏ

ＥｎｇｎｅｅｒｉｎｇＤｅｐａｒｔｍｅｎｔ，Ｆｕｄａｎ

Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ

ｏｂｓｔａｃｌｅａｖｏｉｄｉｎｇｓｙｓｔｅｍ

ａｒｅａ

ｈａｓｓｕｐｅｒｉｏｒｉｔｉｅｓｉｎｄｅｔｅｃｔｉｎｇｓｃｏｐｅａｎｄｔａｒｇｅｔ

ｖｉｓｉｏｎ

ｆｉｅｌｄ，ａｎｄ

ｔｈｅｋｅｙ

ｐｒｏｂｌｅｍｉｓ

ｔｈｅ

ｉｓ

ａｎ

ａｃｔｉｖｅｒｅｓｅａｒｃｈ

ｏｎ

ａ

ｉｎｔｈｅ

ｃｏｍｐｕｔｅｒ

ｉｓ

ｍａｔｃｈｉｎｇ

ｏｎｔｏ

ａｓ

ａ

ｍａｔｃｈｉｎｇ

ｍｅｔｈｏｄｂａｓｅｄ

ａ

ｃｏｍｐｅｔｉｎｇｓｃｈｅｍａ

ｍａｔｃｈｉｎｇ

ｐｒｏｐｏｓｅｄ．Ｔｈｅｍａｔｃｈｉｎｇｐｒｏｃｅｓｓｉｓ

ｔｏ

ｍａｐｐｅｄｏｔｈｅｒ

ｍａｔｒｉｘ，ｗｈｅｒｅｅａｃｈ

ｒｕｌｅｓａｎｄｔｈｅ

ｔｏ

ｅｌｅｍｅｎｔｒｅｐｒｅｓｅｎｔｓｆｉｎａｌ

ｗｉｎｎｅｒ

ｉｓ

ｐａｉｒｂｅｓｔ

ｏｆｐｏｓｓｉｂｌｅｍａｔｃｈｉｎｇ

ｐｉｘｅｌｓ．Ｔｈｅｓｅｅｌｅｍｅｎｔｓｔｈａｔ，ｔｈｅ

ｄｅｐｔｈ

ｃｏｍｐｅｔｅ

ｅａｃｈｂｅ

ｍａｔｃｈｉｎｇ

ｔｈｅ

ｐｏｉｎｔｓ．Ａｆｔｅｒ

ｉｎｆｏｒｍａｔｉｏｎｓｈｏｗ

ｔｈａｔ

ｃａｎ

ｅａｓｉｌｙ

ｄａｔａ

ｒｅｃｏｖｅｒｅｄｉｓ

ａｃｃｏｒｄｉｎｇ

ｔｏ

ｔｈｅ

ｃａｍｅｒａｔｒａｎｓｍｉｓｓｉｏｎ

ｓｉｍｐｌｅ

ｐｒｏｊｅｃｔｉｏｎ

ｍｏｄｅｌ．Ｔｈｅ

ｅｘｐｅｒｉｍｅｎｔ

ｒｅｓｕｌｔｓｌｅｓｓ

ｉｍａｇｅ

ｎｅｅｄｅｄ

ｐｒｏｃｅｓｓ，ｔｈｅ

ｐｒｏｃｅｄｕｒｅｉｓａｎｄｔｈｅｐｒｏｐｏｓｅｄ

ｍｅｔｈｏｄｉｓｆｉｔｆｏｒｒｅａｌ－ｔｉｍｅｍｅａｓｕｒｅｍｅｎｔ．

Ｋｅｙｗｏｒｄｓ：

ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｂｉｎｏｃｕｌａｒｄｅｐｔｈｍｅａｓｕｒｅｍｅｎｔ，ｍａｔｃｈｉｎｇｍａｔｒｉｘ，ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｃｏｍｐｅｔｉｎｇｓｃｈｅｍａ

１

引言

智能移动机器人作为一个能在复杂环境下自主决策的智

选取一行图像作为处理对象，运用竞争机制灵活有效地进行双目视觉匹配，最后给出实验结果说明该方法的有效性。

’

能体，应该具备三个基本功能：

感知功能、思维功能以及行动功能【ｌＩ，并且能够自主实现路径规划。

而通常情况下，移动机器人感知环境的手段是不完备的，传感器给出的数据是不完全、不连续和不可靠的。

因此移动机器人障碍物的探测是当今机器人研究领域的热点问题和难点问题【２，３】。

目前实现避障的主要方法有红外避障、超声避障、激光避障、微波雷达避障、接近式传感器避障和视觉避障。

其中，由于机器视觉系统在一定程度上实现了模拟人的视觉感知功能，具有探测范围宽，目标信息完整等优势．现在越来越受到人们重视并表现出良好的发展前景。

通过立体视觉恢复出深度信息一直是计算机视觉中的热点，其主要困难在于立体视觉匹配问题。

本文提出一种基于竞争匹配机制，该方法利用双目视觉约束条件，构造一个匹配矩阵，其元素代表可能存在的匹配点，这些元素依据约束条件互相竞争。

最后产生的胜出者即为最佳匹配点。

实验表明，通过该方法实现双目测距具有处理的数据量小、实时性好、实现简单、测量精度高的特点。

本文接下来首先介绍双目测距的原理，然后重点介绍双目测距中的匹配问题．根据Ｍａｒｔ提出双目视觉匹配约束条件［４１，

２双目测距原理

双目立体视觉是从人的双目产生立体感中获得启示，研究如何从左右两个摄像机所得的两幅图像中获取场景中的深度信息旧。

图１（ａ）是双摄像机观察同一点Ｐ的情况。

图中两个摄像机的成像平面ｚｍ、Ｘｒｙｒ处于同一平面并且与ｚ轴垂直，焦距相等，光心０。

、０：

处于Ｘ轴。

这种条件下，摄像机被称为处于平行对准状态。

图１（ｂ）是Ｐ点在ＸＺ平面上的投影图。

舰、辑分别为点Ｐ（Ｘ，，ｙ，，互）在左、右摄像机成像平面中的投影，称为成像点对，也即是在匹配过程中所寻找的在左右两幅图像上代表空间同一点的一对匹配点。

根据摄像机透射投影模型，可以求出Ｐ点坐标五：

弓＝警

其中Ｄ＝ｘＦｘ，，为点Ｐ在两摄像机中成像所形成的视差，磊就是所要求的空间点尸到两摄像机中心的距离。

即到观测者的距离。

ｄ为两摄像机光心之间的距离，厂摄像机的焦距，可以通过摄像机标定获得［ｑ。

构建双目视觉系统要求左右两个摄像机

作者简介：

熊超（１９８１一），男，硕士研究生，主要研究方向为计算机视觉、智能控制、嵌入式系统等方面。

田小芳（１９８１一），女，硕士研究生，主要研究

方向为智能控制、嵌入式系统、计算机视觉等方面。

陆起涌，男，副教授，现从事人工智能、嵌入式系统设计、智能仪器仪表、系统集成等方面的教学与科研工作。

计算机工程与应用２００６．０１

８３

万方数据　

焦距相同。

。

规、坼为摄像机成像平面坐标系下的坐标值。

，、却、簖上，竹即为ｅ（ｘｚ，ｙｆ）点在右图上对应的外极线。

因此，对于一个的单位均为像素数，ｚＤ的单位和ｄ相同。

根据图ｌ（ｂ）容易求得：

图像点只需在它的外极线上寻找其匹配点即可，这样可以大大－＝ｄ‘警

减少处理的数据量，提高处理速度。

图２（ｂ）为用Ｄｅｆｉｃｈｅ算子提取边缘的结果，“＋”标记为提取的边缘特征点。

对经平滑处理将Ｐ点向ＹＺ平面投影，同理可得：

后的某一行图像求导，所得结果如图２（ｃ）所示。

匕＝ｄ’警

对图２（ｃ）所示结果作进一步处理，提取显著特征信息。

首

先设定一个阈值ｔ，ｔ为最大幅值的１０％，滤除属于区间卜ｔ，卅

这样，Ｐ点相对于观测者的位置就可完全确定了，从而能的梯度值。

将剩余的梯度幅值分布划分成邻域，每个邻域的梯够为实现避障提供充分的信息。

度符号相同。

每个邻域中梯度极大值即对应于边缘特征信息最为明显的像素点，结果如图２（ｄ）所示。

分别提取左、右图像边缘信息，其中包含：

该边缘在图像中

二。

的位置，对Ｄｅｆｉｃｈｅ算子响应幅度以及梯度符号。

作为竞争匹配

７’

“／

，Ｉ／

￡

的输入。

３．２竞争匹配方法

／

ＭａⅡ提出立体视觉匹配的三个约束条件：

相容性约束，唯

电

Ｄ

．０２

ｊ

一性约束和连续性约束。

文献【８】进一步归纳为两类约束：

本地约束和全局约束。

本地约束中包括：

几何学约束。

左图中的边缘（ａ）双目视觉透视（ｂ）Ｘ—Ｚ平面投影

Ｚ和右图中的边缘ｒ如果匹配，则必须满足ｘｌ＞ｘ，；斜坡约束，具图１双目视觉成像原理

有相同的梯度符号的边缘才有可能匹配。

全局约束包括：

唯一性约束．左图中某个边缘只能和右图中一个边缘匹配，反之亦

从上述分析不难看出，获得障碍物的距离信息关键是需要然；顺序约束，假设左图像中有两个边缘点ｆ】、ｆ：

，右图像中有也两个边缘点ｒｌ、ｒ２，Ｚｌ与ｒＩ匹配。

如果ｘｕ＞ｘｎ，省，１“＆，则Ｚ２不可能与ｒ２匹配；连续性约束，匹配得到的视差值的变化在图像中几乎处处平滑。

根据本地约束，构造一个Ｍ×慨的匹配矩阵，如图３所示。

配两部分．具体实现如下文所述。

厂］＝：

甬ｌＬ…ｉ

．一：

ｊ‘．一Ｉ一…一一占一一‘～一．岳一．０一一６一一Ｊ－一一

梧求一ｉ｝一：

木。

一叶一｝鼍》’一｛一｝一

本文提出的匹配方法分为两步：

提取特征和竞争匹配。

蝾…●一◆一∑＿＿＋－－＠一◆一番一＿．一｝一ｊ

划特征提取

匝…●一一ｏ…一：

粘一■一占一。

一一６一一。

一一

杷

…，一ｒ…一１一Ｋ—ｔ一呷一１一ｒ一

：

＼：

ｉ

立体视觉匹配首先应该从左、右视图里提取出能够代表视

…＋一．－…一’一＋’一汰一◆一々一．－一…●一■…一ｏ～■一◆一Ｎ

１

１

一

ｌ｝：

－７１－：

－Ｔ－

Ｉ＼Ｉ

图３匹配矩阵

其中Ｍ、％分别是左、右图像的特征边缘数，矩阵中的元

素胁代表左图中边缘Ｚ与右图中边缘ｒ相匹配，白圈代表有

效匹配，黑圈代表无效匹配。

有效匹配作为候选匹配参加竞争．

用ｃＳ螈代表匹配程度，ＣＳ耽值越大表示匹配程度越高。

竞争

规则根据全局约束制定，共分为三条：

（ａ）原图（ｂ）Ｄｅｆｉｃｈｅ算子提取边缘结果

（１）任一个候选匹配％认为自己是最佳匹配，根据唯一性

约束，认为所有与慨处在同一行或同一列的匹配一定是无效

匹配。

并将它们的匹配程度值减去１；

（２）根据顺序约束．认为所有Ｚ’ｄ且ｒ’＞ｒ或者Ｚ’爿且ｒ７＜，的匹配％，，均为无效匹配，并将它们的匹配程度值减去ｌ；

（３）根据连续性约束，如果％、尬，同为有效匹配，那么它

图２边缘提取

们的视差应该相近，如果慨，是无效匹配，则它的视差与％的视差相差较大。

因此，％将根据与其它匹配视差的差值判断其

双摄像机平行对准放置。

根据外极线约束［习，左图像上任一

它匹配的有效程度，并按照下面公式影响它们的匹配程度值：

Ｉ！

ｓ鸭，？

（ｎ）＝ｃｓ鸭，ｒ，（ｎ—１）一（１＿ｅ１）

８４

２００６．０１计算机工程与应用

万　

方数据在左、右图像中发现与同一空间点对应的成像点对。

这个问题就称为匹配问题。

匹配问题是立体视觉中的一个难点问题，主要体现：

（１）计算数据量大，实时性差；（２）容易出现多义性问题．即对于一幅图中给定的匹配基元在另一幅图中出现不止一个匹配基元与之匹配。

针对这两个问题，本文提出了一种基于竞争机制的立体视觉匹配方法。

该方法分为特征提取和竞争匹３立体视觉竞争匹配方法

３．１

场中物体的明显信息。

本文的方法以物体边缘信息作为匹配基元，边缘点在灰度图像中对应为灰度值急剧变化的像点。

我们用Ｄｅｆｉｃｈｅ提出的递归微分算子提取边缘信息同。

Ｄｅｆｉｃｈｅ的方法分为两步：

（１）用递归平滑滤波器对图像进行滤波，滤除噪声点；（２）对滤波后的图像求导，得到边缘信息。

（ｃ）平滑处理后的某行图像求导结果（ｄ）提取显著特征信息的进一步结果

点Ｐ（卸，抑）在右图像上的对应点Ｐ’（并，，ｙｒ）一定位于竹劭直线

其中并代表慨，和耽视差差值的绝对值。

按如上规则对每个候选点进行一次判断。

最后，竞争胜出

表１实验结果

ｃｍ

者即为匹配程度值ｃＳ％最大的匹配，其所对应的匹配点这一

行图像中达到最佳匹配。

这样，在一定程度上克服了匹配的多义性问题。

５７９

１８．１８（３．３％）１９．８５（５．０％）２３．３９（２．５％）３４．１３（６．６％）４０．２９（７．３％）１８．２８（３．９％）２０．４８（２．５％）２５．９４（８．０％）３２．０４（０．１％）３８．３６（３．７％）１８．０５（２．６％）２０．６０（１．９％）２４．３２（１．３％）３４．３７（７．４％）３９．７９（７．５％）

注：

括号中为测量误差值

４实验与小结

本文采用一个普通ＵＳＢ摄像头ＰＣＣＡＭ一１６８。

分别从左右相距一定距离ｄ的位置拍摄待测物体（实验选取一个水杯作为待测物体），以此来模拟双目摄像采集数据。

在摄像头移动的过程中。

尽可能地保证成像平面呈平行对准姿态。

然后在Ｐｉｌｌ

Ｉｎｔｅｌ—Ｃｅｌｅｒｏｎ

１．０ＧＨｚ

完整等优势。

本文根据Ｍａｒｒ关于双目视觉匹配的三个约束条件，提出了一种基于竞争机制的快速立体视觉匹配方法，实现双目测距。

实验证明，该方法实时性好、实现简单、测量精度较高，能够为移动机器人自主避障提供可靠的判据。

（收稿日期：

２００５年３月）

ＣＰＵ．１２８Ｍ内存ＰＣ机，Ｍａｔｌａｂ６．１平台

上验证本文提出的双目测距算法有效性。

如图４所示，待测物体水杯与摄像头之间的水平距离ｚ－１７．６０ｃｍ．两次成像光心之间的距离ｄ＝９ｃｍ，图上“＋”符号指示为匹配点的位置。

实验测的匹配点离摄像头水平距离为１８．０５ｃｍ，误差为０．４５ｃｍ。

实验结

果见表１。

参考文献

１．梁冰，洪炳镕，曙光．自主机器人视觉与行为模型及避障研究【Ｊ］．电子学报，２００３；（１２）

２．Ｔｈｏｎｇｃｈａｉ

ａ

Ｓ，ＳｕｋｓａｋｕｌｃｈａｉＮ．ＳｏｎａｒＢｅｈａｖｉｏｒ－ＢａｓｅｄＦｕｚｚｙＣｏｎｔｒｏｌｆｏｒ

Ｍｏｂｉｌｅ

Ｒｏｂｏｔ［Ｃ］．Ｉｎ：

Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄＣｙｂｅｒｎｅｔｉｃｓ，２０００ＩＥＥＥＩｎｔｅｒ－

ｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ，２０００：

５：

３５３２～３５３７３．ＯｈｙａＡ．ＫｏｓａｋａＡＫａｋ．Ｖｉｓｉｏｎ－ｂａｓｅｄｎａｖｉｇａｔｉｏｎｗｉｔｌｌ

ｏｂｓｔａｃｌｅ

ｕｓｉｎｇ

ｏｎ

ｂｙ

ａ

ｍｏｂｉｌｅｒｏｂｏｔ

ｓｉｎｇｌｅ—ｃａｍｅｒａｖｉｓｉｏｎＲｏｂｏｔｉｃｓａｎｄ

ａｎｄｕｌｔｒａｓｏｎｉｃ

ｓｅｎｓｉｎｇ［Ｊ］．

ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ４．Ｄ

Ａｕｔｏｍａｔｉｏｎ，１９９８；１４（６）：

９６９—９７８

Ｄｉｓｐａｒｉｔｙ［Ｊ］．Ｓｃｉｅｎｃｅ，１９７６：

Ｍａｒｔ，ＴＰｏｇｇｉｏ．Ｃｏｏｐｅｒａｔｉｖｅ

ｏｆＳｔｅｒｅｏ

２８３～２８７

５．吴立德．计算机视觉【Ｍ］．上海复旦大学出版社，１９９３—１２

６．ＺｈｅｎｇｙｏｕＺｈａｎｇ．ＡＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ

ＦｌｅｘｉｂｌｅＮｅｗＴｅｃｈｎｉｑｕｅｆｏｒＣａｍｅｒａ

ｏｎ

Ｃａｌｉｂｒａｔｉｏｎ［Ｊ］．

Ｐａｔｔｅｒｎ

Ａｎａｌｙｓｉｓ

ａｎｄ

ＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，

２００２；（１１）

７．Ｒ

Ｄｅｎｃｈｅ．ＦａｓｔａｌｇｏｒｉｔｈｍｓＰａｔｔｅｒｎＡｎａｌｙｓｉｓ

ｆｏｒｌｏｗ－ｌｅｖｅｌ

图４匹配结果

ｏｎ

ｖｉｓｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ

ａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，１９９０；１２（１）：

７８－８７

８．ＩｓｓａＨ，Ｒｕｉｃｈｅｋ

Ｙ，ＰｏｓｔａｉｒｅＪ－Ｇ．Ｅｘｔｒａｃｔｉｎｇｄｅｐｔｈｉｎｆｏｒｍａｔｉｏｎｆｒｏｍ

ａ

实验误差介于０．１％～８．Ｏ％之间。

本实验输入为３２０ｘ２４０、２４位图像，测距程序耗时均为０．２４ｓ。

利用双目视觉实现机器人避障具有探测范围宽，目标信息（上接５２页）

表１分割结果分析

ｓｔｅｒｅｏ

ｌｉｎｅａｒｉｍａｇｅｓｕｓｉｎｇ

ｇｅｎｅｔｉｃａｐｐｒｏａｃｈ［Ｃ］．Ｉｎ：

ＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，

Ｓｙｍｐｏｓｉｕｍ，２００２；１：

２００２

Ｐｒｏｃｅｅｄｉｎｇｓ，２００２ＦｉｒｓｔＩｎｔｅｒｎａｔｉｏｎａｌＩＥＥＥ

】８５－１８９ｖｉｄｅｏ

ｏｂｊｅｃｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓ

ＣｉｒｃｕｉｔＳｙｓｔ

ＶｉｄｅｏＴｅｃｈ，１９９８；８（５）：

５７２～５８４２．Ｋｉｍｕｓｉｎｇ

ＥＹ，Ｈｗａｎｇ

ｇｅｎｅｔｉｃ

ＳＷ，ＰａｒｋＳＨ

ｅｔ

ａ１．Ｓｐａｔｉｏｔｅｍｐｏｒａｌ

ｓｅｇｍｅｎｔａｔｉｏｎ

ａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＰａｔｔＲｅｃｏｇｎｉｔ，２００１；（３４）：

２０６３－２０６６

Ｅ．Ｄｉｇｉｔａｌ

Ｉｍａｇｅ

３．Ｇｏｎｚａｌｅｚ

ＲＣ．ＷｏｏｄｓＲ

Ｐｒｏｃｅｓｓｉｎｇ［Ｍ］．ｓｅｃｏｎｄｅｄ．

ＵＳＡ：

Ｐｒｅｎｔｉｃｅ—Ｈａｌｌ，Ｒｅａｄｉｎｇ，ＮＪ，２００２４．Ｒｅｚａｅｅ

Ｍ

Ｒ．ｖａｌｌｄｅｒＺｗｅｔ．ＰＭｔｅｃｈｎｉｑｕｅｂａｓｅｄ

ｏｎ

Ｊ

ｅｔａ１．Ａｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ

ｉｍａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎ

ｐｙｒａｍｉｄａｌ

ｓｅｇｍｅｎｔａｔｉｏｎ

ａｎｄｆｕｚｚｙ

ｃｌｕｓｔｅｒｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓＩｍａｇｅＰｒｏｃｅｓｓ，２０００；９（７）：

１２３８－１２４８５．ＷａｎｇＪＺ，ＩｊＪ，ＧｒａｙＲＭ

注：

０、１、２表示从最高到最低分辨率金字塔层，肘为合并后的分割图像。

ｍｅｎｔａｔｉｏｎｆｏｒＭａｃｈ６．Ｓ

ｅｔ

ａ１．Ｕｎｓｕｐｅｒｖｉｓｅｄｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎｓｅｇ—

ｉｍａｇｅｓｗｉｔｈｌｏｗｄｅｐｔｈｏｆｆｉｅｌｄ［Ｊ］．ＩＥＥＥＴｒａｎｓＰａｔｔＡｎａｌ

Ｉｎｔｅｌｌ，２００１；２３（１）：

８５－９０

Ｍｕｋｈｏｐａｄｈｙａｙ．ＢＣｈａｎｄａ．ＭｕｈｉｓｃａｌｅＭｏｒｐｈｏｌｏｇｉｃａｌ

Ｓｅｇｍｅｎｔａｔｉｏｎ

ｏｆ

４结论

本文中描述了基于多分辨率的分水岭分割算法，该方法产生了视觉上有意义的分割结果，降低了计算的复杂度，改善了分割的准确性。

（收稿日期：

２００５年８月）

Ｇｒａｙ－Ｓｃａｌｅ

Ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥＴＲＡＮＳＡＣＴＩＯＮＳＯＮＩＭＡＧＥＰＲＯＣＥＳＳ－

ＩＮＧ，２００３；１２（５）

７．“ｕ

Ｊ，Ｙａｎｇ，Ｙ

Ｈ．Ｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎ

ｃｏｌｏｒ

ｉｍａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］．ＩＥＥＥ

ＴｒａｎｓＰａｔｔ８．ＫｉｍＪ

ＡｎａｌＭａｃｈ

Ｃ

Ｉｎｔｅｌｌ，１９９４；１６（７）：

６８９—７００

ｅｔ

Ｂ．ＬｅｅＷ，ＹｕｎＴＳａ１．Ｗａｖｅｌｅｔ—ｂａｓｅｄｖｅｈｉｃｌｅｔｒａｃｋｉｎｇ

参考文献

１．ＧｕＣ．Ｌｅｅ

ＭＣ．Ｓｅｍｉａｕｔｏｍａｔｉｃ

ｓｅｇｍｅｎｔａｔｉｏｎａｎｄｔｒａｃｋｉｎｇｏｆ

ｆｏｒａｕｔｏｍａｔｉｃｔｒａｆｆｉｃ

ｓｕｒｖｅｉｌｌａｎｃｅ［Ｃ］．Ｉｎ：

ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ７ｒｅｎ—

ｓｅｍａｎｔｉｃ

ｃｏｎ’０１，Ｓｉｎｇａｐｏｒｅ，２００１：

３１３—３１６

计算机工程与应用２００６．叭

８５

万方数据　

基于竞争机制的双目视觉匹配与实时测距

作者：

作者单位：

刊名：

英文刊名：

年，卷（期）：

被引用次数：

熊超，田小芳，陆起涌，XiongChao，TianXiaofang，LuQiyong复旦大学电子工程系,上海,200433计算机工程与应用COMPUTERENGINEERINGANDAPPLICATIONS2006,42

（1）2次

参考文献（8条）

1.IssaH;RuichekY;PostaireJ-GExtractingdepthinformationfromstereolinearimagesusingageneticapproach[外文会议]2002

2.RDericheFastalgorithmsforlow-levelvision[外文期刊]1990（01）

3.ZhengyouZhangAFlexibleNewTechniqueforCameraCalibration[外文期刊]2002（11）

4.吴立德计算机视觉1993

5.DMarr;TPoggioCooperativeofStereoDisparity[外文期刊]1976

6.OhyaA;KosakaAKakVision-basednavigationbyamobilerobotwithobstacleusingsingle-cameravisionandultrasonicsensing[外文期刊]1998（06）

7.ThongchaiS;SuksakulchaiNSonarBehavior-BasedFuzzyControlforaMobileRobot[外文会议]2000

8.梁冰;洪炳镕;曙光自主机器人视觉与行为模型及避障研究[期刊论文]-电子学报2003（12）

引证文献（2条）

1.狄红卫.柴颖.李逵一种快速双目视觉立体匹配算法[期刊论文]-光学学报2009（8）

2.于今.饶冀.闫军涛基于双目立体视觉的壁面清洗机器人障碍物检测研究[期刊论文]-传感器与微系统2007（7）

本文链接：