基于多项式图像配准问题的一点研究

It is shown that the polynomials based image registration, which is widely used in remote sensing field, does not have a sound mathematical basis. In fact, there seems no theoretical basis for the polynomials based transform to outperform the affine transformation, a much simpler one, in image registration. If the transformation functions are polynomials of order n, the corresponding scene is shown to be in general the intersection of two curved surfaces of order n+1, in other words, a space curve. In some special cases, the scene is approaching to a plane. To our knowledge, such results did not appear in the literature previously.     

基于射影重建的线性摄像机自标定方法

提出了一种基于射影重建的线性摄像机自标定方法.该方法只需要摄像机作一次纯平移运动和两次带旋转的任意运动即可.该方法有3个主要特点.第1,由于该方法是一种线性方法,所以避免了大多数非线性方法的局部极小问题.第2,该方法是一种基于射影重建的自标定方法,由于在射影重建过程中利用了所有图像的信息,因此比以前的方法具有更好的鲁棒性.第3,该方法对硬件设备几乎没有特殊要求,在实际应用中易于实现,比如人手持一个摄像机摄取一些图像即可.模拟实验和真实图像实验均证明了该方法的可行性.     

扩展Hough变换及其在主动视觉中的应用

讨论了Hough变换的直线扩展参数化形式成立的几个充分条件,并提出了利用扩 展参数化形式模拟人类视觉系统中视网膜上视锐度空间分布的具体方法,进而将该方法运用 于主动视觉中的注视点轨迹控制问题,取得了较为满意的结果.     

高阶马尔科夫随机场及其在场景理解中的应用

与传统的一阶马尔科夫随机场(Markov random field, MRF)相比, 高阶马尔科夫随机场能够表达更加复杂的定性和统计性先验信息, 在模型的表达能力上具有更大的优势. 但高阶马尔科夫随机场对应的能量函数优化问题更为复杂. 同时其模型参数数目的爆炸式增长使得选择合适的模型参数也成为了一个非常困难的问题. 近年来, 学术界在高阶马尔科夫随机场的能量模型的建模、优化和参数学习三个方面进行了深入的探索, 取得了很多有意义的成果. 本文首先从这三个方面总结和介绍了目前在高阶马尔科夫随机场研究上取得的主要成果, 然后介绍了高阶马尔科夫随机场在图像理解和三维场景理解中的应用现状.     

一种车轮轮廓的自动提取方法

提取车轮轮廓是交通事故现场处理系统中的一个关键问题, 其精度将直接影响现场测量的精度和勘查质量. 本文提出了一种鲁棒地提取车轮轮廓的方法. 由于提取钢圈轮廓比提取车轮橡胶轮廓容易, 而且钢圈轮廓和车轮轮廓可以近似看作同一平面上的两个同心圆, 所以在本文中, 我们首先提取钢圈轮廓、钢圈圆心 (即车轮圆心) 和车轮与地面接触点在图像上的投影, 然后利用射影变换保持交比不变的性质求出车轮轮廓. 大量不同天气下图像的实验结果验证了该方法的有效性.     

基于二次曲线的纯旋转摄像机自标定

研究探讨了一种基于平面二次曲线的纯旋转摄像机自标定方法.在不同的方位拍摄 三幅或三幅以上图像,每幅图像至少包含两个空间平面二次曲线、或两个二次曲面、或一个平 面二次曲线与一个二次曲面的投影,利用图像之间的二次曲线对应关系,可以确定摄像机的 内参数矩阵,同时可以获得摄像机不同方位之间的旋转矩阵.由于使用的定标基元为二次曲 线,是较点和直线包含更多信息的基元,因而基元之间的匹配容易自动实现,并有助于提高标 定算法的鲁棒性和在线实时性.模拟实验和真实图像实验表明文中所介绍的方法是可行的.     

Kruppa方程与摄像机自标定

首先研究探讨了基于绝对二次曲线(the absolute conic)进行摄像机自标定鲁棒性差的 内在原因.研究发现,该类方法鲁棒性不足的原因主要有三个方面:1)在目标函数的全局最小点 处存在大范围的平坦区域,使得任何数值优化算法难以达到全局最小点;2)当存在噪声时,上 述平坦区域内会出现大量局部极小值,这样数值优化算法就非常容易收敛到靠近初值的局部极 小值,使得算法对初始值的选取十分敏感;3)当有噪声时,目标函数的全局最小值极易偏离正 确值.这样,即使数值算法找到了全局最小值,该最小值也不再对应正确的摄像机内参数值.鉴 于上述情况,探讨了如何通过平面场景来确定内参数矩阵的初始值,而后进一步利用Kruppa方 程的约束来精化内参数矩阵的二步式方法.     

摄像机自标定的线性理论与算法

文中提出一种新的摄像机线性自标定的算法和理论。与文献中已有的方法相比,该文方法的主要优点是对摄像机的运动要求不苛刻,如不要求摄像机的运动为正交运动。该方法的关键步骤是确定无穷远平面的单应性矩阵（Homography)。文中从理论上严格证明了下述结论：摄像机作两组运动参数未知的运动M1＝{（R1,t^11),(R1,t^12)},M2={(R2,t^21),(R2,t^22)},若下述两个条件满足：（1）T1＝{t^11,t^12},T2={t^21,t^22}是两个线性无关组（即本组内的两个平移向量线性无关）;（2）R1,R2的旋转轴不同,则可线性地唯一确定摄像机的内参矩阵和运动参数。另外,在四参数摄像机模型下,严格证明了一组运动可线性地唯一确定摄像机的内参数矩阵和运动参数。模拟实验和实际图像实验验证了本文方法的正确性和可行性。     

摄像机未标定的P5P问题研究

该文比较系统地研究了未标定的P5P问题。主要结论有：当5个控制点中任意4点不共面,或者存在4点共面但任意3个图像点不共线时,未标定的P5P问题的解仅有两种可能：（1）至多有4个解;（2）有无穷多解。文中同时给出了至多有4个解和有无穷多解的代数条件以及求解未标定的P5P问题的具体算法。     

基于匹配扩散的多视稠密深度图估计

提出一种高精度的基于匹配扩散的稠密深度图估计算法. 算法分为像素级与区域级两阶段的匹配扩散过程.前者主要对视图间的稀疏特征点匹配进行扩散以获取相对稠密的初始深度图; 而后者则在多幅初始深度图的基础上, 根据场景分段平滑的假设, 在能量函数最小化框架下利用平面拟合及多方向平面扫描等方法解决存在匹配多义性问题区域(如弱纹理区域)的深度推断问题. 在标准数据集及真实数据集上的实验表明, 本文算法对视图中的光照变化、透视畸变等因素具有较强的适应性, 并能有效地对弱纹理区域的深度信息进行推断, 从而可以获得高精度、稠密的深度图.