一种基于视觉的飞行器接近角估计方法

提出了一种基于图像序列的飞行器接近角的估计方法.飞行器的接近角对于飞行器的着陆来说是一个非常重要的参数,是指飞行器在着陆时的飞行轨迹与地平面之间的夹角.飞行器在着陆时近似作平移运动,在这种情况下,图像上的极点称作FOE(focus-of-expansion),地平面的消失线被称作Horizon.首先给出了从已标定的图像序列中提取FOE和Horizon的方法,然后由这两个参数估计出飞行器的接近角.模拟实验和真实图像实验表明该方法是可行的.     

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.     

单幅图像测量的一种新方法

本文方法表明,由一空间平面(参考平面)与其图像间的单应性矩阵(Homography)不仅 此参考平面上的距离可以测量,而且可以测量与此参考平面垂直的平面上的距离.同时,分别位 于两平面上的点间的距离也可以测量.这样就可以得到关于场景的更多的几何信息,此结果是在 前人的基础上又向前跨了一步.另外,本文提出一种新的基于平面单应性矩阵的摄像机标定方 法.模拟和真实图像试验均表明本文方法是可行的,并得到了令人满意的结果.     

三视校正的理论及鲁棒性算法

主要讨论两方面的工作.首先,对三视校正问题进行理论分析,给出了校正后图像的基本矩阵与其约束条件之间的关系,讨论了三视校正过程中的6个自由参数的几何含义.这些结果为处理校正过程中带来的图像射影畸变提供了理论根据.其次,在RANSAC(random sampling consensus)框架下,提出了一种鲁棒的三视校正算法.与传统的校正算法不同,该算法不再只依赖于基本矩阵,而是直接利用了原始匹配点的信息.这种基于点的方法有两个优点:一方面,由于噪声的干扰,基本矩阵往往估计得不够准确;另一方面,由于基本矩阵的评价准则与校正结果的评价准则不同,即使从好的基本矩阵出发,也未必能获得好的校正结果.大量的模拟和真实图像实验表明,该算法具有很强的抗噪声及抗错误匹配的能力,能够获得令人满意的校正效果.     

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.     

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.     

针对大规模点集三维重建问题的分布式捆绑调整方法

捆绑调整(Bundle adjustment, BA)是三维重建中的关键步骤,它需要消耗大量的计算时间和内存存储空间.本 文旨在处理三维点数比相机模型数多很多的捆绑调整问题,我们称之为针对大规模三维点集的捆 绑调整(Massive-points bundle adjustment, MPBA)问题.此类问题在对高分辨率图像进行三 维重建时会经常出现.为了高效地解决MPBA问题,本文提出一种分布式的捆绑调整算法.通过基 于三维点集划分的分解方法,原MPBA问题被分成若干子问题.该分解方法不依赖于输入参数的内在 联系,因而分解结果与具体BA问题无关.算法被映射于两个集群上,一个集群有5台计算机,另一个集 群有3台计算机,其中每台机器都配置一块图形处理器(Graphic processing unit, GPU).通过对若 干MPBA问题的实验,与经典捆绑调整算法SBA (Sparse bundle adjustment)相比,本文算法获得了 最高达75倍的加速比,并保持了算法的高精确度.而且,本文算法的两个实现所消耗的单机内存存储 空间,仅为SBA实现的1/7和1/4.     

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.     

基本矩阵的5点和4点算法

基本矩阵(Fundamental Matrix)是两幅图像之间的基本约束,在摄像机标定和三维重建 中起着至关重要的作用.本文证明,当摄像机在两幅图像之间的运动为纯平移运动时,给定5对 图像对应点,如果其中的4对对应点为共面空间点的投影(称为共面对应点),则可以线性确定基 本矩阵.另外,如果摄像机不是5参数模型(完全针孔模型),而是4参数模型(畸变因子为零),则 此时仅使用该4对共面对应点即可线性确定基本矩阵.据我们所知,这些结果在文献中还没有类 似的报导.