一种行星车视觉系统立体匹配算法
《双目立体视觉三维重建的立体匹配算法研究》
《双目立体视觉三维重建的立体匹配算法研究》一、引言双目立体视觉技术是计算机视觉领域中的一项重要技术，其通过模拟人类双眼的视觉系统，利用两个相机从不同角度获取场景的图像信息，进而实现三维重建。
而立体匹配算法作为双目立体视觉三维重建中的关键技术，其准确性和效率直接影响到三维重建的效果。
本文旨在研究双目立体视觉三维重建中的立体匹配算法，分析其原理、优缺点及改进方法，为进一步优化三维重建效果提供理论支持。
二、双目立体视觉原理双目立体视觉原理基于视差原理，即通过两个相机从不同角度拍摄同一场景，获取场景的左右两个视图。
通过分析这两个视图中的像素对应关系，可以计算出场景中各点的三维坐标，从而实现三维重建。
其中，立体匹配算法是获取像素对应关系的关键。
三、立体匹配算法研究3.1 算法概述立体匹配算法是双目立体视觉三维重建中的核心算法，其主要任务是在左右视图中寻找对应点。
常见的立体匹配算法包括基于区域、基于特征和基于相位的方法。
这些方法各有优缺点，适用于不同的场景和需求。
3.2 基于区域的立体匹配算法基于区域的立体匹配算法通过计算左右视图中的像素灰度或颜色差异来寻找对应点。
该方法具有较高的匹配精度，但计算量大，易受光照、噪声等因素的影响。
常见的基于区域的立体匹配算法包括块匹配法、区域生长法等。
3.3 基于特征的立体匹配算法基于特征的立体匹配算法通过提取左右视图中的特征点（如角点、边缘等），然后根据特征点的相似性进行匹配。
该方法具有较高的鲁棒性，对光照、噪声等有一定的抵抗能力。
常见的特征提取方法包括SIFT、SURF等。
3.4 算法优缺点及改进方法每种立体匹配算法都有其优缺点。
例如，基于区域的算法精度高但计算量大；基于特征的算法鲁棒性高但可能丢失部分细节信息。
针对这些问题，研究者们提出了多种改进方法，如结合多种算法的优点进行融合匹配、优化特征提取和匹配策略等。
此外，随着深度学习和人工智能的发展，基于深度学习的立体匹配算法也逐渐成为研究热点，其在复杂场景下的匹配效果有了显著提升。
《双目立体视觉三维重建的立体匹配算法研究》范文
《双目立体视觉三维重建的立体匹配算法研究》篇一一、引言双目立体视觉作为计算机视觉领域中的一种重要技术，通过模拟人眼视觉系统的双目原理，获取物体的深度信息并实现三维重建。
其中，立体匹配算法作为双目立体视觉的核心技术之一，其性能直接决定了三维重建的精度和效果。
本文将重点研究双目立体视觉中的立体匹配算法，并对其原理、方法和优化进行详细分析。
二、双目立体视觉基本原理双目立体视觉基于视差原理，通过两个或多个摄像头从不同角度获取同一场景的图像信息，再通过计算图像间的视差来获取物体的深度信息。
双目立体视觉系统主要由摄像头、图像获取、预处理、特征提取、立体匹配和三维重建等部分组成。
其中，立体匹配是整个系统中最关键的一环。
三、立体匹配算法概述立体匹配算法是双目立体视觉中用于计算左右图像间对应点（即视差）的算法。
它通过在左右图像中寻找相同的特征点或像素点，从而得到视差信息，进而实现三维重建。
目前，常见的立体匹配算法包括基于区域的匹配算法、基于特征的匹配算法和基于相位的匹配算法等。
四、常见立体匹配算法分析1. 基于区域的匹配算法：该类算法通过计算左右图像中一定区域内的像素相似度来确定视差。
其优点是简单易行，但容易受到光照变化、噪声等因素的影响，导致匹配精度不高。
2. 基于特征的匹配算法：该类算法先提取图像中的特征（如边缘、角点等），再在左右图像中寻找相应的特征进行匹配。
该方法提高了匹配的准确性和效率，但对特征的提取和匹配方法要求较高。
3. 基于相位的匹配算法：该类算法利用相位信息进行匹配，具有较高的精度和抗干扰能力。
但计算复杂度较高，对硬件要求较高。
五、本文研究重点：基于深度学习的立体匹配算法随着深度学习技术的发展，基于深度学习的立体匹配算法成为了研究热点。
该方法通过训练神经网络来学习图像间的映射关系，从而实现精确的立体匹配。
本文重点研究了基于卷积神经网络的立体匹配算法，包括网络结构的设计、损失函数的选择和训练方法的优化等方面。
《基于双目视觉的立体匹配算法研究及应用》范文
《基于双目视觉的立体匹配算法研究及应用》篇一一、引言随着计算机视觉技术的不断发展，双目视觉技术已成为三维重建、机器人导航、自动驾驶等领域的重要技术手段。
其中，立体匹配算法作为双目视觉技术的核心，其性能的优劣直接影响到整个系统的精度和稳定性。
本文旨在研究基于双目视觉的立体匹配算法，探讨其原理、方法及应用，为相关领域的研究和应用提供参考。
二、双目视觉原理及立体匹配算法概述双目视觉技术通过模拟人类双眼的视觉过程，利用两个相机从不同角度获取场景的图像信息，然后通过立体匹配算法对两幅图像进行匹配，从而获取场景的三维信息。
立体匹配算法是双目视觉技术的核心，其主要任务是在两个视图的像素之间找到对应的匹配点。
目前，常见的立体匹配算法包括基于区域的匹配算法、基于特征的匹配算法和基于相位的匹配算法等。
其中，基于区域的匹配算法具有较高的精度，但计算量大；基于特征的匹配算法计算量较小，但易受噪声和光照变化的影响；基于相位的匹配算法具有较好的抗干扰性和鲁棒性。
三、基于双目视觉的立体匹配算法研究（一）算法原理及流程本文研究了一种基于区域和特征的混合立体匹配算法。
该算法首先提取两幅图像中的特征信息，如边缘、角点等；然后，在特征匹配的基础上，利用基于区域的匹配算法对剩余区域进行精细匹配。
该算法既提高了匹配精度，又降低了计算量。
（二）算法优化及改进针对传统立体匹配算法在复杂场景下易出现误匹配的问题，本文提出了一种基于全局能量的优化方法。
该方法通过引入能量函数，将立体匹配问题转化为能量最小化问题，从而提高了匹配的稳定性和准确性。
此外，本文还研究了多尺度、多方向的特征提取方法，以提高特征匹配的鲁棒性。
四、立体匹配算法的应用（一）三维重建基于双目视觉的立体匹配算法可以用于三维重建。
通过获取场景的两个视图，并利用立体匹配算法获取视差图，然后根据视差图和相机参数进行三维重建，从而得到场景的三维模型。
该技术广泛应用于虚拟现实、游戏开发、工业检测等领域。
《基于双目视觉的立体匹配算法研究及应用》范文
《基于双目视觉的立体匹配算法研究及应用》篇一一、引言随着计算机视觉技术的飞速发展，双目视觉立体匹配算法在三维重建、机器人导航、自动驾驶等领域得到了广泛应用。
本文旨在研究基于双目视觉的立体匹配算法，探讨其原理、方法及实际应用，以期为相关领域的研究提供参考。
二、双目视觉立体匹配算法原理双目视觉立体匹配算法是通过模拟人类双眼视觉原理，利用两个相机从不同角度获取场景的图像信息，通过计算两幅图像间的视差，从而恢复出场景的三维信息。
立体匹配是双目视觉的核心问题，其基本原理包括特征提取、特征匹配、视差计算等步骤。
1. 特征提取：在两幅图像中提取出具有代表性的特征点，如角点、边缘点等。
这些特征点将用于后续的匹配过程。
2. 特征匹配：利用一定的匹配算法，如基于区域的匹配、基于特征的匹配等，在两幅图像中寻找对应的特征点。
3. 视差计算：根据匹配得到的特征点，计算视差图。
视差图反映了场景中各点在两幅图像中的相对位移，从而可以恢复出场景的三维信息。
三、立体匹配算法研究针对双目视觉立体匹配算法，本文重点研究了以下几种方法：1. 基于区域的匹配算法：该类算法通过计算两幅图像中对应区域的相似性来寻找匹配点。
常见的区域匹配算法包括块匹配、窗口匹配等。
2. 基于特征的匹配算法：该类算法通过提取图像中的特征点，如角点、边缘点等，进行特征匹配。
常见的特征匹配算法包括SIFT、SURF等。
3. 视差计算优化方法：为了提高视差计算的精度和效率，研究者们提出了多种优化方法，如引入先验知识、利用多尺度信息、采用半全局匹配算法等。
四、立体匹配算法应用双目视觉立体匹配算法在多个领域得到了广泛应用，如三维重建、机器人导航、自动驾驶等。
本文将重点介绍其在以下两个领域的应用：1. 三维重建：通过双目视觉立体匹配算法，可以恢复出场景的三维信息，从而实现三维重建。
三维重建技术在游戏开发、虚拟现实、医疗影像处理等领域具有广泛应用。
2. 自动驾驶：双目视觉立体匹配算法可以用于自动驾驶系统的环境感知。
双目视觉立体匹配算法研究
双目视觉立体匹配算法研究双目视觉立体匹配算法是计算机视觉领域中的一项重要研究内容，主要是通过分析两个视野稍有不同的图像，来确定每个像素点在三维空间中的位置。
立体匹配算法的研究旨在通过计算机模拟人眼的视觉感知能力，实现深度信息的获取和三维重建，为许多计算机视觉应用提供基础支持。
目前，双目视觉立体匹配算法主要包括了基于图像的局部匹配算法和全局匹配算法两类。
基于图像的局部匹配算法是立体匹配算法中最简单的一种方法，它主要通过比对两个图像中的像素，寻找最佳的匹配对应点。
常见的方法包括以下几种：1.窗口匹配算法：将两个图像中的局部窗口进行匹配，通过比较窗口中像素的相似性来确定最佳匹配。
2.匹配代价算法：基于窗口匹配的原理，通过定义匹配误差度量指标（如均方差、绝对差等），计算每个像素点的匹配代价。
3.匹配代价聚合算法：将匹配代价进行聚合，通过横向、纵向或斜向的扫描来减少误差，并提高匹配效率。
然而，基于图像的局部匹配算法存在几个问题，如像素间的不连续性、边界的不唯一性等。
因此，全局匹配算法应运而生，主要用于解决这些问题。
常见的全局匹配算法包括以下几种：1.动态规划算法：以图像像素为节点构建图，通过最小化能量函数来寻找最佳匹配点。
2.基于图割算法：将图像像素看作图中顶点，以像素之间的关系为边，通过割集的划分来确定最佳匹配点。
3.代价聚合算法：通过代价聚合来减少匹配误差，常用的方法有图像金字塔、多尺度匹配等。
此外，近年来，深度学习技术的快速发展，也为双目视觉立体匹配算法的研究带来了新的思路。
采用深度学习模型进行立体匹配可以有效地解决传统算法中存在的问题，提高匹配的准确性和鲁棒性。
常见的深度学习方法包括使用卷积神经网络（CNN）进行特征提取和匹配，使用生成对抗网络（GAN）进行深度图像估计等。
总之，双目视觉立体匹配算法的研究涉及到图像处理、计算机视觉、优化算法等多个领域，目前已经取得了很多重要的研究成果。
随着计算机硬件性能的不断提高和深度学习技术的迅速发展，双目视觉立体匹配算法将在未来更广泛地应用于三维重建、虚拟现实、自动驾驶等领域。
《双目立体视觉三维重建的立体匹配算法研究》
《双目立体视觉三维重建的立体匹配算法研究》篇一一、引言双目立体视觉技术是计算机视觉领域中的一项重要技术，它通过模拟人类双眼的视觉系统，利用两个相机从不同角度获取同一场景的图像信息，再通过一系列的图像处理技术，实现三维重建。
其中，立体匹配算法是双目立体视觉三维重建的关键技术之一。
本文将重点研究双目立体视觉三维重建中的立体匹配算法，并分析其原理、方法和存在的问题及解决方法。
二、立体匹配算法的基本原理和常用方法1. 立体匹配算法的基本原理立体匹配算法是利用双目相机获取的左右两幅图像中的视差信息，通过匹配算法找出同一场景在不同视角下的对应点，进而实现三维重建。
其基本原理包括四个步骤：图像预处理、特征提取、立体匹配和三维重建。
2. 常用立体匹配算法（1）基于区域的立体匹配算法：该算法通过计算左右图像中每个像素点周围的区域相似度来确定视差值。
其优点是精度高，但计算量大，实时性较差。
（2）基于特征的立体匹配算法：该算法先提取左右图像中的特征点，再通过特征匹配来计算视差值。
其优点是计算量小，实时性好，但需要较好的特征提取算法。
（3）基于相位的立体匹配算法：该算法利用相位信息来计算视差值，具有较高的精度和稳定性。
但其对噪声敏感，且计算量较大。
三、存在的问题及解决方法1. 匹配精度问题：由于光照、遮挡、透视畸变等因素的影响，立体匹配算法的精度会受到影响。
为了提高匹配精度，可以采用多尺度、多特征融合的方法，提高特征提取的准确性和鲁棒性。
2. 实时性问题：在实际应用中，要求立体匹配算法具有较高的实时性。
为了解决这一问题，可以采用优化算法、硬件加速等方法来降低计算量，提高运算速度。
3. 视差图问题：视差图是立体匹配算法的重要输出结果之一。
视差图的质量直接影响着三维重建的精度和效果。
为了提高视差图的质量，可以采用多约束条件下的优化算法、后处理等方法来优化视差图。
四、研究进展与展望近年来，随着计算机视觉技术的不断发展，双目立体视觉三维重建技术也取得了较大的进展。
立体匹配的原理和方法
立体匹配的原理和方法Stereo matching is a fundamental problem in computer vision that aims to establish correspondences between points in a pair of stereo images. 立体匹配是计算机视觉中的一个基本问题，旨在建立一对立体图像中点的对应关系。
It is a crucial step in tasks such as depth estimation, visual odometry, and 3D reconstruction. 这是深度估计、视觉里程计和三维重建等任务中的一个关键步骤。
The principle of stereo matching is to find corresponding points in two images taken from different viewpoints. 立体匹配的原理在于找出来自不同视角拍摄的两幅图像中对应的点。
By comparing these points, the depth information of the scene can be inferred. 通过比较这些点，可以推断出场景的深度信息。
One common method for stereo matching is the use of pixel-based matching algorithms. 一个常见的立体匹配方法是使用基于像素的匹配算法。
These algorithms compare the intensity or color of pixels in the two images to find correspondences. 这些算法比较两幅图像中像素的强度或颜色来找到对应的点。
However, pixel-based methods often struggle with handling textureless regions or occlusions in the images. 然而，基于像素的方法常常难以处理图像中无纹理区域或遮挡。
一种改进的快速立体匹配算法
一种改进的快速立体匹配算法
刘党辉;肖艳青;苏永芝;李智强
【期刊名称】《新技术新工艺》
【年(卷),期】2010(000)005
【摘要】提出了一种改进的快速立体匹配算法.对于双目视觉系统采集的2幅图像,首先采用区域匹配算法进行初始快速立体匹配,再采用左右一致性检验剔除误匹配点,得到立体匹配的初始视差图.然后将初始视差作为图割法构图的限制条件,对初始视差图进行二值分割.最后对分割获得的前景区域和背景区域施加不同的限制,并通过修正能量函数,使构图网络大大减小,从而进一步提高了匹配速度.试验结果表明,该算法既提高了立体匹配速度,又保证了匹配精度.
【总页数】4页(P22-25)
【作者】刘党辉;肖艳青;苏永芝;李智强
【作者单位】装备指挥技术学院,北京,101416;装备指挥技术学院,北京,101416;装备指挥技术学院,北京,101416;解放军63883部队,河南,洛阳,741000
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种快速区域立体匹配算法设计及实现 [J], 夏桂华;李志纲;蔡成涛
2.一种基于图割理论的快速立体匹配算法 [J], 朱程辉;任冉冉
3.改进的代价聚集快速立体匹配算法 [J], 杨罡; 晋涛; 王大伟; 曹京津; 张娜; 严碧武;
李涛; 程远
4.一种改进的快速立体匹配方法 [J], 李洪海
5.一种基于SSD和图割的快速立体匹配算法 [J], 程浩;李寒
因版权原因，仅展示原文概要，查看原文内容请购买。
基于双目视觉的立体匹配算法研究
基于双目视觉的立体匹配算法研究第一章前言随着计算机图形学与计算机视觉技术的快速发展，3D立体成像的应用越来越广泛。
双目视觉是一种重要的3D成像方法，其通过分析从两个不同视点获取的图像来产生立体效果。
在双目视觉中，立体匹配算法是一项关键技术，其能够对两个视觉信息进行对比，并确定它们之间的空间关系。
本论文对基于双目视觉的立体匹配算法进行了研究和探讨。
第二章立体匹配算法概述立体匹配算法是指对两幅不同视角下拍摄的图像进行对比，并确定它们之间的像素点的空间对应关系的算法。
立体匹配的目标是找出每一个位于左图像和右图像中的对应的像素位置。
立体匹配一般分为两个阶段：搜索匹配窗和多分辨率匹配。
第三章基于区域的立体匹配算法基于区域的立体匹配算法是通过区域之间的相似性来计算像素点的对应关系。
该算法需要将左右两幅图像分解成一个个区域，然后在两个图像间同一区域进行匹配。
基于区域的立体匹配算法在大场景下效果不佳，且对于噪声和遮挡物敏感。
第四章基于特征的立体匹配算法基于特征的立体匹配算法是通过寻找两个图像中的特征点来确定像素点之间的对应关系。
该算法的优势在于对于噪声或者遮挡不敏感。
基于特征的立体匹配算法的一般流程是：先提取图像的特征点，然后通过寻找相邻特征点之间的位移来确定相应像素点在对应图像中的位置。
第五章基于能量的立体匹配算法基于能量的立体匹配算法是一种优秀的立体匹配算法。
它是以代价函数为基础，利用动态规划原理，求解全局最小代价匹配路径的算法。
该算法对于噪声和遮挡的容忍性较高且准确率较高。
其一般流程如下：首先定义代价函数并计算整个左右图像中所有像素点的代价，然后使用动态规划算法计算最小代价的匹配路径。
第六章立体匹配算法实验结果分析对不同立体匹配算法进行实验，并对实验结果进行分析。
实验中采用了不同类型的图像作为输入，通过比较不同立体匹配算法的计算时间和匹配精度，可以确定不同算法的推荐使用场景，以保证实现的效果和运行速度。
第七章结论通过对基于双目视觉的立体匹配算法进行研究和探讨，可以发现不同的立体匹配算法有着自己的优缺点，适用于不同的实际应用场景。
《基于双目视觉的立体匹配算法研究及应用》范文
《基于双目视觉的立体匹配算法研究及应用》篇一一、引言随着计算机视觉技术的不断发展，双目视觉技术已成为三维重建、机器人导航、自动驾驶等领域的重要技术手段。
其中，立体匹配算法作为双目视觉技术的核心，其性能的优劣直接影响到整个系统的准确性和可靠性。
本文将重点研究基于双目视觉的立体匹配算法，分析其原理、优缺点及适用场景，并探讨其在实际应用中的价值。
二、双目视觉的立体匹配算法原理双目视觉的立体匹配算法是通过两个相机从不同角度获取同一场景的图像，然后利用图像处理技术对两幅图像进行匹配，从而得到场景的三维信息。
立体匹配算法主要包括特征提取、特征匹配和视差计算三个步骤。
1. 特征提取：从两幅图像中提取出有代表性的特征点，如角点、边缘点等。
这些特征点应具有明显的空间分布特征，便于后续的匹配。
2. 特征匹配：通过计算特征点之间的相似性，将两幅图像中的特征点进行匹配。
常用的匹配方法包括基于区域的方法、基于特征的方法和基于全局的方法等。
3. 视差计算：根据匹配结果，计算每个特征点的视差，即两幅图像中对应点的水平位移。
通过视差图，可以获得场景的三维信息。
三、立体匹配算法的优缺点及适用场景立体匹配算法具有以下优点：1. 能够获取场景的三维信息，为三维重建、机器人导航等应用提供基础数据。
2. 通过对两幅图像的匹配，可以获得更丰富的场景信息，提高系统的准确性和可靠性。
3. 适用于静态和动态场景的重建，可应用于多种领域。
然而，立体匹配算法也存在一些缺点：1. 算法复杂度高，计算量大，对硬件设备的要求较高。
2. 受光照、噪声、遮挡等因素的影响，匹配结果可能存在误差。
3. 对于大视差和弱纹理区域的匹配效果较差。
因此，立体匹配算法适用于对准确性和可靠性要求较高的场景，如三维重建、机器人导航、自动驾驶等。
同时，针对不同场景和需求，可以选择合适的算法和优化方法，以提高匹配效果和计算效率。
四、立体匹配算法的应用1. 三维重建：通过双目视觉技术获取场景的三维信息，实现三维模型的重建。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
、０ － ，ｌ３８
・
计
算
机
工
程 Βιβλιοθήκη ２１ ０ ２年 ２月 Ｆｅ ｒ ａ ｙ ０１ ｂ ｑ ｒ ２ ２
Ｎ ｏ． ３
Ｃｏｍｐ ｔ ｒＥｎ ｉ ｅ ｉ ｕ ｅ ｇ ｎｅ ｒｎｇ
人工 智 能及 识别 技术 ・
一
文章编号： ０１ ３２（ １）－０５－ ４ 文 １０－ ４８ ０２ ３－ ９－ ） ２ ０－ １ －０ － 献标识 Ａ 码：
计算 ，采 用双通道 的方法累加匹配代价 。实验结果表 明，该算法在 时钟频率 为 １０ＭＨ 的情况下 ，每秒可处理 ２ ２ 帧左右 的图像 ，平 ０ ｚ 幅 ３
均误 匹配率低于 ６ ％。
关键词 ：行星车 ；视觉 导航 ；立体匹配 ；自适应权重 ；Ｃ ｎｕ 变换 ｅ ｓｓ
Ｓ ｅ ｅ ａ ｃ ｉ ｇＡｌ ｏ ｉｈ ｏ ａ ｅ ａ ｙ Ｒｏ ｅ ｓｏ ｙ ｔ ｍ ｔ ｒ ｏ Ｍ ｔ ｈ ｎ ｇ ｒｔ ｍ ｆ ｒＰｌ ｎ ｔ ｒ ｖ ｒＶｉｉ ｎ Ｓ ｓｅ
ｔａ ｓ ｏ ｍ ａ ｉ ｎ ｔ ｅ ｒ ｕ ｉ ａ ｙ ｃ ｄ ｌ ｗ， ｅ ｓｔ ｒ ｇ ｅ ｃ ｌ ｕ ｉ ｈ ｄ ｄ ｓ ａ ｃ ｉ ｈ ｏ ｃ ｍｐ ｅｅ ｗｅ ｇ ｔｃ ｃ ｌ ｔ ｇ ａ ｄ ｕ ｅ ｈ ｒ ｆ ｒ ｔｏ ｇ ｔ ｇ ｏ ｐ ｏｆｂ ｎ ｒ ｏ ｅ ｆｏ ｇ ｔ ｈ ｏｕ ｈ ｔ ｏ ｏ ｒｗｅ ｇ ｔａ ｉｔ ｅ ｗｅ ｇ ｔｔ ｏ ｌ ｔ ｉ ｈ ａ ｕ ａ ｎ ｎ ｏ ａ ｈ ｎ ｎ ｌ ｉ ｎ ｓｓｔｅ
ＤＯｈ １ ． ６ ￣ｉ ｎ１０ —４ ８２ １ ． ． ４ ０３ ９ ．ｓ ． ０３ ２ ． ２０ ０ ９ ｓ ０ ０ ３ ５
１ 概 述
基于 视觉的环境感知技术属于被动感知技术 ，与激光、
超声 波等主动感知技术相比 ，具有功耗小、可一次性捕获整
幅 画 面 ，而 且 无 需 机 械 扫 描 部 件 等 优 点 。基 于 双 目视 觉 的 自
２ ＡＤ ｗ 介 绍 Ｓ
Ａ Ｗ［是双 目视觉 中一种非常有效 的窗选择算法 。与 ＤＳ ８ １ 以往 自适应窗选择方法对 匹配窗本身进行缩放不 同，该算法 以待 匹配点为 中心 ，选取一个大小 固定 的支持窗 ，然后根据 窗 内各点与待 匹配点 的色彩差异和距离远近来分配相应 的权 重 ，从而获得最可靠的匹配窗。色彩差 异是在 Ｃ Ｅ ａ Ｉ Ｌ ｂ色彩
２ Ｇ ａ ｕｔ ｉｅｓｙｏ ｈｎ ｓ ａｅ ｆ ｃｅ ｃｓＢｅ ｉｇ１０ ４ ， ｈｎ） ． ｒｄ ａｅ ｖ ｒｉ ｆ ｉｅｅ ｄ ｍｙｏ ｉｎｅ， ｉｎ ０ ０ ９ Ｃ ｉａ Ｕｎ ｔ Ｃ Ａｃ Ｓ ｊ ［ ｓｒｃ ］Ａｉ ｎ ｔｔｅ ａｐｉ ｔ ｎ ｏ ｌ ｅａｙ ｒｖ ｒｖｓｏ ｙｔｍ，ｔｉ ａ ｅ ｒｐ ｓｓａ ｓ ｒｏ ｍａｃ ｉｇ ａｇ ｒ ｍ． ｔｕｅ ｎ ｕ Ａｂｔａ ｔ ｍｉｇ ａ ｈ ｐ ｌ ａ ｏ ｆｐａ ｔｒ ｏ ｅ ｉ ｎ ｓｓ ｃｉ ｎ ｉ ｅ ｈｓｐ ｐｒｐｏ ｏｅ ｔ ｅ ｔ ｎ ｌｏ ｔ Ｉ ｓｓＣｅｓ ｓ ｅ ｈ ｉ ｈ
ｐ ｒｓ ｃ ｎ ｔ１ ０ Ｍ Ｈｚ ａ ｄ ｔ ｅ ａ ｅ ａ ｅ ｅ ｒ ｒ ａ ｅ ｉ ｗｅ ａ ％ ． ｅ ｅ ｏ ｄ ａ ０ ． ｎ ｖ ｒ ｇ ｒ ｏ ｔ ｓｌ ｈ ｒ ｏ ｒｔ ｎ ６ ｈ
［ ｙｗｏ ｄ ］ｐａｅａｙｒｖｒｖｓ ｎｎ ｖｇｔ ｎ ｓ ｒｏｍａｃｉｇ ａａ ｔ ｅｗｅｇ ｔＣ ｎｕ ａ ｓｏｍａｉｎ Ｋｅ ｒ ｓ ｌｎ ｔ ｅ；ｉｉ ａ ｉａｉ ；ｔ ｅ ｔｈｎ ；ｄ ｐ ｖ ｉｈ； ｅ ｓｓ ｒ ｆｒ ｔ ｒ ｏ ｏ ｏ ｅ ｉ ｔ ｎ ｏ
，
ｍ ｅ ｏ ｆｄ ｕ ｌ ｈ ｎ ｌ ｏ ａ ｃ ｍｕ ａ ｅ ｔ ｅ ｍ ａｃ ｉ ｇ ｔ ｅ ｐ ｃ ． ｐ ｒｍｅ ｔ ｌ ｅ ｕｌ ｈｏ ｔ ａ ｉ ｇ ｒｔ ｍ ａ ｒ ｃ ｓ ３ ｆ ａ ｓ ｓｅ ｅ ｍａ ｅ ｈ ｔ ｄ ｏ ｏ ｂ ｅ ｃ ａ ｅ ｃ ｕ ｌ ｔ ｔ ｈ ｎ ｈ ｒ ｅ Ｅｘ ｅ ｎ ｔ ｈ ｉ ｉ ｎ ａ ｓ ｔ ｓ ｗ ｔ ｓａ ｏ ｉ ｒ ｓ ｈ ｔ ｌ ｈ ｈ Ｃ ｐ ｏ ｅ ｓ２ ｒ ｍｅ ｔ ｒ ｏ ｉ ｇ ｓ ｎ
中圈 分类号： Ｐ５ Ｔ７ ２
种行 星 车视 觉 系统 立体 匹配算 法
王怀超 １１展 晓东 ｌ ， ２ ｐ陈晓敏
（．中国科 学院空间科 学与应 用研究中心 ，北京 １０ ９ ；２ １ ０ １０ ．中国科学 院研究 生院，北京 １０ ４ ） ０ ０ ９
摘
要 ：针对 行星车视觉导航系统 ，提 出一种立体匹配算法 。使 用 Ｃ ｎｕ 变换得 到一 组二进制码流 ，通过色彩权重和距离权重 完成权重 ｅｓｓ
Ｗ ＡＮＧ ａ ． ｈ ｏ Ｈｕ ｉｃ ａ ， ＧＵ ａ ． ｏ ｇ ， Ｘｉ ｏ ｄ ｎ ＣＨＥＮ ａ ． ｉ Ｘｉ ｏ ｍ ｎ
（． ｅｔｒ ｏ Ｓ ａｅＳ ｉ ｃ ｎ １ Ｃ ｎｅ ｆｒ ｐｃ ｃｅ ｅａｄＡｐ ｌ ｄＲ ｓａｃ ， ｈｎ ｓ Ａｃｄｍｙｏ Ｓｉｎ ｅ， ｉｎ ０ １０ Ｃｈｎ ； ｎ ｐｉ ｅｅｒｈ Ｃ ｉｅｅ ａ ｅ ｆ ｃｅｃ ｓＢｅ ｉｇ１０ ９ ， ｉａ ｅ ｊ
主 导航技术 已成为星 面巡 视探测器（ 称行星车） 航系统的 俗 导 主要 手段…，如美 国火星探 测车 “ ｐｒ ”和 “ ｐ ｏｔｎｔ” Ｓ ｉｔ ｉ Ｏ ｐｒ ｉ ｕ ｙ 等 。在行星车视觉 导航 系统中 ，相机 参数标定和快速、高精 度立体 匹配是 ２项关键技术 。其中 ，相机参数标定可以在地 面进行 ，相关方法亦较为成熟 Ｊ 。当前 ，实现快速 的、可靠 的和稠密 的立体匹配 已经成为整个系统的重中之重 。 为保证行星车快速行驶 ，视觉导航系统必须对视觉信 息