针对传统立体匹配算法受光照和纹理结构等变化的影响、匹配成功率低或容易出现匹配失败的问题,提出一种融合绝对误差和(sum of absolute differences,SAD)与Census变换的双目立体图像匹配算法。基于图像预处理,首先集成SAD和Census算法...针对传统立体匹配算法受光照和纹理结构等变化的影响、匹配成功率低或容易出现匹配失败的问题,提出一种融合绝对误差和(sum of absolute differences,SAD)与Census变换的双目立体图像匹配算法。基于图像预处理,首先集成SAD和Census算法的优势,以取代单一匹配代价计算方法;然后,使用一种十字交叉代价聚合策略来提升匹配效果;最后,为验证本文算法的有效性,选择不同的实验场景,对不同分辨率的图像进行立体匹配的综合对比实验。实验结果表明,研究结果在匹配效率和匹配精度等方面具有显著优势,适用于复杂场景中高质量视差图的生成。展开更多
文摘针对传统立体匹配算法受光照和纹理结构等变化的影响、匹配成功率低或容易出现匹配失败的问题,提出一种融合绝对误差和(sum of absolute differences,SAD)与Census变换的双目立体图像匹配算法。基于图像预处理,首先集成SAD和Census算法的优势,以取代单一匹配代价计算方法;然后,使用一种十字交叉代价聚合策略来提升匹配效果;最后,为验证本文算法的有效性,选择不同的实验场景,对不同分辨率的图像进行立体匹配的综合对比实验。实验结果表明,研究结果在匹配效率和匹配精度等方面具有显著优势,适用于复杂场景中高质量视差图的生成。
文摘点云粗配准要为点云精细配准提供良好的初始参数,其精度和效率是当今研究的热点问题。本文基于四组不同的激光点云数据,实现并对比分析了超级四点全等集算法(Super 4-Points Congruent Sets,Super4PCS)、四点全等集算法(4-Points Congruent Sets,4PCS)和基于软件Geomagic Studio 12的粗配准方法。实验结果表明,Super4PCS算法对于重叠率高,噪声大且特征明显的点云数据能够较好地配准;4PCS算法不适用于重叠率低的点云数据配准;软件Geomagic Studio 12适用于各种特点的点云模型,但该方法配准精度受人为因素的影响,配准效率低。
