本文最后更新于:14 天前

立体视觉

【基本概念】

  • 我们在二维视角中,结构和深度是不确定的

  • 立体视觉:第2个照相机可以解决这种歧义性,通过三角化实现深度测量

【平行双目视觉】

  • 假设双目完全平行

  • 空间点三维座标位置求解

  • 视差和深度成反比关系: $z_1 = \frac{bf_x}{u_1-u_2}$

  • 空间点三维座标位置求解:一般情况

    • 二摄像机坐标系与世界坐标系位姿关系已知

    • 共4个方程,三个未知数,可求解坐标

【三维重构】

  • 三维重构步骤

    1. 提取特征点,建立特征匹配
    2. 计算视差
    3. 计算世界坐标
    4. 三角剖分
    5. 三维重构
  • 提取特征点并建立匹配

  • 特征匹配方式

    • 特征点提取+特征匹配
    • 光流匹配
    • 块匹配
    • 立体矫正+平行匹配
  • 视差计算

  • 计算世界坐标–形成点云数据

  • 三角剖分:采用经典的Delauney算法

    Delauney算法示意:

    Delaunay三角网是唯一的(任意四点不能共圆),在Delaunay三角形网中任一三角形的外接圆范围内不会有其它点存在。

  • 三维重构:基于计算坐标,采用OpenGL绘制三角片

    效果不好的主要原因,是图像中深度变化较大,同时灰度变换,而特征点选取的比较稀疏.

【总结】

  • 立体视觉可计算空间点的三维坐标。基线越长,距离越近,精度越高
  • 根据双目视觉进行三维重构包括特征点提取、匹配、坐标计算、三角剖分、三维重构等几个步骤

本博客所有文章除特别声明外,均采用 CC BY-SA 3.0协议 。转载请注明出处!

【二十】特征匹配 上一篇
【十八】极线几何 下一篇