您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 视觉立体系列文献资料

  2. 相关文献有:一种快速双目视觉立体匹配算法、双目视觉平台研究、双目摄像头立体视觉标定及畸变矫正研究、双目视觉的三维重建技术、基于SIFT特征的双目图像匹配算法、基于移动双目是觉得铁路建筑物界限的快速自动检测方法、近红外呈向下的人脸特征提取和三维重建关键技术的研究、基于双目立体视觉的运动目标定位系统的设计
  3. 所属分类:其它

    • 发布日期:2013-06-21
    • 文件大小:19922944
    • 提供者:jisuli1987
  1. 基于双目视觉的人脸视差快速获取方法

  2. 提出一种在平行双目视觉系统下快速获取致密的人脸视差图的方法。首先对获取的双目图像进行极线校正和人脸的精确定 位,降低立体匹配的搜索范围;然后针对人脸这一特殊场景,采用基于盒状滤波的快速区域立体匹配算法对人脸区域进行匹配,得 到人脸的初始视差图;最后利用金字塔匹配模型来获取高分辨率的人脸致密视差图。实验结果表明,该方法在保证所获取人脸视 差精度的前提下,大大降低了时间复杂度,有较好的实用价值。
  3. 所属分类:管理软件

    • 发布日期:2017-03-24
    • 文件大小:1048576
    • 提供者:luckygemstone
  1. 通过单相机的三维重建来获得高质量的三维场景模型的方法详解.pdf

  2. 近年来,随着计算机硬件的不断快速更新,计算机的处理能力也不断变强。同时场景三维模型的获取技术越来越成熟,我们获得场景的三维模型数据的方式更多也更加方便了。而目前在基于单目和双目的三维重建技术中,单目技术较双目操作简单、而且取材方面更有利于推向市场。本文主要讲述基于单相机的三维重建,然后通过基于累积图的快速NCC匹配的种子扩张算法来进行高精度的三维场景重建。本章对经典的NCC相似度量函数进行优化,以此减少计算时间。而种子像素扩张算法即先选择初始的种子像素,利用视差图进行窗口比较从而获得高置信度的
  3. 所属分类:其它

    • 发布日期:2019-07-23
    • 文件大小:2097152
    • 提供者:weixin_39841856
  1. 一种快速双目视觉立体匹配算法

  2. 针对目前双目视觉立体匹配算法计算量过大、实时性不强的问题, 提出了一种平行配置系统的快速立体匹配算法。利用两幅视图的差异将视图分为特征点和非特征点, 然后对特征点采用WTA (winner-take-all)方法进行匹配, 而对非特征点只进行简单的验证, 最后得出致密的视差图。该算法利用视差的分段连续性, 大大减少了运算量。实验结果表明, 该算法提取的特征点集中于视差不连续区, 与目前其它基于区域的匹配算法相比, 该算法得到的误匹配像素百分比与其它算法相当, 而计算速度却提高了一个数量级, 并且
  3. 所属分类:其它

    • 发布日期:2021-02-10
    • 文件大小:903168
    • 提供者:weixin_38574132
  1. Delaunay三角剖分和仿射约束的特征相同多物体同名点立体匹配

  2. 针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求,构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体,需要正确匹配多物体同名点,因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点;通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格,对左右图像每一对匹配三角形区域计算仿射矩阵;根据多物体同名点在不同匹配三角形内的分布,利用仿射约束实现对多物体同
  3. 所属分类:其它

    • 发布日期:2021-02-07
    • 文件大小:10485760
    • 提供者:weixin_38544625
  1. 基于双目立体视觉的快速人头检测方法

  2. 为满足人流统计实时性的要求,提出一种人头检测算法。该方法对双目相机采集的图像通过运动目标检测分离出运动人员所在区域,对这些区域使用融合区域匹配和特征匹配的快速匹配方法,即利用视差的连续性只对强纹理点进行绝对误差累积(SAD)匹配,其他点只进行简单的视差验证,能够得到稠密的视差图,再由三角投影关系计算出深度图。由于双目立体成像得到的深度图中人员与场景的深度分布不同,可以采用深度分层的方法将存在人头信息的深度层提取出来,经过数学形态学预处理再利用边缘检测会得到许多候选轮廓,最终利用轮廓的几何特征来判
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:1048576
    • 提供者:weixin_38679839