文档介绍：摘要就可计算获得物体的距离信息。由于该方法属于单眼视觉,避开了目前仍未际跽杆儆τ糜谕ㄐ拧⒌缱印⒓扑慊雀鞲隽煊颉S肈技术来完成复杂运算对于工程实现具有十分重要的意义。在计算机视觉研究中,景物深度信息的测量大都是基于聚焦图像进行的,采用方法也多以立体视觉和运动视觉为主。这些方法虽然测置精度高,但也存在着测量过程复杂和计算量大等缺点,因此实时性不好,很难满足一般运动物体的测量要求。基于散焦图像的测距原理是根据物体所处位置如果偏离摄像机聚焦平面,就会在像检测器上形成模糊的散焦图像,且偏离距离越大,图像的散焦模糊程度也越强,利用这一图像变化特点并结合少量预知的参数能有效解决的立体视觉特征点对应性的问题。因此相对于立体视觉,在很多领域具有实际应用价值。在系统设计上,我们主要以浮点低嘲迳杓莆:诵模苯獵图像传感器、步进电机及驱动控制、串口通信等电路整合在一起,构建~套完整的散焦测距系统。本论文探讨了基于际醯纳⒔共饩嘞低常从算法构思、硬件设计、软件调试、性能分析等几方面,系统地阐述了设计的全过程。并着重研究了系统的硬件设计,讨论了的时序控制、图像传感器的寄存器控制以及酒挠布7ⅰ⑷砑迪帧⑹笛榉治龅鹊取关键词:系统设计:硬件;散焦测距;
,,,甌,.縜,,畇,⒉辪,】.,也甌琣,,,,琫:,,珼
第滦论散焦测距技术国内外发展现状镜头拍摄图像,对景物采集两幅散焦程度不同的图像,即可估计景物到像机的距离。即避免了大量图像信息的采集和存储,实现实时测量,也避免了图像间的位置校准和匹配问题,因此实用性较高。但目前也有许多难以解决的最早运用了这个性质并且提出一个在频域内解出相对参数的方人类传递信息的主要媒介是语音和图像。作为传递信息的重要媒体和手段的图像信息是十分重要的。恢复图像中物体的三维信息,一直是计算机视觉研究中非常重要的一环,其中测距是主要问题之一。在计算机视觉研究领域中,测距的方法一般可以划分为三大类:有源测距法、无源测距法以及有无源结合测距法。在有源测距法中。是利用超声波、无线电波等来确定波源与物体之间的距离。所有的有源测距法都是向物体发射能量,接收反射能量,然后利用能量传输时间、传输速度等差别测量出距离。例如雷达测距装置和精密的激光测距器就属于这类有源测距法。无源测距法中,利用立体视觉、相位差、散焦差异、聚焦信息以及其它任何来自物体的差异,用来测量从视点到被视物体的距离。其中主要分为聚焦测距和散焦测距,有源测距法虽可获得更精确的数据,但存在以下主要缺点:⑿枰7⑸浯罅康哪芰浚诰律匣谷菀妆┞丁⑸璞傅脑旒郯汗螅饩嘧爸贸杀舅娌饩嘧爸梅直媛实奶岣叨仙⑻寤洗蟆相对而言,散焦测距技术的出现在一定程度上弥补了上述缺陷。散焦钡距技术利用像机光圈与焦距不同而对应成像景深不同来估算距离。它只需单问题,主要是测距精度不高的问题。散焦测距际酰钤缡琼鮨在年提出的,物体的深度信息通过两张散焦程度不同的图像来获得。基本原理是如果透过一个微小孔径的镜头像机取像,那么这张图像将会是近乎完全清晰的。另外再取一张由正常设定的镜头而成的图像,那么相对的模糊参数就可计算出来,这种方法则称为散焦测距。散焦测距研究大致上可分为两方面,一是像机参数标定工作,二是深度重建的方法。哈尔滨工程大学硕士学位论文
法。为景深估计提供了一种新方法,并带动了以后的蠼饩吧罾鏊B蜓镜头的光圈放大,取得另外一张不同模糊程度的图像,并将其看作是清晰图度信息的计算方法,用微幅改变摄像机参数来计算出摄像机参数的微分近似值,并推导出与图像的枷衲:潭鹊墓叵凳剑醇扑愠鐾枷竦纳疃刃直接相关的模糊函数,并给出了最大似然估计的鲁棒性迭代算法,提高了估体深度的方法;蚅提出了以查表的方式在空域中计算方法估算深度的结果会比逆滤波方法的结果更精确。查表方法主要的优点是到噪声等于扰的影响M辏琑和枷穹殖墒鲎油年,热颂岢隽私话憔低犯奈>哂性缎墓庋匦缘姆椒ǎ且证明这样的特性最适用于癉的成像系统⋯。年,他们又在图像为曰毓楣的假设下,以计算机仿真计算下限,并由计算机仿真数据中归纳出使得P妥钣呕南窕问怠保兰莆蟛钣氩煌德食煞值墓叵怠2⑻峁┦笵的估计更为法适用于散焦较轻微的图像。鍾所使用的虽然较适用究。他通过将摄像机的镜头光圈调到最小,取得第一张图像,接着将摄像机像透过点扩散函数饔玫慕峁H缓笥媚媛瞬ǖ方法来估计出物体的距离年,放宽的方法里面要求其中一张图像必须使用针孔像机的限制,允许可同时变动镜头设定,进行估算物体的距离年,热嘶赑为高斯函数的假设,在空域中发展了估计深息。年,蚐畇岢隽死肎变换中的短时傅立叶变换来滤除窗口边界产生的寄生高频分量干扰的方法,建立与像机马达计深度信息的精度“,。同年,蚐提出了以浠辉诳沼蛑星蠼馕用预先计算好的滤波器表,逐一验证表中的第一个滤波器,以找出最适合的滤波器来查出这个滤波器