三维信息获取和环境地图表示.pptx

三维信息获取和环境地图表示;投影矩阵求解原理： 假设移动机器人在移动时前后两帧的投影矩阵为 和 ，则 , 称为摄影机的基础矩阵。 ;投影矩阵的推导：;p?=?o?+ p1?a +?p2?b?+ p3?c (3) 我们现在把（1）（3）写成矩阵的形式： 这样，向量和点在同一个基下就有了不同的表达：3D向量的第4个代数分量是0，而3D点的第4个代数分量是1。像这种这种用4个代数分量表示3D几何概念的方式是一种齐次坐标表示。;线性插值 由一个数域映射到另一个数域时,如果两个数域都是线性,那么它们的对应点成比例. 例如：已知有一破温度计(何以谓破?刻度之间间距虽平均,但间距或大于或小于标准值,谓之破),当其插入0?摄氏度水里时显示为5摄氏度,当其插入100摄氏度的沸水中时显示为90摄氏度,问:当实际水温为50摄氏度时，此破温度计显示的值是多少? 解:因刻度均匀,所以刻度之间的比例与好温度计相同,由此:设显示的数为T, (90-T)/(T-5)=(100-50)/(50-0) 解出T=47.5?0C. ;透视投影变换;OpenGL里的视锥体图形; 透视投影变换由两步组成： 1） 用透视变换矩阵把顶点从视锥体中变换到裁剪空间的CVV（规则观察体）中。 2） CVV裁剪完成后进行透视除法。;设P(x,z)是经过相机变换之后的点，视锥体由eye——眼睛位置，np——近裁剪平面， fp——远裁剪平面组成。N是眼睛到近裁剪平面的距离，F是眼睛到远裁剪平面的距离。 投影面可以选择任何平行于近裁剪平面的平面，这里我们选择近裁剪平面作为投影平 面。设P’(x’,z’)是投影之后的点，则有z’ = -N。;;机器人双目立体视觉若干关键理论问题及其技术实现研究;视觉是一个古老的研究课题。人类视觉过程可以看作是一个从感觉到知觉的复杂过程，从狭义上说视觉的最终目的是要对场景作出对观察者有意义的解释和描述;从广义上说是根据周围的环境和观察者的意愿，在解释和描述的基础上作出行为规划或行为决策。 计算机视觉研究的发展：最早可以追溯到20世纪50年代 20世纪80年代初期有了初步的发展 到了20世纪80年代中期，计算机视觉获得了蓬勃的发展 进入20世纪90年代，出现了低功耗和低成本的CMOS图像传感器，其独特的优点在使其在计算机视觉中得到了广泛的应用。同时，随着专用视频解码芯片和现场可编程逻辑门阵列(FPGA)芯片的出现，使得图像采集系统到计算机的实时图像数据传输成为可能。 ;双目立体视觉技术研究与应用现状;摄像机标定的研究现状;（2）自标定方法 不需要利用标准的标定物来得到准确的三维信息，只需控制摄像机的运动来获得图像序列，通过从图像序列的匹配信息得到约束关系来计算摄像机模型参数。 优点：只需建立图像与图像间的相互对应关系，具有很强的灵活性。 缺点：标定过程比较复杂，不适于对实时性有较强要求的场合。此外，自标定法采用的是非线性优化算法求解，对初值估计的依赖性较强，导致其鲁棒性不好，只适于对标定精度要求不是很高的应用场合。 主要方法：绝大多数是基于绝对二次曲线(the Absolute Conic)或其对偶绝对二次曲面(the Absolute Quadric)的方法。 ;（3）基于主动视觉的标定方法 这里的主动视觉系统是指首先将摄像机精确的安装在可以控制的操作平台上，然后通过控制平台作特定的运动来使摄像机拍摄多幅图像，最后利用图像和摄像机的运动参数来获得摄像机的内部参数以及外部参数。 主要方法：包括基于纯平移运动与墓于纯旋转运动的两种标定算法。 缺点：成本高；对摄像机的运动情况有约束。;图像立体匹配的研究现状;（1）基于局部的立体匹配算法：利用对应点本身以及邻近的局部区域的约束信息。 优点：计算效率高，在高纹理区域能够很快的得到视差图 缺点：在遮挡区域和视差不连续区域的匹配精度不高，易产生误匹配 （2）基于全局的立体匹配算法： 优点：一般能获得精度较高的视差图 缺点:相应的参数设置较难而且复杂度也较高，实时性不是很强;立体匹配算法存在各自的优缺点，研究学者对其的研究也是针对不同的需求选择不同的算法进行研究。其中一些经典算法已经比较成熟，应用也比较广泛。除此之外，还有学者陆续提出一些新的算法。;我们的实验： ;希望做出的改进： （1）改进立体匹配算法，求取出清晰的视差图； （2）利用三视图的原理完成实验。; 谢谢！ 请各位老师批评指正;把z换成 有三个原因： 1）后面投影之后的光栅化阶段，要通过x和y对z进行线性插值，以求出三角形内部片元的z，进行z缓冲深度测试。在数学上，投影后的x和y，与z不是线性关系，与1/z才是线性关