基于特征匹配的双目立体视觉技术研究的中期报告.docx

基于特征匹配的双目立体视觉技术研究的中期报告
1.研究背景与意义
立体视觉是指人们利用两只眼睛提供的像差信息获得三维立体感的能力，而双目立体视觉系统则是利用两只摄像头模仿人类视觉获取三维信息的系统。在智能化制造、机器人、自动驾驶等领域，双目视觉技术广泛应用，能够实现对物体的三维感知、跟踪、重构等功能，提高自动化程度和生产效率。
特征匹配是指在两幅图像中找出相同的特征点，从而确定两幅图像的对应关系。在双目立体视觉系统中，特征匹配是实现视差计算和三维重建的关键步骤。目前，基于特征匹配的双目视觉技术已经有了很大的发展，但在实际应用中，仍存在许多问题，如特征提取的精度、匹配算法的速度等。
因此，本文旨在通过研究基于特征匹配的双目立体视觉技术，探索一种更为高效、精度更高的特征匹配算法，并应用于智能化制造、机器人、自动驾驶等领域，以提高生产效率和智能化水平。
2.研究内容
2.1特征提取
特征提取是特征匹配的关键步骤之一。本文采用SIFT特征提取算法，该算法能够在图像中提取出关键点，并对其进行特征描述子的计算，获得具有不变性的特征点。
2.2特征匹配
特征匹配是实现视差计算和三维重建的关键步骤之一。本文采用基于最近邻搜索的特征匹配算法，该算法能够对两组特征点进行匹配，计算视差，并生成三维点云。
2.3算法优化
为了提高特征匹配的精度和速度，本文还对算法进行了优化。具体地，通过对SIFT算法中的局部极值点进行筛选，去除较弱的特征点，减少匹配计算的次数，从而提高算法的速度；同时，采用欧氏距离策略来进行特征点的匹配，从而提高匹配的精度。
3.研究进展
本文已经完成了双目立体视觉系统的搭建，采用SIFT算法进行特征提取，并采用基于最近邻搜索的特征匹配算法，可以计算出图像的视差，并生成三维点云。在此基础上，本文对算法进行了优化，筛选出较强的特征点进行匹配，并采用欧氏距离策略，提高了匹配的精度和速度。
4.下一步工作
下一步，本文将进一步完善特征匹配算法，尝试采用基于深度学习的特征提取算法，并将双目立体视觉技术应用到智能化制造、机器人、自动驾驶等领域，以实现对物体的三维感知、跟踪、重构等功能。