划中,微软与华盛顿大学就将立体视觉应用于火星探测器中,使用双目视觉系统能对火星表面进行精确导航与定位。最近几年,国际性很多重要期刊上都出现了有关立体视觉的文章。例如,利用块匹配(PatchMatch)算法给每个像素和区域内深度信息赋予标签,这些标签在空间中传播并且重新提炼,就可用于深度连续区域的深度估计[13][14]。Haeusler等人通过机器学习方法对图像序列里重要数据进行挖掘,通过基尼和序列重要性测量预计立体匹配中的正确率[15]。最近几年,图像中的稀疏信息已被广泛用于立体视觉中计算量高任务的速度提升,通过基于稀疏表示的事件驱动方式,转化立体视觉场景中内容为稀疏序列,立体视觉中三维重建与匹配算法可以达到实时的速度[16-18]。双目视觉系统在我国起步时间比较晚,但最近几年发展势头相当迅速。国内的研究人员这几年对立体视觉系统进行了大量的研究。利用双目立体视觉系统,浙江大学已经能对运动的机械臂进行实时的位姿检测,并达到非常理想的精度。国内的哈尔滨工业大学是世界上最早采用交叉光轴双目视觉系统对机器人进行导航的,这套视觉系统即使在传感器失效状态下机器人仍能进行全自主导航。最近几年,不少国内高校都对立体视觉系统下的移动机器人导航与定位相关课题展开了研究,这些课题中双目视觉用来对跟踪目标物进行立体匹配与定位,使用空间输出的三维坐标来间接控制机器人的运动[19-21]。浙江大学对六足步行机器人位姿控制及其步态规划展开了研究,在对无畸变校正图像误差进行深度估计时利用了形心匹配的深度估计方法,大大改善了对稀疏纹理背景下障碍物检测的精度[22]。此外,不少国内高校都成立了立体视觉专项研究实验室,如清华大学图形与几何计算实验室,浙江大学微软视觉感知联合实验室,北京大学三维视觉计算与机器人实验室。1.2.3目标跟踪研究现状近年来,在视频跟踪领域,基于检测的跟踪算法已成主流。这类算法将图像4
全文预览
