توضیحات
ABSTRACT
Stereo vision based obstacle detection is an algorithm that aims to detect and compute obstacle depth using stereo matching and disparity map. This paper presents a novel method to detect obstacles in highly textured environments using two-stage dynamic programming. The algorithm consists of several steps including pre-processing, obstacle detection ,analysis of disparity map using two-stage dynamic programming (TSDP) technique and depth computation. This method works well in highly textured environments and ideal for real applications. The disparity map for the stereo images is found in the 3D correlation coefficient volume by obtaining the global 3D maximum-surface rather than simply choosing the position that gives the local maximum correlation coefficient value for each pixel. The 3D maximum- surface is obtained using two-stage dynamic programming (TSDP) technique. An adaptive thresholding is also applied for better noise and texture removal. Experimental results show the effectiveness of the proposed method.
INTRODUCTION
Stereo vision based obstacle detection is an algorithm that aims to detect and compute obstacle depth using stereo matching and disparity map. The correspondence problem in stereo vision and image motion concerns the matching of points or other kinds of primitives such as edges and regions in two or more images such that the matched image points are the projections of the same point in the scene. The disparity map or motion field obtained from the matching stage may then be used to compute the 3D positions of the scene points given the imaging geometry. Matching techniques can be divided broadly into pixel-based, area-based and feature-based image matching, or a combination of them. Other types of stereo matching methods such as diffusion-based , wavelet-based, phase-based , and filter-based have also been developed. There are also several types of methods for estimating image motion or optical flow that is use less than three first type that pointed. Because of factors such as noise, lighting variation, occlusion and perspective distortion, the appearances of the corresponding points will differ in the two images. For a particular feature or a local window in one image, there are usually several matching candidates in the other image.
چکیده
تشخیص موانع استریو مبتنی بر یک الگوریتم است که هدف آن تشخیص و محاسبه عمق مانع با استفاده از تطبیق استریو و نقشه تقارن است. این مقاله یک روش جدید برای شناسایی موانع در محیط های بسیار بافت با استفاده از دو مرحله برنامه ریزی پویا ارائه می دهد. الگوریتم شامل چندین مرحله شامل پیش پردازش، تشخیص مانع، تجزیه و تحلیل نقشه ناهماهنگ با تکنیک دوبعدی برنامه ریزی پویایی (TSDP) و محاسبه عمق است. این روش در محیط های بسیار بافتی مناسب است و برای کاربردهای واقعی ایده آل است. نقشه تقاربی برای تصاویر استریو در حجم ضریب همبستگی سه بعدی با به دست آوردن سطح حداکثر 3D جهانی، به جای انتخاب موقعیتی که حداکثر مقدار ضریب همبستگی محلی را برای هر پیکسل تعیین می کند، پیدا می شود. سطح حداکثر 3D با استفاده از تکنیک دوبعدی برنامه ریزی پویا (TSDP) به دست می آید. آستانه سازگاری نیز برای حذف بهتر صدا و بافت استفاده می شود. نتایج تجربی، اثربخشی روش ارائه شده را نشان می دهند.
مقدمه
تشخیص موانع استریو مبتنی بر یک الگوریتم است که هدف آن تشخیص و محاسبه عمق مانع با استفاده از تطبیق استریو و نقشه تقارن است. مشکل مکاتبات در دید استریو و حرکت تصویر، مربوط به تطبیق نقاط یا سایر انواع ابتدایی، مانند لبه ها و مناطق در دو یا چند تصویر است، به طوری که نقاط تصویر همسان، بینی یک نقطه در صحنه است. نقشه ناهمگونی یا میدان حرکتی که از مرحله تطبیق حاصل می شود، می تواند برای محاسبه موقعیت های 3D از نقاط صحنه با توجه به هندسه تصویربرداری استفاده شود. تکنیک های تطبیق می توانند به طور گسترده ای به تطبیق تصویر مبتنی بر پیکسل، منطقهای و مبتنی بر ویژگی، یا ترکیبی از آنها تقسیم شوند. انواع دیگری از روش های مطابقت استریو مانند انتشار مبتنی بر، مبتنی بر موجک، فاز مبتنی بر و مبتنی بر فیلتر نیز توسعه یافته است. همچنین روش های متعددی برای تخمین حرکت تصویر یا جریان نوری وجود دارد که کمتر از سه نوع اول استفاده می شود. به دلیل عوامل مانند سر و صدا، تغییر نور، انحطاط و تحریف چشم انداز، ظاهر نقاط متناظر در دو تصویر متفاوت است. برای یک ویژگی خاص یا یک پنجره محلی در یک تصویر، معمولا معمولا چندین نامزد در تصویر دیگر وجود دارد.
Year: 2010
Publisher : Eighteenth International Energy Conference of Iran
By : Hajar Mohammadi Dehnavi, Sakineh Shirazi Tehrani, and Payman Moallem
File Information: English Language/ 6 Page / size: 0.99 MB
سال :1389
ناشر : هجدهمین کنفرانس بین المللی برق ایران
کاری از : حجار محمدی دهنوی، سکینه شریعتی تهرانی و پیمان مومل
اطلاعات فایل : زبان انگلیسی / 6 صفحه / حجم : MB 0.99
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.