结合SURF算子和极线约束的柑橘立体图像对匹配

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 157-160.

• 图形、图像、模式识别 • 上一篇下一篇

结合SURF算子和极线约束的柑橘立体图像对匹配

彭辉1，2，文友先2，翟瑞芳1，罗俊1，刘善梅1

1.华中农业大学理学院，武汉 430070
2.华中农业大学工学院，武汉 430070

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Stereo matching for binocular citrus images?using SURF operator and epipolar constraint

PENG Hui1，2，WEN Youxian2，ZHAI Ruifang1，LUO Jun1，LIU Shanmei1

1.College of Science，Huazhong Agricultural University，Wuhan 430070，China
2.College of Engineering，Huazhong Agricultural University，Wuhan 430070，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算，在该分量上，采用快速hessian检测子进行特征点检测，并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明，该方法对一幅图像对的平均处理时间为293 ms，在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。

关键词: 立体匹配, 快速鲁棒特征（SURF）算子, 极线约束, Hessian矩阵

Abstract: A method for stereo matching of binocular citrus images based on SURF operator and epipolar constraint is presented.R-B space images are achieved by linear transform of original images’ color space.Fast Hessian-matrix detector is used to detect the interest points and the SURF descriptor is used to describe the points’ features.Euclidean distance and the epipolar constraint are used for features matching.Experiment shows that the average execution time of the over-all algorithms（including the feature extraction and the feature matching） is 293 ms.The method can detect and match interest points accurately without the influence of citrus being occluded.Once stereo matching work is done successfully，the following computation of depth information of the fruits can be applied.

Key words: stereo matching, Speeded Up Robust Features（SURF） operator, epipolar constraint, Hessian-matrix

彭辉1，2，文友先2，翟瑞芳1，罗俊1，刘善梅1. 结合SURF算子和极线约束的柑橘立体图像对匹配[J]. 计算机工程与应用, 2011, 47(8): 157-160.

PENG Hui1，2，WEN Youxian2，ZHAI Ruifang1，LUO Jun1，LIU Shanmei1. Stereo matching for binocular citrus images?using SURF operator and epipolar constraint[J]. Computer Engineering and Applications, 2011, 47(8): 157-160.

[1]	张忠民，刘金鑫，席志红. 熵率超像素分割一致性检验视差细化算法[J]. 计算机工程与应用, 2021, 57(5): 204-209.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	李婕，巩朋成. 结合传播滤波的立体匹配算法研究[J]. 计算机工程与应用, 2020, 56(19): 189-196.
[4]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.
[5]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[6]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[7]	马龙，孙铭泽，黄超，裴昕，周航，张鸿燕. 基于强相似点检测快速双目立体匹配算法[J]. 计算机工程与应用, 2018, 54(6): 193-197.
[8]	王春艳，朱华平，胡鹏辉. 二维立体匹配模型及其数值解法[J]. 计算机工程与应用, 2018, 54(22): 186-190.
[9]	曹晓倩，孙连山，李健. 斜面参数优化全局立体匹配算法研究[J]. 计算机工程与应用, 2018, 54(17): 198-201.
[10]	董本志，张丽君，景维鹏. 基于前向搜索的快速视差范围估计方法[J]. 计算机工程与应用, 2017, 53(24): 213-218.
[11]	冯彬彬1，蒋新华1，2，林俊杰2，聂明星2. 基于FPGA的实时SGM匹配算法研究与实现[J]. 计算机工程与应用, 2017, 53(22): 163-168.
[12]	陈卉，胡立坤，黄钰雯. 采用高斯混合模型及树结构的立体匹配算法[J]. 计算机工程与应用, 2017, 53(20): 195-200.
[13]	王军华1，李丁1，刘盛鹏2. 基于改进RANSAC的消防机器人双目障碍检测[J]. 计算机工程与应用, 2017, 53(2): 236-240.
[14]	郭艾侠，彭明明，邢仲璟. 机器视觉技术在荔枝识别与定位研究中的应用[J]. 计算机工程与应用, 2017, 53(17): 218-223.
[15]	贺利乐1，路二伟1，李赵兴1，2，华瑾1. 基于ORB算子的快速立体匹配算法[J]. 计算机工程与应用, 2017, 53(1): 190-194.

结合SURF算子和极线约束的柑橘立体图像对匹配

Stereo matching for binocular citrus images?using SURF operator and epipolar constraint

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics