算法流程
这篇文章是基于特征匹配的主动式双目立体匹配算法,由于被动的双目系统在无纹理区域会产生大量的误匹配点,为了改善这个不足,向场景中主动投射散斑信息,增加人为的特征信息。下面给出文章的算法流程:
值得说明的几点:
- 投影仪最好 置于两个相机的中间,这样,两个相机排到的图案最相似,避免散焦造成的影响。
- 图像增强:为了克服不同反射率和不同光照造成的左右图的光度失真,对图像的对比度进行图像增强,先用DC subtraction,然后用局部直方图均衡。
- 特征提取:用Harris 角点检测器和MSER blobs 检测器的组合来检测特征,然后用SIFT算法来生成特征描述子。
- 特征匹配:用欧氏距离来衡量左右图特征描述子之间的相似性。
- 三角测量得到三维点云。
- 点云滤波:分别用了三种滤波算法并进行评价。
由于本文用的是基于特征的立体匹配,所以生成的是稀疏的点云。
思考
能否利用特征匹配进行粗匹配,然后再进行精匹配?