一种采用最小平方中值的改进极线校正方法

摘要：

鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法.在未标定摄像机的情况下,首先使用SURF(speededup robust features)算子对立体影像进行特征点提取与匹配,然后利用RANSAC算法与LMedS算法对匹配点进行基础矩阵估计,基于基础矩阵根据极线校正准则对影像进行重采样,得到校正后的立体影像.最后利用垂直视差均值、方差和均方根距离3个评价指标对极线校正的结果进行精度评价.实验结果表明,与RANSAC算法相比,改进的方法消除垂直视差的效果更好,影像变形较小,可以为三维重建过程中视差图的生成提供更可靠的结果.

关键词：极线校正、LMedS算法、SURF、基础矩阵、立体影像

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金41401535;辽宁工程技术大学研究生教育创新计划资助YS201601

在线出版日期：2018-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：71-77