导读:本文包含了双目测距论文开题报告文献综述及选题提纲参考文献，主要关键词:双目测距,卷积神经网络,深度学习
双目测距论文文献综述
王雪丽[1]（2019）在《基于卷积神经网络的双目测距研究》一文中研究指出该论文以双目测距为研究对象进行研究,将灰度值和新型窗口的数据作为输入数据输入到深度学习模型中,深度信息作为目标数据进行自顶向下的监督学习,以得到较好的训练预测模型。深度学习模型有许多种,该次实验主要采用卷积神经网络(CNN)模型进行训练,卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一,该次实验通过卷积神经网络实现双目测距的功能。(本文来源于《电子质量》期刊2019年10期）
吴锦铁,许原,仲崇霞,梁炜,黄艳[2]（2019）在《一种用于里程计量的双目立体视觉测距系统》一文中研究指出介绍一种用于里程计量的双目立体视觉测距系统。分析了双目相机的测距原理,搭建了双目立体视觉测距系统,对双目相机进行标定,解算系统到目标的深度距离。使用全站仪及光轨结合的方法对系统进行比对测量,结果显示系统测距误差为厘米量级。(本文来源于《计量技术》期刊2019年10期）
李建起[3]（2019）在《基于双目测距的卡尔曼滤波船舶轨迹跟踪》一文中研究指出本文基于双目视觉模型,对船舶的轨迹跟踪问题进行了研究,提出了一种利用双目视觉测距以及卡尔曼滤波,实现船舶轨迹跟踪的方法,首先,根据双目视觉测距原理,获取叁维坐标并计算船舶的运行轨迹,之后,根据卡尔曼滤波原理,建立了船舶轨迹跟踪模型,实现了对船舶运行状态的实时跟踪。仿真结果表明,本文所提方法,对船舶轨迹跟踪的预测误差小,跟踪精度高,具有一定的实际意义。(本文来源于《电子制作》期刊2019年20期）
王浩鑫,谢景卫,于嘉民,樊宗赐[4]（2019）在《树莓派双目视觉测距与红外传感混合避障研究与设计》一文中研究指出针对移动避障平台单一传感器进行障碍物的检测与避让时不能保证准确、可靠性的问题。研究和设计了一种基于树莓派双目视觉测距与红外传感器相结合的距离测量系统,并将此系统搭载于智能小车进行避障功能的实现。利用Open CV平台,通过一系列图像处理算法获取到障碍物的距离数据,再结合避障算法实现避障。考虑到PC平台体积过大,因此将算法移植到树莓派平台后搭载至智能小车,同时增设红外传感对双目视觉测距进行辅助,能够提高移动避障系统的鲁棒性。实验结果表明,使用此方法进行避障的智能小车数据精确、工作稳定。(本文来源于《机电产品开发与创新》期刊2019年05期）
仲伟波,姚旭洋,冯友兵,孙雨婷,姚徐[5]（2019）在《双目区域视差快速计算及测距算法》一文中研究指出目的双目测距对水面无人艇自主避障以及视觉侦察具有重要意义,但视觉传感器成像易受光照环境及运动模糊等因素的影响,基于经典Census变换的立体匹配代价计算方法耗时长,且视差获取精度差,影响测距精度。为了提高测距精度并保证算法运行速度,提出一种用于双目测距的快速立体匹配算法。方法基于传统Census变换,提出一种新的比特串生成方法,在匹配点正方形支持窗口的各边等距各选3个像素点,共选出8个像素点,这8个像素点两两比较生成一个字节的比特串。将左右视场中的匹配点与待匹配点的比特串进行异或,得到两点的汉明距离,在各汉明距离中找到距离最小的像素点作为匹配像素点,两像素点的横坐标差为视差。本文采用区域视差计算的方法,在左右视场确定同一目标区域后进行视差提取和滤波,利用平均视差计算目标的距离。结果本文算法与基于传统Census变换的立体匹配视差获取方法相比,在运算速度方面优势明显,时间稳定在0. 4 s左右,用时仅为传统Census变换算法的1/5。在Middlebury数据集中的图像对teddy和cones上进行的算法运行时间对比实验中,本文基于Census变换改进的算法比已有的基于Census变换的匹配算法在运行时间上快了近20 s。在实际双目测距实验中,采用本文算法在10 19 m范围内测距误差在5%以内,根据无人艇的运动特点和避障要求,通过分析可知该算法的测距精度可以满足低速无人艇的避障需求。结论本文给出的基于改进Census变换的匹配算法在立体匹配速度上有大幅提高,提取目标视差用于测距,实际测距结果表明,本文算法能够满足水面无人艇的视觉避障要求。(本文来源于《中国图象图形学报》期刊2019年09期）
刘学君,袁碧贤,晏涌,魏宇晨,刘永旭[6]（2019）在《危化品堆垛双目测距中改进的SURF匹配算法研究》一文中研究指出堆垛安全"5距"是保证危化品存储安全的重要因素,双目视觉测距是解决该问题的一个非常有前景的技术。本文针对危化品堆垛测距中双目立体匹配算法受货物特征点相似和光照影响的特点从而影响精度的关键问题,提出一种自适应邻域的改进SURF匹配算法,该算法对特征点进行位置约束,解决传统SURF算法容易受局部区域像素梯度方向影响的问题,大大提升了匹配效果。实验表明,该算法使得匹配准确率基本保持在98%,特征点数量相对较少时,准确率能达到100%。(本文来源于《计算机与应用化学》期刊2019年04期）
李龙,王翱翔,韩越兴,田应仲,胡慧娟[7]（2019）在《基于几何约束的双目测距技术研究》一文中研究指出双目测距是一种重要的机器视觉技术,常用于机器人定位与导航任务。立体匹配在双目视觉中占有重要的作用,文章基于构建的双目立体视觉系统,提出了一种基于几何约束的物体叁维坐标测量方法。首先利用立体标定技术实现了对图像的畸变矫正,并对实时拍摄的左右图像进行ORB特征匹配,以检测图像中物体的特征点对。算法对估计的初始ORB特征点进行RANSAC模型估计,去除误匹配点对应。之后基于点对应之间的距离与斜率对其进行几何关系度量,利用几何约束进一步滤除匹配误差较大的点对应。实验结果说明该算法能有效降低特征的误匹配率,提高了双目测距的准确性与鲁棒性。(本文来源于《计量与测试技术》期刊2019年07期）
李明东,卢彪,金传宇[8]（2019）在《基于双目视觉立体匹配技术的双目测距研究》一文中研究指出通过对双目视觉立体匹配技术及测距的研究,计算在不同视角下对物体的图像进行感知,实现了摄像机替代人眼,取得不同拍摄环境下同一物体像素间的位置参数偏差及角点检测信息。主要完成了从各种双目立体匹配算法中选择一种高效准确且容易实现的算法来计算视差值。根据立体匹配的约束关系,借鉴黑白棋盘的模式进行标定,通过opencv模式处理得到实验相机的内外角点坐标参数。通过计算目标物体与相机之间的实际距离、目标物体的叁维坐标以及两点之间的实际距离,提高了目标物体的识别率。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2019年02期）
潘庆甫[9]（2019）在《双目立体视觉测距系统的研究》一文中研究指出计算机视觉是利用感光元件代替人类视觉对目标进行感知与分析的一项技术。双目立体视觉是计算机视觉中的一个重要分支,即由不同位置的两台相机经过平移或者旋转来拍摄同一场景,通过计算空间点在两幅图像中的视差,来获取空间点的叁维坐标值。双目立体视觉模拟人类双眼来进行判断与处理,具有简单易行的优点,在位姿检测与控制、非接触测量等领域得到了广泛应用。论文首先在深入研究双目立体视觉的基础上,确定相机成像模型中的四个坐标系的转换关系,建立了双目立体视觉的测距模型;采用张正友标定法并借助Matlab标定工具箱进行标定实验;为把非共面且行对准的图像平面校准成共面且行对准,借助Visual Studio 2015 Enterprise下的OpenCV进行立体校正实验;针对SIFT算法的特征点维数过高,维数过高可能会导致匹配速度慢和占用更多的储存空间,并且随着匹配点数目的增多,错误匹配的概率可能会增大,本文优化了特征点的维数,使其由原来的128维降为现在的64维,实验表明,优化后的SIFT算法的运行时间比原来缩短了;利用Visual Studio 2015 Enterprise下的OpenCV使用BM算法进行立体匹配与测距实验。其次利用Visual Studio 2015 Enterprise下的Visual C#设计并实现了上位机软件,该上位机软件基本实现了双目立体视觉测距系统的各个部分功能,分别为登录功能、图像采集功能、相机标定功能、邻域处理功能、特征匹配功能、立体校正功能、立体匹配与测距功能。最后研制了一种基于S3C2440的硬件平台与嵌入式Linux操作系统的软件平台的双目立体视觉测距系统。系统硬件部分由微处理器S3C2440和其外围硬件设备组成,软件部分由嵌入式操作系统Linux和应用程序组成。图[64]表[6]参[61]。(本文来源于《安徽理工大学》期刊2019-06-12）
姚旭洋[10]（2019）在《基于双目视觉的水上目标测距与识别算法研究》一文中研究指出目前,许多国家都在对水上装备智能化、无人化技术进行研究,研究的重点方向之一就是水上装备的环境感知技术。双目立体视觉技术作为重要的环境感知技术,受到研究人员的重视。本文对双目测距中的关键技术和水上目标识别算法进行了深入研究,通过实验验证了双目测距算法和目标识别算法的可行性以及可靠性。论文主要完成的工作如下:第一,对双目测距中匹配代价获取的关键技术进行优化改进,针对传统Census变换对中心像素过于依赖,噪声影响下匹配效果差的问题提出了一种改进的Census变换,利用改进的Census变换进行立体匹配,提高了立体匹配算法对噪声的鲁棒性和执行效率。第二,对双目测距过程中采用的局部立体匹配算法流程进行调整优化,结合水上目标测距与识别这一最终目的简化传统局部立体匹配的流程,首先采用自适应设定滞后阈值的Canny算子以及Snake模型对水上目标的轮廓进行提取,然后在轮廓区域内采用自适应窗口进行匹配代价聚合,避免在深度不连续区域产生误匹配。最后对视差进行优化,得到目标视差,进一步计算出目标的距离信息。采用优化改进的算法进行测距实验,测距精度达到了无人艇避障以及视觉侦察的要求。第叁,结合水上目标的特点进行目标的识别分类。由于像水上船舶这类目标较水上岛屿等目标具有明显的形状差异。因此对水上目标的形状特征、Hu矩特征进行提取,将提取出的目标特征作为分类支持向量机的输入,对水上目标进行舰艇目标的识别和分类。实验验证时选择高斯径向基核函数的支持向量机进行样本的训练和测试实验,取得了很好的分类识别效果。(本文来源于《江苏科技大学》期刊2019-06-07）
双目测距论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍一种用于里程计量的双目立体视觉测距系统。分析了双目相机的测距原理,搭建了双目立体视觉测距系统,对双目相机进行标定,解算系统到目标的深度距离。使用全站仪及光轨结合的方法对系统进行比对测量,结果显示系统测距误差为厘米量级。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
双目测距论文参考文献
[1].王雪丽.基于卷积神经网络的双目测距研究[J].电子质量.2019
[2].吴锦铁,许原,仲崇霞,梁炜,黄艳.一种用于里程计量的双目立体视觉测距系统[J].计量技术.2019
[3].李建起.基于双目测距的卡尔曼滤波船舶轨迹跟踪[J].电子制作.2019
[4].王浩鑫,谢景卫,于嘉民,樊宗赐.树莓派双目视觉测距与红外传感混合避障研究与设计[J].机电产品开发与创新.2019
[5].仲伟波,姚旭洋,冯友兵,孙雨婷,姚徐.双目区域视差快速计算及测距算法[J].中国图象图形学报.2019
[6].刘学君,袁碧贤,晏涌,魏宇晨,刘永旭.危化品堆垛双目测距中改进的SURF匹配算法研究[J].计算机与应用化学.2019
[7].李龙,王翱翔,韩越兴,田应仲,胡慧娟.基于几何约束的双目测距技术研究[J].计量与测试技术.2019
[8].李明东,卢彪,金传宇.基于双目视觉立体匹配技术的双目测距研究[J].廊坊师范学院学报(自然科学版).2019
[9].潘庆甫.双目立体视觉测距系统的研究[D].安徽理工大学.2019
[10].姚旭洋.基于双目视觉的水上目标测距与识别算法研究[D].江苏科技大学.2019