❶ nove9pro和p50pro那個好
兩款手機對比參數如下：
1，屏幕：華為nova9pro搭載了一塊6.72英寸的10.7億原色臻彩環幕屏 ，支持120Hz智能刷新率，能夠帶來更順滑的視覺觀感和更細膩的畫質，還原自然之美。華為P50 Pro屏幕尺寸6.6英寸，屏幕色彩10.7億色,解析度FHD+ 2700 x 1228 像素，看電影更加舒暢。
2，相機：華為nova9pro後置四攝：5000萬像素的RYYB超感知鏡頭+800萬像素的超廣角鏡頭+200萬像素景深鏡頭+200萬像素微距攝像頭。前置3200萬Vlog鏡頭，4K視頻一鍵成片，具有出色的解析力和感光能力。華為P50 Pro後置攝像頭原色攝像頭（彩色)5000萬像素+原色攝像頭（黑白）4000萬像素+超廣角攝像頭1300萬像素+長焦攝像頭6400萬像素；前置攝像頭1300萬像素，拍照更加細膩，更加清晰。
3、性能：華為nova9pro採用HarmonyOS 2系統，搭載高通驍龍™ 778G 4G，八核處理器 ，帶來高速、流暢的體驗。華為P50 Pro採用HarmonyOS 2系統，搭載麒麟9000，八核處理器 ，帶來高速、流暢的體驗。
4、電池：華為nova9pro配備4000mAh（典型值）大容量電池，續航持久。支持100W華為超級快充，20分鍾疾速充滿。華為P50 Pro配備4360mAh（典型值）大容量電池，續航持久。
您可以點擊下方鏈接登陸華為商城官網查看手機更多信息，根據個人需求和愛好選擇。華為商城
❷ 雙目立體視覺原理最早什麼時候提出的
一、雙目立體視覺原理最早始於上世紀的60年代中期提出。
分析：雙目立體視覺的開創性工作始於上世紀的60年代中期。美國MIT的Roberts通過從數字圖像中提取立方體、楔形體和稜柱體等簡單規則多面體的三維結構，並對物體的形狀和空間關系進行描述，把過去的簡單二維圖像分析推廣到了復雜的三維場景，標志著立體視覺技術的誕生。
二、雙目立體視覺原理簡介：
雙目立體視覺是機器視覺的一種重要形式，是基於視差原理並利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。
❸ 雙目立體視覺系統為什麼設置左相機坐標系與世界坐標系重合
雙目立體視覺的研究一直是機器視覺中的熱點和難點。使用雙目立體視覺系統可以確定任意物體的三維輪廓，並且可以得到輪廓上任意點的三維坐標。因此雙目立體視覺系統可以應用在多個領域。現說明介紹如何基於HALCON實現雙目立體視覺系統，以及立體視覺的基本理論、方法和相關技術，為搭建雙目立體視覺系統和提高演算法效率。
雙目立體視覺是機器視覺的一種重要形式，它是基於視差原理並由多幅圖像獲取物體三維幾何信息的方法。雙目立體視覺系統一般由雙攝像機從不同角度同時獲得被測物的兩幅數字圖像，或由單攝像機在不同時刻從不同角度獲得被測物的兩幅數字圖像，並基於視差原理恢復出物體的三維幾何信息，重建物體三維輪廓及位置。雙目立體視覺系統在機器視覺領域有著廣泛的應用前景。
HALCON是在世界范圍內廣泛使用的機器視覺。它擁有滿足您各類機器視覺應用需求的完善的開發庫。HALCON也包含Blob分析、形態學、模式識別、測量、三維攝像機定標、雙目立體視覺等傑出的高級演算法。HALCON支持Linux和Windows，並且可以通過C、C++、C#、Visual Basic和Delphi語言訪問。另外HALCON與硬體無關，支持大多數圖像採集卡及帶有DirectShow和IEEE 1394驅動的採集設備，用戶可以利用其開放式結構快速開發圖像處理和機器視覺應用。
❹ 雙目立體視覺的簡單介紹
雙目立體視覺的簡單介紹
1. 什麼是視覺
視覺是一個古老的研究課題，同時又是人類觀察世界、認知世界的重要功能和手段。人類從外界獲得的信息約有75%來自視覺系統，用機器模擬人類的視覺功能是人們多年的夢想。視覺神經生理學，視覺心裡學，特別是計算機技術、數字圖像處理、計算機圖形學、人工智慧等學科的發展，為利用計算機實現模擬人類的視覺成為可能。在現代工業自動化生產過程中，計算機視覺正成為一種提高生產效率和檢驗產品質量的關鍵技術之一，如機器零件的自動檢測、智能機器人控制、生產線的自動監控等;在國防和航天等領域，計算機視覺也具有較重要的意義，如運動目標的自動跟蹤與識別、自主車導航及空間機器人的視覺控制等。
人類視覺過程可以看作是一個從感覺到知覺的復雜過程，從狹義上來說視覺的最終目的是要對場景作出對觀察者有意義的解釋和描述；從廣義上說，是根據周圍的環境和觀察者的意願，在解釋和描述的基礎上做出行為規劃或行為決策。計算機視覺研究的目的使計算機具有通過二維圖像信息來認知三維環境信息的能力，這種能力不僅使機器能感知三維環境中物體的幾何信息(如形狀、位置、姿態運動等)，而且能進一步對它們進行描述、存儲、識別與理解，計算機視覺己經發展起一套獨立的計算理論與演算法。
2. 什麼是計算機雙目立體視覺
雙目立體視覺 (Binocular StereoVision)是機器視覺的一種重要形式，它是基於視差原理並利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。融合兩隻眼睛獲得的圖像並觀察它們之間的差別，使我們可以獲得明顯的深度感，建立特徵間的對應關系，將同一空間物理點在不同圖像中的映像點對應起來，這個差別，我們稱作視差(Disparity)圖像，如圖一。
雙目立體視覺 測量方法具有效率高、精度合適、系統結構簡單、成本低等優點，非常適合於製造現場的在線、非接觸產品檢測和質量控制。對運動物體（包括動物和人體形體）測量中，由於圖像獲取是在瞬間完成的，因此立體視覺方法是一種更有效的測量方法。
雙目立體視覺 系統是計算機視覺的關鍵技術之一，獲取空間三維場景的距離信息也是計算機視覺研究中最基礎的內容。
雙目立體視覺 的開創性工作始於上世紀的60年代中期。美國MIT的Roberts通過從數字圖像中提取立方體、楔形體和稜柱體等簡單規則多面體的三維結構，並對物體的形狀和空間關系進行描述，把過去的簡單二維圖像分析推廣到了復雜的三維場景，標志著立體視覺技術的誕生。隨著研究的深入，研究的范圍從邊緣、角點等特徵的提取，線條、平面、曲面等幾何要素的分析，直到對圖像明暗、紋理、運動和成像幾何等進行分析，並建立起各種數據結構和推理規則。特別是上世紀80年代初，Marr首次將圖像處理、心理物理學、神經生理學和臨床精神病學的研究成果從信息處理的角度進行概括，創立了視覺計算理論框架。這一基本理論對立體視覺技術的發展產生了極大的推動作用，在這一領域已形成了從圖像的獲取到最終的三維場景可視表面重構的完整體系，使得立體視覺已成為計算機視覺中一個非常重要的分支。
經過幾十年來的發展，立體視覺在機器人視覺、航空測繪、反求工程、軍事運用、醫學成像和工業檢測等領域中的運用越來越廣。
3. 雙目立體視覺系統
立體視覺系統由左右兩部攝像機組成。如圖二所示，圖中分別以下標l和r標注左、右攝像機的相應參數。世界空間中一點A(X，Y，Z)在左右攝像機的成像面Cl和Cr上的像點分別為al(ul，vl)和ar(ur，vr)。這兩個像點是世界空間中同一個對象點A的像，稱為「共軛點」。知道了這兩個共軛像點，分別作它們與各自相機的光心Ol和Or的連線，即投影線alOl和arOr，它們的交點即為世界空間中的對象點A(X，Y，Z)。這就是立體視覺的基本原理。
4. 博安盈雙目立體視覺系統：平行光軸的系統結構
在平行光軸的立體視覺系統中（圖三），左右兩台攝像機的焦距及其它內部參數均相等，光軸與攝像機的成像平面垂直，兩台攝像機的x軸重合，y軸相互平行，因此將左攝像機沿著其x軸方向平移一段距離b（稱為基線baseline）後與右攝像機重合。
由空間點A及左右兩攝像機的光心Ol、Or確定的極平面（Epipolar plane）分別與左右成像平面Cl、Cr的交線pl、pr為共軛極線對，它們分別與各自成像平面的坐標軸ul、ur平行且共線。在這種理想的結構形式中，左右攝像機配置的幾何關系最為簡單，極線已具有很好的性質，為尋找對象點A在左右成像平面上的投影點al和ar之間的匹配關系提供了非常便利的條件。
5. 雙目立體視覺智能視頻分析技術
恢復場景的3D信息是立體視覺研究中最基本的目標，為實現這一目標，一個完整的立體視覺系統通常包含六個模塊：圖像獲取、攝像機標定、特徵提取、立體匹配、三維恢復和視頻分析（運動檢測、運動跟蹤、規則判斷、報警處理）。
5.1. 圖像獲取（ImageAcquisition）
數字圖像的獲取是立體視覺的信息來源。常用的立體視覺圖像一般為雙目圖像，有的採用多目圖像。圖像獲取的方式有多種，主要由具體運用的場合和目的決定。立體圖像的獲取不僅要滿足應用要求，而且要考慮視點差異、光照條件、攝像機性能和場景特點等方面的影響。
5.2. 攝像機標定（CameraCalibration）
立體視覺系統攝像機標定是指對三維場景中對象點在左右攝像機圖像平面上的坐標位置al(ul，vl)、ar(ur，vr)與其世界空間坐標A(X，Y，Z)之間的映射關系的確立，是實現立體視覺三維模型重構中基本且關鍵的一步。
5.3. 特徵提取（FeatureAcquisition）
特徵提取的目的是要獲取匹配賴以進行的圖像特徵，圖像特徵的性質與圖像匹配的方法選擇有著密切的聯系。目前，還沒有建立起一種普遍適用的獲取圖像特徵的理論，因此導致了立體視覺研究領域中匹配特徵的多樣化。特徵可以是像素相位匹配是近二十年才發展起來的一類匹配演算法。相位作為匹配基元，本身反映信號的結構信息，對圖像的高頻雜訊有很好的抑製作用，適於並行處理，能獲得亞像素級精度的緻密視差。但存在相位奇點和相位卷繞的問題，需加入自適應濾波器解決。或者是像素的集合，也可以是它們的抽象表達，如圖像結構、圖像目標和關系結構等。常用的匹配特徵主要有點狀特徵、線狀特徵和區域特徵等幾種情形。
一般而言，尺度較大的圖像特徵蘊含較多的圖像信息，且特徵本身的數目較少，匹配效率高；但特徵的提取和描述過程存在較大的困難，定位精度也較差。而對於尺度較小的圖像特徵來說，對其進行表達和描述相對簡單，定位精度較高；但由於其本身數目較多，所包含的圖像信息少，在匹配時需要採用較嚴格的約束條件和匹配策略，以盡可能地減少匹配歧義和提高匹配效率。總的來說，好的匹配特徵應該具有要可區分性、不變性、唯一性以及有效解決匹配歧義的能力。
5.4. 圖像匹配（ImageMatching）
在立體視覺中（圖二、圖三），圖像匹配是指將三維空間中一點A(X，Y，Z)在左右攝像機的成像面Cl和Cr上的像點al(ul，vl)和ar(ur，vr)對應起來。圖像匹配是立體視覺中最重要也是最困難的問題，一直是立體視覺研究的焦點。當空間三維場景經過透視投影（PerspectiveProjection）變換為二維圖像時，同一景物在不同視點的攝像機圖像平面上的成像會發生不同程度的扭曲和變形，而且場景中的光照條件、被測對象的幾何形狀和表面特性、雜訊干擾和畸變、攝像機特性等諸多因素的影響都被集中體現在單一的圖像灰度值中。顯然，要對包含了如此之多不利因素的圖像進行准確匹配是很不容易的。
5.5. 三維恢復（3DReconstruction）
在完成立體視覺系統的攝像機標定和圖像匹配工作以後，就可以進行被測對象表面點的三維信息恢復。影響三維測量精度的因素主要有攝像機標定誤差、CCD成像設備的數字量化效應、特徵提取和匹配定位精度等。
5.6. 視頻分析（運動檢測、運動跟蹤、規則判斷、報警處理）
通過視差計算，得到全屏幕的視差圖像後，採用背景建模的方式，得到運動前景物體的視差圖像，再進行膨脹和腐蝕演算法進行圖像預處理，得到完整的可供分析的前景運動物體視差圖。採用運動跟蹤演算法，全屏實時檢測物體的大小、運動軌跡，並與事先設置的規則進行對比，如果有人進入或離開設置報警區域，系統則實時報警。
5.7. 視差效果圖：
註：過濾掉距離地面60cm以內，200cm以上的視差值，即檢測范圍為60－200cm之間。故左邊蹲下的人沒有視差值。
❺ 通過雙目攝像頭，通過對運動物體進行拍照的方式，能否精確計算出物體的三維空間速度，以及自旋角速度
第一、物體的三維空間速度需要根據物體在空間的三維坐標來計算，通過雙目視覺的方式來獲取被測對象的三維坐標進行計算，原理上是完全行得通的。精確度跟以下幾點有關：
1、圖像獲取幀率：每秒鍾獲取的圖像幀數越多，對被測物的位置描述就越精確；
2、運動速度較高，要想清晰的抓拍到，對相機的曝光方式和曝光時間要求較高，需要用比較好的硬體設備；
3、最終三維坐標的測量精度和雙目系統的標定精度、立體匹配演算法、相機解析度、基線距離等都有關系。
第二、自轉角速度測量。這個比較難，因為物體在空間中的轉動是隨機的，採用雙目視覺沒有辦法把球體表面的所有特徵點都獲取到。也就是說沒有辦法獲取到同一個點的序列三維坐標。
綜上，把被測對象簡化為一個點來計算其序列三維空間坐標只要硬體配置的好，還是可以解決的。但是檢測被測對象自身的信息還是比較難得。
❻ 雙目視覺測距原理
單目測距原理：
先通過圖像匹配進行目標識別（各種車型、行人、物體等），再通過目標在圖像中的大小去估算目標距離。這就要求在估算距離之前首先對目標進行准確識別，是汽車還是行人，是貨車、SUV還是小轎車。准確識別是准確估算距離的第一步。要做到這一點，就需要建立並不斷維護一個龐大的樣本特徵資料庫，保證這個資料庫包含待識別目標的全部特徵數據。比如在一些特殊地區，為了專門檢測大型動物，必須先行建立大型動物的資料庫；而對於另外某些區域存在一些非常規車型，也要先將這些車型的特徵數據加入到資料庫中。如果缺乏待識別目標的特徵數據，就會導致系統無法對這些車型、物體、障礙物進行識別，從而也就無法准確估算這些目標的距離。
單/雙目方案的優點與難點
從上面的介紹，單目系統的優勢在於成本較低，對計算資源的要求不高，系統結構相對簡單；缺點是：（1）需要不斷更新和維護一個龐大的樣本資料庫，才能保證系統達到較高的識別率；（2）無法對非標准障礙物進行判斷；（3）距離並非真正意義上的測量，准確度較低。
雙目檢測原理：
通過對兩幅圖像視差的計算，直接對前方景物（圖像所拍攝到的范圍）進行距離測量，而無需判斷前方出現的是什麼類型的障礙物。所以對於任何類型的障礙物，都能根據距離信息的變化，進行必要的預警或制動。雙目攝像頭的原理與人眼相似。人眼能夠感知物體的遠近，是由於兩隻眼睛對同一個物體呈現的圖像存在差異，也稱「視差」。物體距離越遠，視差越小；反之，視差越大。視差的大小對應著物體與眼睛之間距離的遠近，這也是3D電影能夠使人有立體層次感知的原因。
上圖中的人和椰子樹，人在前，椰子樹在後，最下方是雙目相機中的成像。其中，右側相機成像中人在樹的左側，左側相機成像中人在樹的右側，這是因為雙目的角度不一樣。再通過對比兩幅圖像就可以知道人眼觀察樹的時候視差小，而觀察人時視差大。因為樹的距離遠，人的距離近。這就是雙目三角測距的原理。雙目系統對目標物體距離感知是一種絕對的測量，而非估算。
理想雙目相機成像模型
根據三角形相似定律：
根據上述推導，要求得空間點P離相機的距離（深度）z，必須知道：
1、相機焦距f，左右相機基線b（可以通過先驗信息或者相機標定得到）。
2、視差 ：，即左相機像素點(xl, yl)和右相機中對應點(xr, yr)的關系，這是雙目視覺的核心問題。
重點來看一下視差（disparity），視差是同一個空間點在兩個相機成像中對應的x坐標的差值，它可以通過編碼成灰度圖來反映出距離的遠近，離鏡頭越近的灰度越亮；
極線約束
對於左圖中的一個像素點，如何確定該點在右圖中的位置？需要在整個圖像中地毯式搜索嗎？當然不用，此時需要用到極線約束。
如上圖所示。O1，O2是兩個相機，P是空間中的一個點，P和兩個相機中心點O1、O2形成了三維空間中的一個平面PO1O2，稱為極平面（Epipolar plane）。極平面和兩幅圖像相交於兩條直線，這兩條直線稱為極線(Epipolar line)。
P在相機O1中的成像點是P1，在相機O2中的成像點是P2，但是P的位置是未知的。我們的目標是：對於左圖的P1點，尋找它在右圖中的對應點P2，這樣就能確定P點的空間位置。
極線約束（Epipolar Constraint）是指當空間點在兩幅圖像上分別成像時，已知左圖投影點p1，那麼對應右圖投影點p2一定在相對於p1的極線上，這樣可以極大的縮小匹配范圍。即P2一定在對應極線上，所以只需要沿著極線搜索便可以找到P1的對應點P2。
❼ 什麼是立體視覺
立體視覺是雙眼觀察景物能分辨物體遠近形態的感覺。
立體視覺是計算機視覺領域的一個重要課題，它的目的在於重構場景的三維幾何信息。立體視覺的研究具有重要的應用價值，其應用包括移動機器人的自主導航系統，航空及遙感測量，工業自動化系統等。
正常值
假如被測試者的立體視功能正常，就能迅速而正確地找出這幅圖案，以此確定其立體視敏度為多少秒，正常為100s，此檢測的優點是不需戴非凡眼鏡，能很快地查出被檢者有無立體視覺。
臨床意義
異常結果：眼球震動，斜視，對眼，看東西歪頭眯眼，沒有立體感，眼手協調差。 需要檢查的人群：立體視覺缺失(立體盲)。
注意事項
不合宜人群：沒有特殊說明。 檢查前禁忌：發現這種現象，切忌拖延。 檢查時要求：注意定向方向。
檢查過程
通常可用：(1) 同視機檢查：可檢查雙眼視功能，包括同時視、融像、立體視三級視功能。檢查立體視覺時需用立體視畫片。可根據同視機檢查說明進行，得出結果後加以判定。(2) 立體視覺檢查器：由三塊厚薄不同的測驗板組成，每塊板印有四幅隨意網路結構圖案，其中一幅圖案的中間是凸出來的(從另一面看是凹進去的)。
一般而言，立體視覺的研究有如下三類方法:
(1) 直接利用測距器（如激光測距儀）獲得程距（range data）信息，建立三維描述的方法;
(2) 僅利用一幅圖象所提供的信息推斷三維形狀的方法;
(3) 利用不同視點上的，也許是不同時間拍攝的，兩幅或更多幅圖象提供的信息重構三維結構的方法。
第一類方法，也就是程距法 (range data method)，根據已知的深度圖，用數值逼近的方法重建表面信息，根據模型建立場景中的物體描述，實現圖象理解功能。這是一種主動方式的立體視覺方法，其深度圖是由測距器(range finders)獲得的，如結構光(structured light)、激光測距器(laser range finders) 等其他主動感測技術 (active sensing techniques)。這類方法適用於嚴格控制下的環境(tightlycontrolled domains)，如工業自動化的應用方面。
第二類方法，依據光學成象的透視原理及統計假設，根據場景中灰度變化導出物體輪廓及表面，由影到形(shape from shading)，從而推斷場景中的物體。線條圖的理解就是這樣的一個典型問題，曾經引起了普遍的重視而成為計算機視覺研究領域的一個焦點，由此產生了各種各樣的線條標注法。這種方法的結果是定性的，不能確定位置等定量信息，該方法由於受到單一圖象所能提供信息的局限性，存在難以克服的困難。
第三類方法，利用多幅圖象來恢復三維信息的方法，它是被動方式的。根據圖象獲取方式的區別又可以劃分成普通立體視覺和通常所稱的光流(optical flow)兩大類。普通立體視覺研究的是由兩攝像機同時拍攝下的兩幅圖象，而光流法中研究的是單個攝像機沿任一軌道運動時順序拍下的兩幅或更多幅圖象。前者可以看作後者的一個特例，它們具有相同的幾何構形，研究方法具有共同點。雙目立體視覺是它的一個特例。
❽ 雙目視覺的匹配演算法是不是有好幾種具體是哪幾種
與普通的圖像模板匹配不同的是，立體匹配是通過在兩幅或多幅存在視點差異、幾何畸變、灰度畸變、雜訊干擾的圖像對之間進行的，不存在任何標准模板進行匹配。立體匹配方法一般包含以下三個問題:(1)基元的選擇，即選擇適當的圖像特徵如點、直線、相位等作為匹配基元;(2)匹配的准則，將關於物理世界的某些固有特徵表示為匹配所必須遵循的若干規則，使匹配結果能真實反映景物的本來面目;(3)演算法結構，通過利用適當的數學方法設計能正確匹配所選擇基元的穩定演算法。
根據匹配基元的不同，立體視覺匹配演算法目前主要分為三大類,即區域匹配、相位匹配和特徵匹配:
基於區域灰度的匹配演算法是把一幅圖像(基準圖)中某一點的灰度鄰域作為模板，在另一幅圖像(待匹配圖)中搜索具有相同(或相似)灰度值分布的對應點鄰域，從而實現兩幅圖像的匹配。這類演算法的性能取決於度量演算法及搜索策略的選擇。另外，也必須考慮匹配窗口大小、形式的選擇，大窗口對於景物中存在的遮擋或圖像不光滑的情況會更多的出現誤匹配，小窗口則不具有足夠的灰度變化信息，不同的窗口形式對匹配信息也會有不同的影響。因此應該合理選取匹配區域的大小和形式來達到較好的匹配結果。
相位匹配是近二十年發展起來的一種匹配演算法，相位作為匹配基元，即認為圖像對中的對應點局部相位是一致的。最常用的相位匹配演算法有相位相關法和相位差——頻率法，雖然該方法是一種性能穩定、具有較強的抗輻射抗透視畸變能力、簡單高效、能得到稠密視差圖的特徵匹配方法。但是，當局部結構存在的假設不成立時，相位匹配演算法因帶通輸出信號的幅度太低而失去有效性，也就是通常提到的相位奇點問題，在相位奇點附近，相位信息對位置和頻率的變化極為敏感，因此用這些像素所確定的相位差異來衡量匹配誤差將導致極不可靠的結果。此外，相位匹配演算法的收斂范圍與帶通濾波器的波長有關，通常要考慮相位卷繞，在用相位差進行視差計算時，由於所採用的相位只是原信號某一帶通條件下的相位，故視差估計只能限制在某一限定范圍之內，隨視差范圍的增大，其精確性會有所下降。
基於特徵的圖像匹配方法是目前最常用的方法之一，由於它能夠將對整個圖像進行的各種分析轉化為對圖像特徵(特徵點、特徵曲線等)的分析的優點，從而大大減小了圖像處理過程的計算量，對灰度變化、圖像變形、噪音污染以及景物遮擋等都有較好的適應能力。
基於特徵的匹配方法是為使匹配過程滿足一定的抗噪能力且減少歧義性問題而提出來的。與基於區域的匹配方法不同，基於特徵的匹配方法是有選擇地匹配能表示景物自身特性的特徵，通過更多地強調空間景物的結構信息來解決匹配歧義性問題。這類方法將匹配的搜索范圍限制在一系列稀疏的特徵上。利用特徵間的距離作為度量手段，具有最小距離的特徵對就是最相近的特徵對，也就是匹配對。特徵間的距離度量有最大最小距離、歐氏距離等。
特徵點匹配演算法嚴格意義上可以分成特徵提取、特徵匹配和消除不良匹配點三步。特徵匹配不直接依賴於灰度，具有較強的抗干擾性。該類方法首先從待匹配的圖像中提取特徵，用相似性度量和一些約束條件確定幾何變換，最後將該變換作用於待匹配圖像。匹配中常用的特徵基元有角點、邊緣、輪廓、直線、顏色、紋理等。同時，特徵匹配演算法也同樣地存在著一些不足，主要表現為:
(l)特徵在圖像中的稀疏性決定了特徵匹配只能得到稀疏的視差場，要獲得密集的視差場必須通過使用插值的過程，插值過程通常較為復雜。
(2)特徵的提取和定位的准確與否直接影響特徵匹配結果的精確度。
(3)由於其應用場合的局限性，特徵匹配往往適用於具有特徵信息顯著的環境中，在缺少顯著主導特徵環境中該方法有很大困難。
總之，特徵匹配基元包含了演算法編程上的靈活性以及令人滿意的統計特性。演算法的許多約束條件均能清楚地應用於數據結構，而數據結構的規則性使得特徵匹配非常適用於硬體設計。例如，基於線段的特徵匹配演算法將場景模型描繪成相互聯結的邊緣線段，而不是區域匹配中的平面模型，因此能很好地處理一些幾何畸變問題，對對比度和明顯的光照變化等相對穩定。特徵匹配由於不直接依賴於灰度，計算量小，比基於區域的匹配演算法速度快的多。且由於邊緣特徵往往出現在視差不連續的區域，特徵匹配較易處理立體視覺匹配中的視差不連續問題。
❾ 雙目視覺原理進行表面形貌測量需要經歷哪些主要步驟每個步驟的主要任務是什麼
1. 什麼是視覺
視覺是一個古老的研究課題，同時又是人類觀察世界、認知世界的重要功能和手段。人類從外界獲得的信息約有75%來自視覺系統，用機器模擬人類的視覺功能是人們多年的夢想。視覺神經生理學，視覺心裡學，特別是計算機技術、數字圖像處理、計算機圖形學、人工智慧等學科的發展，為利用計算機實現模擬人類的視覺成為可能。在現代工業自動化生產過程中，計算機視覺正成為一種提高生產效率和檢驗產品質量的關鍵技術之一，如機器零件的自動檢測、智能機器人控制、生產線的自動監控等;在國防和航天等領域，計算機視覺也具有較重要的意義，如運動目標的自動跟蹤與識別、自主車導航及空間機器人的視覺控制等。
人類視覺過程可以看作是一個從感覺到知覺的復雜過程，從狹義上來說視覺的最終目的是要對場景作出對觀察者有意義的解釋和描述；從廣義上說，是根據周圍的環境和觀察者的意願，在解釋和描述的基礎上做出行為規劃或行為決策。計算機視覺研究的目的使計算機具有通過二維圖像信息來認知三維環境信息的能力，這種能力不僅使機器能感知三維環境中物體的幾何信息(如形狀、位置、姿態運動等)，而且能進一步對它們進行描述、存儲、識別與理解，計算機視覺己經發展起一套獨立的計算理論與演算法。
2. 什麼是計算機雙目立體視覺
雙目立體視覺(Binocular Stereo Vision)是機器視覺的一種重要形式，它是基於視差原理並利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。融合兩隻眼睛獲得的圖像並觀察它們之間的差別，使我們可以獲得明顯的深度感，建立特徵間的對應關系，將同一空間物理點在不同圖像中的映像點對應起來，這個差別，我們稱作視差(Disparity)圖像。
雙目立體視覺測量方法具有效率高、精度合適、系統結構簡單、成本低等優點，非常適合於製造現場的在線、非接觸產品檢測和質量控制。對運動物體（包括動物和人體形體）測量中，由於圖像獲取是在瞬間完成的，因此立體視覺方法是一種更有效的測量方法。雙目立體視覺系統是計算機視覺的關鍵技術之一，獲取空間三維場景的距離信息也是計算機視覺研究中最基礎的內容。
雙目立體視覺的開創性工作始於上世紀的60年代中期。美國MIT的Roberts通過從數字圖像中提取立方體、楔形體和稜柱體等簡單規則多面體的三維結構，並對物體的形狀和空間關系進行描述，把過去的簡單二維圖像分析推廣到了復雜的三維場景，標志著立體視覺技術的誕生。隨著研究的深入，研究的范圍從邊緣、角點等特徵的提取，線條、平面、曲面等幾何要素的分析，直到對圖像明暗、紋理、運動和成像幾何等進行分析，並建立起各種數據結構和推理規則。特別是上世紀80年代初，Marr首次將圖像處理、心理物理學、神經生理學和臨床精神病學的研究成果從信息處理的角度進行概括，創立了視覺計算理論框架。這一基本理論對立體視覺技術的發展產生了極大的推動作用，在這一領域已形成了從圖像的獲取到最終的三維場景可視表面重構的完整體系，使得立體視覺已成為計算機視覺中一個非常重要的分支。
3、總結
經過幾十年來的發展，立體視覺在機器人視覺、航空測繪、反求工程、軍事運用、醫學成像和工業檢測等領域中的運用越來越廣。
以視覺系統為基礎的三維非接觸式高速測量是一個重要的研究方向，雙目立體視覺方法是其中一種最常用的方法。為了能夠將這些技術應用在實際的無人機項目中，需要盡可能提高演算法的效率與精度。（俊鷹無人機）
❿ 雙目立體視覺可以測障礙物高度嗎
與普通的圖像模板匹配不同的是，立體匹配是通過在兩幅或多幅存在視點差異、幾何畸變、灰度畸變、雜訊干擾的圖像對之間進行的，不存在任何標准模板進行匹配。立體匹配方法一般包含以下三個問題:(1)基元的選擇，即選擇適當的圖像特徵如點、直線、相位等作為匹配基元;(2)匹配的准則，將關於物理世界的某些固有特徵表示為匹配所必須遵循的若干規則，使匹配結果能真實反映景物的本來面目;(3)演算法結構，通過利用適當的數學方法設計能正確匹配所選擇基元的穩定演算法。 根據匹配基元的不同，立體視覺匹配演算法目前主要分為三大類,即區域匹配、相位匹配和特徵匹配: 基於區域灰度的匹配演算法是把一幅圖像(基準圖)中某一點的灰度鄰域作為模板，在另一幅圖像(待匹配圖)中搜索具有相同(或相似)灰度值分布的對應點鄰域，從而實現兩幅圖像的匹配。