主动视觉与双目视觉：图像三维重建研究

"这篇硕士学位论文主要探讨了基于双目视觉的图像三维重建技术，由山东大学的马林撰写，导师为张彩明。论文指出，双目视觉技术是通过两幅或更多幅图像来恢复场景的三维信息，广泛应用于计算机视觉、图形学和虚拟现实等领域。与结构光视觉技术相比，双目视觉无需额外投射光线，具有更好的隐蔽性和优势。论文主要集中在匹配和去噪两个关键问题上，并提出了一种新的基于双向双极线的匹配技术，旨在解决匹配歧义性和遮挡问题。此外，论文还介绍了一种快速的匹配优化方法和一种检测机制，用于去除偏差较大的匹配情况。实验结果显示，该算法在规则场景和边缘清晰的情况下能获得良好的匹配效果。" 在计算机视觉领域，三维重建是一项基础且重要的任务，它涉及到如何从二维图像中恢复出场景的三维几何信息。Mart框架，由Marr提出，是一个早期的视觉理论模型，但存在被动输入、单一加工目标、忽视高层知识指导和单向信息流等问题。为解决这些问题，论文提出了改进的Mart框架，强调主动视觉的概念，即视觉系统可根据需求调整视角，增加反馈机制和高层知识的运用。 双目视觉作为三维重建的一种方法，依赖于视差原理，即通过比较不同视角下的图像寻找对应点来计算深度信息。然而，由于场景的复杂性、采样限制和光照变化等因素，匹配像点成为一大挑战。论文中提到的新方法——双向双极线匹配技术，利用极线跳变点匹配来减少遮挡和噪声的影响，同时，这种方法对光照变化的敏感度较低，增强了匹配的鲁棒性。 匹配算法通常包括迭代优化和动态规划等策略，但这些方法计算量大，不适合实时重建。论文提出的匹配方式则通过跳变点而非像点匹配，减少了匹配元素，并通过插值方法加速匹配过程，实现了线性时间内的匹配完成。此外，论文还设计了一种新的检测机制，能够有效剔除匹配误差较大的情况。 通过实验验证，论文提出的算法在规则场景和边缘清晰的条件下表现出色，但在不规则场景或边缘模糊的情况下，性能可能会受到影响。这表明，双目视觉的匹配问题仍有待进一步优化，特别是在处理复杂和变化的环境时。未来的研究可能需要探索更高级的特征描述、更智能的匹配策略以及更高效的计算方法，以提高三维重建的准确性和鲁棒性。