月球车视觉导航：宽基线立体视觉三维重建方法

"基于宽基线立体视觉的远距离三维重建 (2010年)，浙江大学学报(工学版)，王炜强，徐进，杜散，刘济林" 本文主要探讨了在月球车视觉导航中远距离场景的三维重建问题，提出了一种创新的基于宽基线立体视觉的方法。该方法的核心在于结合相机自标定技术，解决了传统立体视觉在远距离重建中的挑战。 首先，研究者提取了立体图像对的尺寸不变性特征（SIFT，Scale-Invariant Feature Transform）并进行匹配。SIFT特征是一种鲁棒的图像描述符，能够在尺度空间和光照变化下保持稳定，有助于识别和匹配图像中的关键点。通过匹配这些特征点，可以建立左右图像间的对应关系，这是立体视觉重建的基础。 接下来，利用外极线几何约束来描述立体图像的校正过程。外极线是两个视图中对应点连线的集合，提供了图像间关系的几何约束。通过直射变换校正图像，研究人员应用了Levenberg-Marquardt（LM）算法来最小化Sampson误差，从而估计相机参数并校正图像。LM算法是一种优化方法，适用于非线性最小二乘问题，能够有效地找到最佳解。 然后，对校正后的图像执行宽基线立体匹配。宽基线是指两台相机之间的大角度分离，它可以提高深度分辨率，但同时也增加了匹配的难度。为此，研究采用了种子像素视差扩张算法，这是一种有效的匹配策略，可以从已知的种子像素开始，逐步扩大匹配区域，从而确定整个图像的视差图。 最后，根据匹配得到的视差信息，可以重建出目标场景的三维结构。实验结果证明，这种方法成功地解决了月球车相机的现场标定问题，且对光照差异、透视畸变和遮挡等问题具有较好的适应性，尤其在远距离如山脉等自然场景的三维重建中表现出较高的精度。 该研究提出的宽基线立体视觉方法对于月球车导航的远距离三维重建具有重大意义，不仅克服了现场标定的困难，还提升了立体匹配和重建的准确性。这一技术的应用有望进一步推动航天器自主导航和远程环境感知的技术发展。