Delaunay三角剖分与仿射约束在立体匹配中的应用

"本文提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法，用于解决特征相同多物体的同名点匹配问题，适用于野外大视场、远距离、随机出现的物体定位。该方法结合ASIFT算法获取左右图像匹配点，通过Delaunay三角剖分构建三角网格，并计算仿射矩阵，利用仿射约束优化同名点匹配，实现了快速高精度的匹配效果。实验表明，方法能在30ms内完成匹配，满足实时处理要求，尤其适用于超大三维空间中弧形坡面上的匹配问题。" 在机器视觉领域，立体匹配是获取三维信息的关键技术之一。本文针对特征相同但位置随机的多物体定位问题，提出了一种创新的解决方案。首先，采用仿射尺度不变特征变换(ASIFT)算法，这是一种能够抵抗仿射变换影响的特征匹配方法，能有效处理因视角变化、光照不均等因素导致的图像失真，从而在左右背景图像中找到匹配点。 接下来，文章引入了Delaunay三角剖分算法，通过对匹配点进行三角化，将二维空间划分为多个三角形区域。这样的三角网格结构有助于后续处理，因为它提供了一个局部邻域框架，便于分析点之间的相对关系。 在每个匹配的三角形区域内，计算仿射矩阵，这一步骤可以帮助捕捉局部的几何特性。仿射矩阵描述了图像区域内的线性变换，包括平移、缩放和旋转，但不考虑透视变形。通过比较不同三角形内的仿射矩阵，可以推断出多物体同名点的分布规律。 关键在于利用仿射约束来实现同名点的精确匹配。由于同名点在不同的三角形区域内应保持一致的仿射属性，通过比较这些属性，可以排除错误匹配，提高匹配的准确性。这种方法特别适用于特征相同但位置随机的多物体场景，因为它能够在大规模的匹配点集中找出正确的对应关系。 实验结果证明了该方法的效率和精度，多物体同名点的提取和实时匹配时间仅为30ms，满足了25帧/秒的实时处理速度，这对于实时的视觉系统来说是非常重要的。此外，该方法成功解决了超大三维空间中，特别是在弧形坡面等复杂环境下的匹配问题，显示了其在实际应用中的广阔前景。 这篇论文贡献了一种新的立体匹配策略，结合了Delaunay三角剖分和仿射约束，为特征相同的多物体同名点匹配提供了有效的解决方案，对于提升机器视觉系统在野外环境中的定位能力具有重要意义。