基於未矯正圖像的立體匹配

立體視覺是一種重要的非接觸測距技術，廣泛應用於工業生產自動化、無人汽車自主導航、航空攝影測量等領域。立體匹配是立體視覺系統中最關鍵的技術，用以獲取場景圖像之深度資訊。在進行立體匹配之前，通常需要進行極線矯正，以消除場景的垂直視差；然而，在當場景的紋理性較弱時，極線矯正方法常失效。若能克服傳統立體視覺中立體匹配演算法的局限性，可提升立體視覺的適用性。本兩年計畫的總目標為開發基於未矯正圖像的有效二維立體匹配演算法，計畫分年目標為：第一年：為了避免單一校準方法對於立體視覺系統精度的不利影響，擬結合棋盤格校準法與粒子群最佳化演算法，研究非平行雙目視覺系統與二維視差之間的關係，建立合理的雙目視覺系統，以便提出性能較佳的二維立體匹配演算法。此外，為了提升立體匹配的精度，參考現有的一維立體匹配代價聚合原理，採用具有保留邊緣特性的引導濾波模型，以建立二維立體匹配代價聚合的模型；同時結合特徵點匹配方法與二維立體匹配所得的視差圖，研究合理評估二維匹配演算法之匹配性能的方法。第二年：探討深度學習技術在二維立體匹配演算法的應用。預計結合自動編碼器 (Autoencoder orDiabolo Network)、卷積神經網路 (Convolutional Neural Networks; CNN) 等不同類型的深度學習模型，進行學習訓練，挖掘出隱含在場景中的匹配特徵資訊，使演算法在應用於複雜多變場景的匹配時，可以獲得穩健的匹配效果。第一年所獲二維匹配演算法之匹配性能的評估方法將用於這些類神經網路的訓練。最後，將進行公認的基準影像組和具有挑戰性的實際拍攝影像組的實驗，以確認開發之演算法的正確性和效能。

系統編號:PB10703-1482
原計畫編號:MOST106-2221-E182-033