摘要:将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法,以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解,即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后,针对滤波后残余的细节,对提升小波重构后的平滑图像再次进行引导滤波,以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性,从整体上提高了图像的对比对和视觉效果,有效恢复了场景信息并保留场景的边缘信息。另外,该方法改善了客观评价指标,其对比度增强系数指标平均提升了0.1以上,场景结构相似度平均提升了1以上,而LOE(Lightness Order Error)参数降低了10以上,满足了去雾应用的视觉需求。
摘要:针对机器人视觉系统外参数标定的问题,提出了基于单目视觉ORB-SLAM的差分GPS辅助相机外参数标定方法。分析了单目视觉ORB-SLAM和GPS(Global Position System)定位数据之间的相似关系,建立了相机外参数标定的非线性最小二乘模型。基于随机采样一致性(RANSAC),通过三点法求得模型的初始解。设计了Levenberg-Marquardt(LM)迭代算法求解出最优解,从而得到了最优的相机相对位置和姿态参数。最后,对提出的方法进行仿真和跑车试验验证。结果表明:在试验半径为50 m时,所设计标定方法的姿态标定精度可达0.1°,位置标定精度可达0.2%。该方法标定过程简单实用,不需要外界环境的先验信息和人工干预,具有很高的精度和显著的应用价值。