立體匹配成像的計算方法

A. 凹透鏡焦距的計算方法

1、通過透鏡的成像規律來計算焦距：1/f=1/u+1/v
。（f是焦距，u是物距，v是相距）
2、對在空氣中厚度為d，曲率半徑為R1和R2的透鏡，有效焦距為：1/f=(n－1)[1/R₁－1/R₂+(n－1)d/nR₁R₂]
此處n是透鏡材料的折射率，數值1/f就是這個透鏡的光學倍率，f是焦距。
已知折射率n、曲率半徑R就可根據公式求出焦距f。
(1)立體匹配成像的計算方法擴展閱讀
凹透鏡所成的像總是小於物體的、直立的虛像，凹透鏡主要用於矯正近視眼。近視眼主要是由於晶狀體的變形，導致光線過早的集合在了視網膜的前面。凹透鏡則起到了發散光線的作用，使像距變長，恰好落在視網膜上了。
凹透鏡成像的幾何作圖與凸透鏡者原則相同。從物體的頂端亦作為兩條直線：一條平行於主光軸，經過凹透鏡後偏折為發散光線，將此折射光線相反方向返回至主焦點;另一條通過透鏡的光學中心點，這兩條直線相交於一點，此為物體的像。
參考資料來源：搜狗網路-焦距
參考資料來源：搜狗網路-凹透鏡

B. 雙目立體視覺的簡單介紹

雙目立體視覺的簡單介紹

1. 什麼是視覺

視覺是一個古老的研究課題，同時又是人類觀察世界、認知世界的重要功能和手段。人類從外界獲得的信息約有75%來自視覺系統，用機器模擬人類的視覺功能是人們多年的夢想。視覺神經生理學，視覺心裡學，特別是計算機技術、數字圖像處理、計算機圖形學、人工智慧等學科的發展，為利用計算機實現模擬人類的視覺成為可能。在現代工業自動化生產過程中，計算機視覺正成為一種提高生產效率和檢驗產品質量的關鍵技術之一，如機器零件的自動檢測、智能機器人控制、生產線的自動監控等;在國防和航天等領域，計算機視覺也具有較重要的意義，如運動目標的自動跟蹤與識別、自主車導航及空間機器人的視覺控制等。

人類視覺過程可以看作是一個從感覺到知覺的復雜過程，從狹義上來說視覺的最終目的是要對場景作出對觀察者有意義的解釋和描述；從廣義上說，是根據周圍的環境和觀察者的意願，在解釋和描述的基礎上做出行為規劃或行為決策。計算機視覺研究的目的使計算機具有通過二維圖像信息來認知三維環境信息的能力，這種能力不僅使機器能感知三維環境中物體的幾何信息(如形狀、位置、姿態運動等)，而且能進一步對它們進行描述、存儲、識別與理解，計算機視覺己經發展起一套獨立的計算理論與演算法。

2. 什麼是計算機雙目立體視覺

雙目立體視覺 (Binocular StereoVision)是機器視覺的一種重要形式，它是基於視差原理並利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。融合兩隻眼睛獲得的圖像並觀察它們之間的差別，使我們可以獲得明顯的深度感，建立特徵間的對應關系，將同一空間物理點在不同圖像中的映像點對應起來，這個差別，我們稱作視差(Disparity)圖像，如圖一。

雙目立體視覺 測量方法具有效率高、精度合適、系統結構簡單、成本低等優點，非常適合於製造現場的在線、非接觸產品檢測和質量控制。對運動物體（包括動物和人體形體）測量中，由於圖像獲取是在瞬間完成的，因此立體視覺方法是一種更有效的測量方法。

雙目立體視覺 系統是計算機視覺的關鍵技術之一，獲取空間三維場景的距離信息也是計算機視覺研究中最基礎的內容。

雙目立體視覺 的開創性工作始於上世紀的60年代中期。美國MIT的Roberts通過從數字圖像中提取立方體、楔形體和稜柱體等簡單規則多面體的三維結構，並對物體的形狀和空間關系進行描述，把過去的簡單二維圖像分析推廣到了復雜的三維場景，標志著立體視覺技術的誕生。隨著研究的深入，研究的范圍從邊緣、角點等特徵的提取，線條、平面、曲面等幾何要素的分析，直到對圖像明暗、紋理、運動和成像幾何等進行分析，並建立起各種數據結構和推理規則。特別是上世紀80年代初，Marr首次將圖像處理、心理物理學、神經生理學和臨床精神病學的研究成果從信息處理的角度進行概括，創立了視覺計算理論框架。這一基本理論對立體視覺技術的發展產生了極大的推動作用，在這一領域已形成了從圖像的獲取到最終的三維場景可視表面重構的完整體系，使得立體視覺已成為計算機視覺中一個非常重要的分支。

經過幾十年來的發展，立體視覺在機器人視覺、航空測繪、反求工程、軍事運用、醫學成像和工業檢測等領域中的運用越來越廣。

3. 雙目立體視覺系統

立體視覺系統由左右兩部攝像機組成。如圖二所示，圖中分別以下標l和r標注左、右攝像機的相應參數。世界空間中一點A(X，Y，Z)在左右攝像機的成像面Cl和Cr上的像點分別為al(ul，vl)和ar(ur，vr)。這兩個像點是世界空間中同一個對象點A的像，稱為「共軛點」。知道了這兩個共軛像點，分別作它們與各自相機的光心Ol和Or的連線，即投影線alOl和arOr，它們的交點即為世界空間中的對象點A(X，Y，Z)。這就是立體視覺的基本原理。

4. 博安盈雙目立體視覺系統：平行光軸的系統結構

在平行光軸的立體視覺系統中（圖三），左右兩台攝像機的焦距及其它內部參數均相等，光軸與攝像機的成像平面垂直，兩台攝像機的x軸重合，y軸相互平行，因此將左攝像機沿著其x軸方向平移一段距離b（稱為基線baseline）後與右攝像機重合。

由空間點A及左右兩攝像機的光心Ol、Or確定的極平面（Epipolar plane）分別與左右成像平面Cl、Cr的交線pl、pr為共軛極線對，它們分別與各自成像平面的坐標軸ul、ur平行且共線。在這種理想的結構形式中，左右攝像機配置的幾何關系最為簡單，極線已具有很好的性質，為尋找對象點A在左右成像平面上的投影點al和ar之間的匹配關系提供了非常便利的條件。

5. 雙目立體視覺智能視頻分析技術

恢復場景的3D信息是立體視覺研究中最基本的目標，為實現這一目標，一個完整的立體視覺系統通常包含六個模塊：圖像獲取、攝像機標定、特徵提取、立體匹配、三維恢復和視頻分析（運動檢測、運動跟蹤、規則判斷、報警處理）。

5.1. 圖像獲取（ImageAcquisition）

數字圖像的獲取是立體視覺的信息來源。常用的立體視覺圖像一般為雙目圖像，有的採用多目圖像。圖像獲取的方式有多種，主要由具體運用的場合和目的決定。立體圖像的獲取不僅要滿足應用要求，而且要考慮視點差異、光照條件、攝像機性能和場景特點等方面的影響。

5.2. 攝像機標定（CameraCalibration）

立體視覺系統攝像機標定是指對三維場景中對象點在左右攝像機圖像平面上的坐標位置al(ul，vl)、ar(ur，vr)與其世界空間坐標A(X，Y，Z)之間的映射關系的確立，是實現立體視覺三維模型重構中基本且關鍵的一步。

5.3. 特徵提取（FeatureAcquisition）

特徵提取的目的是要獲取匹配賴以進行的圖像特徵，圖像特徵的性質與圖像匹配的方法選擇有著密切的聯系。目前，還沒有建立起一種普遍適用的獲取圖像特徵的理論，因此導致了立體視覺研究領域中匹配特徵的多樣化。特徵可以是像素相位匹配是近二十年才發展起來的一類匹配演算法。相位作為匹配基元，本身反映信號的結構信息，對圖像的高頻雜訊有很好的抑製作用，適於並行處理，能獲得亞像素級精度的緻密視差。但存在相位奇點和相位卷繞的問題，需加入自適應濾波器解決。或者是像素的集合，也可以是它們的抽象表達，如圖像結構、圖像目標和關系結構等。常用的匹配特徵主要有點狀特徵、線狀特徵和區域特徵等幾種情形。

一般而言，尺度較大的圖像特徵蘊含較多的圖像信息，且特徵本身的數目較少，匹配效率高；但特徵的提取和描述過程存在較大的困難，定位精度也較差。而對於尺度較小的圖像特徵來說，對其進行表達和描述相對簡單，定位精度較高；但由於其本身數目較多，所包含的圖像信息少，在匹配時需要採用較嚴格的約束條件和匹配策略，以盡可能地減少匹配歧義和提高匹配效率。總的來說，好的匹配特徵應該具有要可區分性、不變性、唯一性以及有效解決匹配歧義的能力。

5.4. 圖像匹配（ImageMatching）

在立體視覺中（圖二、圖三），圖像匹配是指將三維空間中一點A(X，Y，Z)在左右攝像機的成像面Cl和Cr上的像點al(ul，vl)和ar(ur，vr)對應起來。圖像匹配是立體視覺中最重要也是最困難的問題，一直是立體視覺研究的焦點。當空間三維場景經過透視投影（PerspectiveProjection）變換為二維圖像時，同一景物在不同視點的攝像機圖像平面上的成像會發生不同程度的扭曲和變形，而且場景中的光照條件、被測對象的幾何形狀和表面特性、雜訊干擾和畸變、攝像機特性等諸多因素的影響都被集中體現在單一的圖像灰度值中。顯然，要對包含了如此之多不利因素的圖像進行准確匹配是很不容易的。

5.5. 三維恢復（3DReconstruction）

在完成立體視覺系統的攝像機標定和圖像匹配工作以後，就可以進行被測對象表面點的三維信息恢復。影響三維測量精度的因素主要有攝像機標定誤差、CCD成像設備的數字量化效應、特徵提取和匹配定位精度等。

5.6. 視頻分析（運動檢測、運動跟蹤、規則判斷、報警處理）

通過視差計算，得到全屏幕的視差圖像後，採用背景建模的方式，得到運動前景物體的視差圖像，再進行膨脹和腐蝕演算法進行圖像預處理，得到完整的可供分析的前景運動物體視差圖。採用運動跟蹤演算法，全屏實時檢測物體的大小、運動軌跡，並與事先設置的規則進行對比，如果有人進入或離開設置報警區域，系統則實時報警。

5.7. 視差效果圖：

註：過濾掉距離地面60cm以內，200cm以上的視差值，即檢測范圍為60－200cm之間。故左邊蹲下的人沒有視差值。

C. matlab雙目測距中怎樣把攝像機標定後的內外參數和視差圖結合起來計算深度距離

你用的是雙面立體相機配置嗎？如果是，你需要標定左右兩個相機的內部參數，即焦距，像素物理尺寸，還有兩個相機間的三維平移，旋轉量。如果你不做三維重建的話，就不需要得到外部參數。得到相機內部參數，就可以矯正左右兩幅圖像對，然後使用立體匹配演算法得到目標的視差圖像，然後用你得到的，fc,cc參數，用三角法則計算出目標點到相機平面的距離。三角法則：z=f*b/d。f是焦距，b是兩相機間的橫向距離，d是立體匹配得到的視差值，即目標像素點在左右兩相機平面x方向的坐標差值。

D. 怎樣找凸透鏡的焦距

在陽光下，（可認為是直射光），將光線聚焦在白紙上，通過調整凸透鏡的前後距離，找到在白紙上呈現最小光點時凸透鏡和紙張的距離距離，用刻度尺測量凸透鏡和白紙之間的距離，就是凸透鏡的焦距。

E. 像數怎麼算高、算低、多少算標准、一般相機呢像數是

標准：
1、像素。高一點的最好，現在有1000萬，1200或1500萬的。
2、CCD尺寸。這事對於單反機很重要。大的好，成像清晰。
3、焦距。變焦越大越好。焦距最小值越小，說明視野越大；最大值越大，說明望遠效果越好。
4、連拍速度，這個越快越好，傻瓜機一般在2~3張左右，單反可達8張。
5、感光度（ISO）值范圍越大越好，快門范圍越大越好。
我建議去商場。那樣可以向售貨員問更多問題，對相機了解更透徹，有助於選擇，而且售後有保障，風險還小。

1，是不是像素越高圖像質量越好？答案是否定的

什麼是像素？簡單的說我們通常所說的像素就是CCD/CMOS上光電感應元件的數量，一個感光元件經過感光，光電信號轉換，A/D轉換等步驟以後，在輸出的照片上就形成一個點，我們如果把影像放大數倍，會發現這些連續色調其實是由許多色彩相近的小方點所組成，這些小方點就是構成影像的最小單位「像素」 （Pixel）。

那麼是不是數碼相機的像素越高，拍出來的照片就會越清晰呢？不是，像素跟照片質量並不成正比，像素高只能表達能夠沖印輸出的尺寸會更大，僅此而已，像素並不會影響圖片的清晰度。

原理來說相同像素的情況下數碼相機的CCD尺寸越大成像會越好，目前普通家用機型的CCD尺寸大部分為1/2.5或者1/1.8，那麼擁有1/2.5英寸CCD的800萬像素機型的成像質量可能比同為1/2.5英才CCD的1000萬像素的機型要好。現在，由於消費者的趨之若鶩導致越來越多的數碼相機品牌製造商在不增加CCD尺寸的情況下拚命提高像素，這樣感測器不得不承擔越來越多的工作任務，超負荷運轉的感測器也因此達不到最佳狀態，在弱光的環境下出現斑點或者多餘的雜色等等也在情理之中了。

決定數碼相機成像質量的因素是多方面的，但像素絕不是決定性因素，選購相機時關心像素的高低還不如關注一下CCD的尺寸更為實際。

數碼相機像素跟沖印輸出的對照表，不難看出其實普通家用的數碼相機其實五百萬至八百萬像素已經足夠，像素再高意義已經不大。我們在購買數碼相機前不妨仔細想想，平時拍攝出來的照片主要存儲在電腦上或者發布在網路上共享，還是沖印出來，如果不經常大幅輸出，像素應該不是購機時考慮的因素，因為目前的新款數碼相機像素至少在八百萬以上了。

所謂插值是一種為數碼相機在計算像素時可以增加有效像素（實際像素）的成像方法。從廣州南方數碼相機維修中心了解到這種方法是將數碼相機中的感光器件所形成的實際像素，通過相機中內置的軟體，根據實際感光影像的像素，按照一定的運算方法進行計算，產生出新的像素點，並將其插入到原來像素附近的空隙處，從而實現增加了像素總量和增大了像素密度的目的。其實，不但是數碼攝像會用到插值，數碼變焦的基本原理也是採用插值演算法的，它是一種由電子線路實時實現圖像空間變換的效果。

知道什麼是插值了我們不難發現插值的像素並不是數碼相機本身有效像素，它只是通用優化處理後提升的像素值，因此插值的效果跟實際像素還是有區別的，特別是在列印輸出時能較為明顯的感覺到。

了解上面內容後可以得出結論，對普通家庭用戶來說八百萬像素已經足夠了，如果在CCD尺寸一樣的情況下像素越高反而可能影響相機性能；不要把像素作為衡量一款機型好壞的重要標准；插值像素並不是相機有效像素，不要盲目選擇低價的插值高像素產品。

F. 通過雙目攝像頭，通過對運動物體進行拍照的方式，能否精確計算出物體的三維空間速度，以及自旋角速度

第一、物體的三維空間速度需要根據物體在空間的三維坐標來計算，通過雙目視覺的方式來獲取被測對象的三維坐標進行計算，原理上是完全行得通的。精確度跟以下幾點有關：
1、圖像獲取幀率：每秒鍾獲取的圖像幀數越多，對被測物的位置描述就越精確；
2、運動速度較高，要想清晰的抓拍到，對相機的曝光方式和曝光時間要求較高，需要用比較好的硬體設備；
3、最終三維坐標的測量精度和雙目系統的標定精度、立體匹配演算法、相機解析度、基線距離等都有關系。
第二、自轉角速度測量。這個比較難，因為物體在空間中的轉動是隨機的，採用雙目視覺沒有辦法把球體表面的所有特徵點都獲取到。也就是說沒有辦法獲取到同一個點的序列三維坐標。
綜上，把被測對象簡化為一個點來計算其序列三維空間坐標只要硬體配置的好，還是可以解決的。但是檢測被測對象自身的信息還是比較難得。

G. 三維重建是怎麼做的

三維重建的英文術語名稱是3D Reconstruction.
三維重建是指對三維物體建立適合計算機表示和處理的數學模型,是在計算機環境下對其進行處理、操作和分析其性質的基礎,也是在計算機中建立表達客觀世界的虛擬現實的關鍵技術。
三維重建的步驟
（1） 圖像獲取：在進行圖像處理之前，先要用攝像機獲取三維物體的二維圖像。光照條件、相機的幾何特性等對後續的圖像處理造成很大的影響。
（2）攝像機標定：通過攝像機標定來建立有效的成像模型，求解出攝像機的內外參數，這樣就可以結合圖像的匹配結果得到空間中的三維點坐標，從而達到進行三維重建的目的。
（3）特徵提取：特徵主要包括特徵點、特徵線和區域。大多數情況下都是以特徵點為匹配基元，特徵點以何種形式提取與用何種匹配策略緊密聯系。因此在進行特徵點的提取時需要先確定用哪種匹配方法。
特徵點提取演算法可以總結為：基於方向導數的方法，基於圖像亮度對比關系的方法，基於數學形態學的方法三種。
（4）立體匹配：立體匹配是指根據所提取的特徵來建立圖像對之間的一種對應關系，也就是將同一物理空間點在兩幅不同圖像中的成像點進行一一對應起來。在進行匹配時要注意場景中一些因素的干擾，比如光照條件、雜訊干擾、景物幾何形狀畸變、表面物理特性以及攝像機機特性等諸多變化因素。
（5）三維重建：有了比較精確的匹配結果，結合攝像機標定的內外參數，就可以恢復出三維場景信息。由於三維重建精度受匹配精度，攝像機的內外參數誤差等因素的影響，因此首先需要做好前面幾個步驟的工作，使得各個環節的精度高，誤差小，這樣才能設計出一個比較精確的立體視覺系統。

H. 計算機視覺與圖像識別的目錄

《計算機視覺與圖像識別》
前言
第1章緒論
1．1計算機視覺的目標與任務
1．2計算機視覺的經典問題
1．3marr的計算機視覺理論框架
1．3．1視覺系統研究的三個層次
1．3．2視覺信息處理的三個階段
1．4攝像機成像幾何模型
1．5攝像機參數和透視投影
1．5．1坐標系變換和剛體變換
1．5．2攝像機參數和透視投影
第2章立體視覺匹配演算法
2．1快速區域視差匹配演算法
2．1．1深度信息計算及約束條件
2．1．2區域相關匹配和冗餘計算消除
2．1．3基於視差梯度的可變搜索范圍區域相關匹配
2．1．4實驗
2．2rank變換與匹配演算法
2．2．1基於rank變換的匹配
.2．2．2rank變換在彩色圖像中的應用
2．2．3立體匹配演算法的評估方法
2．2．4實驗
2．3基於相位一致性的紅外圖像匹配方法
2．3．1相位一致性和局部能量
2．3．2基於相位一致性的邊緣檢測
2．3．3基於相位一致性的紅外圖像區域匹配
2．3．4實驗
第3章支持向量機演算法
3．1概述
3．1．1統計學習理論
3．1．2支持向量機
3．1．3支持向量機研究現狀與應用
3．2支持向量機求解方法
3．2．1預備數學知識
3．2．2二次規劃求解法
3．2．3選塊方法
3．2．4分解演算法
3．2．5序列最小優化方法
3．2．6基於lagrange函數的迭代求解方法
3．2．7基於smoothing處理的牛頓求解方法
3．3l范數支持向量機演算法
3．3．1分類間隔的lp范數表示
3．3．2基於lp范數分類間隔的三種支持向量機
3．3．3l1范數支持向量機演算法
3．3．4模擬實驗
3．4pca支持向量機演算法
3．4．1pca支持向量機演算法
3．4．2kernel pca支持向量機演算法
3．4．3加權pca支持向量機演算法
3．5小波支持向量機演算法
3．5．1小波變換
3．5．2小波核函數
3．5．3小波支持向量機演算法
3．5．4演算法性能分析
3．6模糊二叉樹支持向量機演算法
3．6．1多級二叉樹分類器的構造
3．6．2svm子分類器的構造
3．6．3模糊二叉樹支持向量機演算法
第4章人臉識別
4．1概述
4．1．1自動人臉識別技術
4．1．2人臉識別研究的意義
4．1．3人臉檢測與定位
4．1．4人臉識別的主要技術方法
4．1．5人臉識別系統若干關鍵技術問題
4．2人臉檢測與跟蹤
4．2．1haar函數及haar變換
4．2．3 adaboost級聯分類器
4．2．4視頻人臉跟蹤
4．2．5實驗結果與分析
4．3人臉關鍵特徵定位與特徵抽取
4．3．1人眼檢測方法
4．3．2實時人眼檢測演算法
4．3．3人臉歸一化與姿態校正
4．3．4人臉gabor特徵抽取演算法
4．4基於支持向量機的人臉識別方法
4．4．1多類分類支持向量機及其訓練
4．4．2識別演算法性能比對
第5章基於計算機立體視覺的障礙物檢測
5．1概述
5．2基於彩色圖像障礙物檢測演算法
5．3彩色圖像的分割和提取
5．3．1彩色空間模型的選取
5．3．2分割策略
5．3．3目標區域的提取
5．4匹配和障礙物識別
5．5實驗
參考文獻

I. 探究凸透鏡成像規律怎樣判斷像最清醒晰

我來幫你吧，希望採納！

這個問題我都答過一次了，再給你說一下吧！
最好是在比較暗的環境中來做這個實驗效果會更好一些，
當你把蠟燭和透鏡放好後，這時可以成實像了，你讓像成在光屏上，從光屏上可以看到蠟燭的倒像，但是光屏的位置放的不同，成的像清晰度也就不一樣。

你可以觀察像的亮度 是否最亮 以及像的邊緣 是否比較整齊， 這是成清楚的像的兩個標准，
具體操作是：你要不斷的前後移動光屏，移動的幅度不要太大，同時看亮度和 像的邊緣是否最清楚。一直調整到你認為達到最清晰時，就不要動了。這時光屏的位置 就可以當成是像的位置了。

真正做實驗時，當光屏到達某一個位置時，像比較清楚，當你再向前或者向後移時，像都會變模糊的。 比較好確定位置。

希望對你能有幫助，祝學習進步！