我們提出了一種3D圖像顯示系統，該攝像頭系統可以呈現具有真實運動視差的真實場景。在感測系統中，通過使用相機矩陣來觀察場景。利用3×3圖像矩陣的優秀立體算法SEA以高質量圖像生成所需的密度和清晰度恢復場景的深度信息。在顯示系統中，跟隨觀察者的觀看位置，生成并呈現具有適當概念視差的2D圖像。描述了一種確定適合于在固定屏幕上再現運動視差的視圖參數的新算法和一種可以處理任意視圖位置的圖像生成算法。已經開發了一個原型干擾器系統來證明所提出的算法的可行性。
在基于多視點圖像的3D圖像顯示應用中，需要監控獲得具有清晰對象輪廓的密集且精確的深度圖。在具有兩個以上攝像機的立體算法中，經常報告對應搜索精度的提高。另一方面，多眼立體的另一個重要方面是遮擋檢測的能力。我們開發的相機矩陣立體SEA提供了一個簡單但有效的框架來檢測遮擋的存在并獲得可靠的對應關系。SEA可以生成具有清晰物體輪廓的密集且精確的深度圖。本文對SEA中幾種遮擋檢測算法進行了系統比較。結果非常有趣和合理。它們對于設計實際的多眼立體屏蔽器系統是有用的。
校準是從一系列監控攝像頭圖像中計算相機固有（內部）參數的過程。通常，通過在場景中放置預定義的目標或進行特殊的相機運動（如旋轉）來完成校準。如果這兩個限制不成立，那么這個校準過程稱為自動校準，因為它是自動完成的，無需用戶干預。使用自動校準，可以從一系列未校準的圖像中創建3D重建，而無需依賴正式的相機校準過程。基本矩陣描述了一對圖像之間的極線幾何，并且可以直接從2D圖像對應關系中計算。我們證明，利用成本函數，一組基本矩陣的自動校準可以簡單地轉化為全局最小化問題。我們使用進化計算領域的隨機優化方法來解決這個問題。在已發布和標準化的數據集上進行了大量實驗，證明了該方法的有效性。該方法的基本假設是，內部（內在）相機參數在整個圖像序列中保持恒定，即，從同一相機拍攝圖像，而不改變焦距等數量。我們表明，對于焦距和長寬比的自動校準，進化方法獲得了與已發表方法相當的結果，但實施起來更簡單，并且足夠有效地處理更大的圖像干擾屏蔽器序列。
上一篇：如何提高監控設備止動精度
下一篇：監控干擾器對分辨率的影響
