计算机视觉mv-chp01.ppt

北京邮电大学自动化学院 三、中层视觉（middle level） 主要任务是恢复场景的深度、表面法线方向、轮廓等有关场景的2．5维信息，实现的途径有立体视觉（stereo vision）、测距成像（rangefinder）运动估计（motion estimation）、明暗特征、纹理特征等. 系统标定、系统成像模型等研究内容一般也是在这个层次上进行的． 四、高层视觉（high level） 主要任务是在以物体为中心的坐标系中，在原始输入图像、图像基本特征、2．5维图的基础上，恢复物体的完整三维图，建立物体三维描述，识别三维物体并确定物体的位置和方向． 6. 计算机视觉研究面临的困难 （1） 图像多义性： 三维场景被投影为二维图像，深度和不可见部分的信息被丢失，因而会出现不同形状的三维物体投影在图像平面上产生相同图像的问题．另外，在不同角度获取同一物体的图像会有很大的差异． （2）环境因素影响：场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对成像有影响， （3）知识导引： 同样的图像在不同的知识导引下，将会产生不同的识别结果．． （4）大量数据： 灰度图像，彩色图像，深度图像的信息量十分巨大，巨大的数据量需要很大的存贮空间，同时不易实现快速处理． * 计算机视觉 Computer Vision 主讲教师：樊利民副教授 fanlimin@ 机电工程及自动化教研中心 参考教材： 贾云得 《机器视觉》科学出版社，2000 参考书目： 1、《图像处理、分析与机器视觉》（第二版） M.Sonka,V.Hlavac,R.Boyle著，艾海舟等译， 人民邮电出版社，2003 2、《机器视觉教程》W.E.Snyder,H.Qi著 林学訚等译，机械工业出版社，2005 3、《计算机视觉》马颂德著，科学出版社，1999 课程教材 概 论 Chapter 1 Introduction 第 1 章 1. 引言 智能机器: 能模拟人类的功能，能感知外部世界并有效地解决人所能解决问题． 感知系统：人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80%的信息是由视觉获取的．因此,对于智能机器来说，赋予机器以人类视觉功能对发展智能机器是及其重要的，也由此形成了一门新的学科—计算机视觉(也称机器视觉或图像分析与理解等)．计算机视觉的发展不仅将大大推动智能系统的发展，也将拓宽计算机与各种智能机器的研究范围和应用领域． 计算机视觉：研究用计算机来模拟生物视觉功能的科学和技术．计算机视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界． 20世纪50年代归入模式识别----主要集中在二维图像分析和识别上，如，光学字符识别，工件表面、显微图片和航空图片的分析和解释等． 60年代MIT 的Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述．Roberts 的研究工作开创了以理解三维场景为目的的三维计算机视觉的研究．Roberts对积木世界的创造性研究给人们以极大的启发，许多人相信，一旦由白色积木玩具组成的三维世界可以被理解，则可以推广到理解更复杂的三维场景． 70年代，已经出现了一些视觉应用系统．70年代中期，麻省理工学院(MIT)人工智能(AI)实验室正式开设“计算机视觉” (?Machine Vision) 课程，由B．K．P．Horn教授讲授． 2. 计算机视觉发展 MIT AI 实验室吸引了国际上许多知名学者参与计算机视觉的理论、算法、系统设计的研究，David Marr教授就是其中的一位．他于1973年应邀在MIT AI 实验室领导一个以博士生为主体的研究小组，1977年提出了不同于“积木世界”分析方法的计算视觉理论(computational vision)，该理论在80年代成为计算机视觉研究领域中的一个十分重要的理论框架． 研究热潮是从 20世纪80年代开始的，到了80年代中期，计算机视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现，比如，基于感知特征群的物体识别理论框架，主动视觉理论框架，视觉集成理论框架等． Marr的计算理论 许多会议论文集都反应了该领域的必威体育精装版进展，比如： Int. Conf. on Computer Vision and Pattern Recognition (CVPR); Int. Conf. on Computer Vision(ICCV); Int. Conf. on Pattern Recognition(ICPR); Int. Conf. on Robotics and Automati