（5）立体匹配。立体匹配算法研究是此次研究的重点章节，将参考图像中某一暂未匹配的点作为中心，同时选择一块矩形区域成为其约束区域，之后，在目标对象中，寻找到与其向类似的像素点，同时也选择大小相同的一块矩形窗口，利用矩形内的各像素点的属性信息作为像素点的相似性计算的约束条件。在取得的左右两个图像中，像素之间必须满足一定的相似条件，不然将不认为他们具有相似性，我们通过区域匹配的算法可以获得较为稠密的视差图。但也存在相应的缺点，图像存在一定的仿射畸变和一定的辐射畸变，这两种畸变将对图像的准确度造成不小的影响，而且将导致像素点的约束窗口的大小与形状难以做出选择。过大的约束窗口将导致视差图在深度不连续的位置出现平滑现象。若是选择过小，图像信息容易产生误匹配的情况，同时图像信息的利用率难以得到保持。立体匹配是双目视觉计术中最关键的一步，但是由于匹配图中存在纹理缺失、遮挡、特征缺失、纹理重复等问题，所以立体匹配也是双目视觉计术中最困难的一步。为了成功应对如下情况，研究人员另辟蹊径的提出新的约束准则和匹配策略，其目的是完善匹配中出现的问题，减小误差，提高精度。总的来说，立体匹配算法有以下几种常用类别：区域匹配、特征匹配和相位匹配。   

（6）深度确定。基于显著目标的提取和匹配算法研究的目的就是为了获取匹配的深度图和测距信息，在相机标定时我们计算出了相机的内外参数，在立体匹配时，我们得到了视差图，根据三角测量原理，我们就能计算出三维场景中某一点的三维坐标，也就获得了深度信息。

（7）三维重建。核心目的就是为了重塑物体的三维集合信息，对周围景物的三维形状进行还原。但是目前存在的所有的立体匹配算法都没办法恢复匹配图中的全部像素点的视差，所以只能通过插值来对最后的场景进行重建。重建算法的复杂度是由匹配算法决定的，在插值的过程中，有效的保护场景表面的不连续信息是最重要的。

1。4  本文的研究思路和结构安排

本文围绕着红外双目立体系统，重点对其中的显著目标特征的提取以及匹配算法的研究和测距信息的计算与获得进行深入的研究。具体的研究内容为：

（1）介绍了相机各坐标系之间的关系，以及平面标定法。通过加热棋盘格标定板，或者使用基于主动辐射的透射式平面标定板来完成相机标定过程。

（2）针对红外图像固有的缺陷，比如空间分辨力差，高噪声，对比度低等，提出了基于显著目标的红外匹配算法，避免了噪声的影响，获得了稠密的、精度较高的视差图，从而得到测距信息。

本文共有五章内容，简介如下文：

第一章 绪论。介绍了红外双目视觉和显著目标距离信息获取的研究背景和意义，陈述本文获取显著目标的距离信息的结论，合围绕显著目标距离信息提取所采用的原理的介绍。

第二章 相机的标定，利用标定板使用平面标定法进行相机标定，以及使用极限矫正的方法将原图像进行校正实验。

第三章 显著目标红外双目立体匹配特征信息提取，以及匹配算法研究。介绍匹配算法的大致类别、以及匹配算法的约束准则和相似性测度函数；总结了立体匹配算法的难点和重点。本文提出了基于显著目标的红外匹配算法，先利用非极大抑制方法定位显著性位置，再用阈值分割得到显著性目标；匹配时用角点特征计算出相应的视差，最后将得到的稀疏的视差图进行插值，从而得到稠密的视差图。 SUSAN红外立体智能驾驶辅助装置测距技术研究(4):http://www.youerw.com/tongxin/lunwen_93572.html