Особенности вычисления взаимно корреляционной функции при определении диспарантности в стереоскопической системе технического зрения

В настоящей статье рассмотрены методы вычисления взаимно корреляционной функции при определении диспарантности по изображениям стереопары, формируемым стереоскопической системой технического зрения. В процессе определения диспарантности необходимо найти точку на втором изображении стереопары по заданной точке первого изображения, что может быть сделано путем нахождения максимума взаимно корреляционной функции. Рассматривается возможность уменьшения объема вычислений во временной области при использовании непозиционной системы исчисления, называемой также системой остаточных классов. В результате моделирования на основе системы позиционного исчисления и системы остаточных классов с использованием сходных по форме функций, смещенных по оси Х относительно друг друга, а также при использовании реальных стереоизображений показано совпадение главных максимумов взаимно корреляционной функции при существенном уменьшении объема вычислений.

1. Baltsavias E. P. A Comparison between Photogrammetry and Laser Scanning // ISPRS Journal of Photogrammetry Remote Sensing. 1999. 54(2/3). 83-94. DOI: 10.1016/s0924-2716(99)00014-3

2. Rzonca A. Review of Methods of Combined Orientation of Photogrammetric and Laser Scanning Data // Measurement Automation Monitoring. 2018. 64(3). 57-62.

3. Rönnholm P., Haggrén H. Registration of Laser Scanning Point Clouds and Aerial Images Using Either Artificial or Natural Tie Features // ISPRS Annais of the Photogrammetry Remote Sensing and Spatial Information Sciences. 2012. 1-3(3). 63-68. DOI: 10.5194/isprsannals-I-3-63-2012

4. Parmehr E. G., Fraser C. S., Zhang C., Leach J. Automatic Registration of Optical Imagery with 3d Lidar Data Using Local Combined Mutual Information // ISPRS Annais of the Photogrammetry Remote Sensing and Spatial Information Sciences. 2013. Vol. II-5-W2. P. 229-234. DOI: 10.5194/isprsannals-II-5-W2-229-2013

5. Mitishita E., Costa F., Centeno J. Lidar and Photogrammetric Datasets Integration Using Sub-Block of Images // ISPRS Annais of the Photogrammetry Remote Sensing and Spatial Information Sciences. 2020. 1. 101-107. DOI: 10.5194/isprs-annals-V-1-2020-101-2020

6. Habib A., Bang Ki-In, Kersting A. P. Impact of Lidar System Calibration on the Relative and Absolute Accuracy of Derived Point Cloud // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (ISPRS Archives). 2010. 38. 17532854. URL: https://www.asprs.org/wpcontent/uploads/2013/08/Kersting_1.pdf (Дата обращения: 05.10.2023).

7. Li J., Yang B., Chen C., Habib A. NRLI-UAV: Non-Rigid Registration of Sequential Raw Laser Scans and Images for Low-Cost UAV LiDAR Point Cloud Quality Improvement // ISPRS Journal of Photogrammetry Remote Sensing. 2019. 158. 123-145. DOI: 10.1016/j.isprsjprs.2019.10.009

8. Zhang J., Singh S. Low-Drift and Real-Time Lidar Odometry and Mapping // Autonomous Robots. 2017. 41(2). 401-416. DOI: 10.1007/s10514-016-9548-2

9. Valbuena R., Mauro F., Arjonilla F. J., Manzanera J. A. Comparing Airborne Laser Scanning-Imagery Fusion Methods Based on Geometric Accuracy in Forested Areas // Remote Sensing of Environment. 2011. 115. 1942-1954. DOI: 10.1016/j.rse.2011.03.017

10. Fragkos P., Ioannidis C. Assessment of Lidargrammetry for Spatial Data Extraction // Proceedings of the Fourth International Conference on Remote Sensing and Geoinformation of Environment, Paphos, Cyprus, 4–8 April 2016. Paphos, Cyprus, 2016. Vol. 9688. P. 96881L-1. DOI: 10.1117/12.2240653

11. Teo T.-A., Shih T.-Y., Lin Y.-T., Huang C.-M. The Generation of Inferred Stereo Images from Lidar Data // Proceedings of the 31st Asian Conference on Remote Sensing 2010 ACRS, Hanoi, Vietnam, 1–5 November 2010: in 2 vols. Hanoi, Vietnam, 2010. Vol. 1. P. 459-464.

12. Козлов В. Л., Кузьмичев И. Р. Измеритель дальности и размерных параметров объектов на основе цифровой фотокамеры // Вестник Белорусского государственного университета. Серия 1. Физика. Математика. Информатика. 2011. 1. 33-38.

13. Волкова М. А., Луцив В. Р. Методы обработки и распознавания изображений: учебно-методическое пособие по лабораторному практикуму. Санкт-Петербург: Университет ИТМО, 2016. 40 с. URL: https://books.ifmo.ru/file/pdf/1979.pdf (Дата обращения: 05.10.2023).

14. Исупов К. С. Высокопроизводительные вычисления с использованием системы остаточных классов // Программные системы: теория и приложения. 2021. 12(2). 137-192. DOI: 10.25209/2079-3316-2021-12-2-137-192

15. Кукушкин С. С. Конечные поля и информатика: в 2-х т. Т.1: Методы и алгоритмы, классические и нетрадиционные, основанные на использовании конструктивной теоремы об остатках. Москва: МО России, 2003. 281 с.

16. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB / перевод с английского В. В. Чепыжова. Москва: Техносфера, 2006. 615 с.+ 1 CD-ROM.

17. Прэтт У. Цифровая обработка изображений: в 2-х кн. Кн. 2 / перевод с английского, под редакцией Д. С. Лебедева. Москва: Мир, 1982. 480 с.