深度,运动,颜色,纹理等特征是由人类大脑皮层的特定处理区域加工得到的基本特征,对这些基本特征的可靠提取是任何一个视觉系统的基本要求。如果能对这些基本特征可靠提取的话,可以说计算机视觉中的大多数难题也就基本得到了解决。然而,计算机视觉领域目前占统治地位的基于数学和工程的理论方法还无法可靠地提取这些基本特征,所以,研究基于生物视觉的计算模型和信息加工方法成为目前视觉信息处理的一个重要方向。本项目的研究目标是如何在生物视觉视差能量模型的基础上,建立基于眼动机制的大视差计算模型,并为机器人导航中深度信息的可靠提取提供新途径和方法。本项目的意义有:第一,利用生物视觉鲁棒性高的优点来弥补计算机视觉领域中视差计算方法鲁棒性不高的不足,特别是大视差计算不可靠的问题,探索新的途径和新的计算模型。第二,通过将生物视觉理论应用到机器人视觉中,可望进一步揭示生物视觉系统的工作机理。
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
神经退行性疾病发病机制的研究进展
智能煤矿建设路线与工程实践
二维FM系统的同时故障检测与控制
扶贫资源输入对贫困地区分配公平的影响
基于视觉注意与眼动跟踪的地图认知计算模型与方法研究
驾驶情境下基于驾驶员眼动行为的注意机制与模型研究
基于表情与眼动双模态协同计算的情感状态智能分类方法研究
从相对视差感知三维表面的计算模型研究