严敏

摘要：该课题的研究背景是货车在ETC通道处的三维尺寸（长、宽、高）检测，期望通过计算机视觉技术，以二维图像获得实际场景的深度信息，实现货车的三维重建。其中立体匹配算法一直是立体视觉技术研究的基础、核心和难点。该文以SIFT算法为研究对象，首先简单介绍了SIFT算法；然后提出了一种基于SIFT的区域增长算法；最后对改进算法进行了仿真实验。

关键词：ETC超限检测；计算机视觉；SIFT；区域增长

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）08-0178-02

1引言

由于经济的快速发展和激烈的同行竞争，出现了许多为了赚取更多的利益而私自改装的货车，这些货车通过改装可达到运输更多货物的目的，超限问题层出不穷，致使超限引发的事故频发，因此迫切需要一种高效高精度的超限检测手段。

本课题以此为背景，将计算机视觉技术应用于检测中。高效的特征检测和可靠的特征匹配是计算机视觉的两个基本要素，许多文献中研究了特征检测的方法。除了经典的Moravec检测、Harris角点检测，近年来还提出了尺度不变特征变换（SIFT），速度导出问题特征（SURF），二进制鲁棒独立初等特征（BRIEF）等方法。其中SIFT算法对于尺度变换、旋转变换以及光照变化都有较好的抵抗能力，极大程度克服了环境因素带来的影响，被认为是最常用、最稳健的方法之一，因此，SIFT算法被广泛应用于移动车辆的即时定位与地图构建（SLAM）、全景图像拼接、立体视觉等方面。

SIFT算法虽然具有很多优点，但是其程序复杂，运行所耗费的时间较多，且由于它是一种基于特征的匹配算法，得到的匹配点对数量较少，无法满足课题需求。……