[发明专利]基于基准点的简便匹配方法

说明书

技术领域

本发明实施例涉及三维视觉处理技术，特别涉及立体视觉系统中一种基于基准点的简便匹配方法。

背景技术

双目立体视觉技术的基本原理是从两个或多个视点观察同一景物，以获取物体在不同视角下的图像，通过三角测量原理计算图像像素间的位置偏差(即视差)来获得三维信息。一个完整的立体视觉系统包括图像获取、摄像机标定、特征提取、立体匹配、三维信息恢复及后继处理等。其中，特征提取和立体匹配是立体视觉中的关键技术，也是难点，其结果的好坏严重影响后继三维信息恢复的精度。

立体匹配是寻找同一空间景物在不同视点下投影图像中像素间的一一对应关系。与普通的图像模板匹配不同，立体匹配是在两幅或多幅存在视点差异、几何和灰度畸变以及噪声干扰的图像对之间进行的，不存在任何标准模板。当空间三维场景被投影为二维图像时，受场景中诸多因素，如光照条件、景物几何形状和物理特性、噪声干扰和畸变及摄像机特性等的影响，同一景物在不同视点下的图像会有很大不同，要准确地对包含了如此多不利因素的图像进行无歧义的匹配，是颇为困难的。

根据匹配基元的不同，立体视觉匹配算法通常分为三大类：基于区域匹配，基于特征匹配和基于相位匹配。这三类算法因匹配基元的不同，判断对应点匹配的理论依据也有所不同，但他们之间还是存在有一些共有的约束条件。这些约束条件包括Marr提出的最基本的物理约束：唯一性约束、相容性约束和连续性约束，以及在三个基本约束的基础上引申出的一些特定的匹配控制约束。这些匹配约束的运用不仅可以提高匹配的准确性，而且还可以降低匹配的工作量，提高匹配速度，从而使得立体视觉测量系统符合实际应用。

在实际应用中，国内外研究者一般采用常规的约束条件，或者将三种匹配算法组合起来使用。以果蔬采摘机器人为例，南京农业大学张瑞合对自然环境下番茄的识别与定位进行了研究，在特征提取和立体匹配时采用面积匹配的算法，这对于自然环境中存在遮挡的情况，面积匹配不但匹配时间长而且误差大，遮挡严重的时候甚至无法进行匹配。江苏大学仲琴以番茄形心为匹配基元，通过模板匹配实现番茄图像轮廓信息的补全和修复，然后根据轮廓特征求得形心。但该算法对图像噪声很敏感，影响了精度。浙江大学的蒋焕煜在形心匹配的基础上结合区域匹配算法进一步确定番茄表面点的位置，能更加准确地获得目标对象的位置信息，提高算法的鲁棒性。上述的研究都集中在增加算法的复杂度来提高最终匹配的精度，是以牺牲处理时间为代价的，这使这些算法的实时性受到了严重的限制。

发明内容

为了解决现有技术中存在的上述问题，经过对立体视觉系统的研究，发现整个系统中最耗时的处理模块是立体匹配模块，如果采用人工加入一种特征光源的方法来增加约束条件，将特征光源成像点对作为初始匹配点，可以简化匹配问题，降低立体匹配的难度，提高立体匹配算法的实时性。

本发明第一目的是为立体视觉系统提供一种基于基准点的简便匹配方法。该方法不增加立体系统成本的基础上，避免了采用复杂的立体匹配算法，提高了算法的实时性。

本发明第二目的是提供一种加装特征光源发射器的立体视觉系统，该系统构建方便，可有效解决立体视觉中的立体匹配算法处理效率低的问题。

为实现上述第一目的，本发明提供了一种基于基准点的简便立体匹配方法，包括：

采集立体图像，并为左、右两幅图像建立坐标系，取左边图像的图像坐标系为参考图像坐标系，右边图像的图像坐标系为偏移图像坐标系。

寻找基准点和所有特征点。采用常规图像处理方法，根据特征光源成像点的位置、颜色和面积大小三种特征来判断成像点的有无，从而确定特征光源在左、右两幅图像中的成像点的坐标，作为初始匹配点。另外，通过二值化等一系列图像处理方法，得到所有目标在左、右两幅二维图像中的形心坐标，作为下一步匹配的特征点。

特征点是图像的重要局部特征，它集中了图像上很多重要的形状信息。特征点具有旋转不变性和不受光照条件影响的优点，且只占图像全部像素点的很少一部分，在没有丢失图像数据信息的条件下，基于特征点的图像匹配可以缩小匹配搜索空间的大小，减少匹配过程中的歧义性，从而大大缩减运算时间，达到实时性目的。

以特征光源产生的初始匹配点为基准点，对参考坐标系图像中的特征点根据其与基准点间的位置关系并按照特定的规律(纵向进行排列)进行描述，运用匹配约束法则(唯一性和平行约束)，在偏移坐标系图像中找到和参考坐标系图像中相匹配的特征点，直到匹配完所有的特征点为止。