[发明专利]一种基于数字分数延时技术的立体匹配方法

说明书

技术领域

本发明涉及一种立体匹配方法，特别涉及一种基于数字分数延时技术的立体匹配算法。

背景技术

立体视觉技术是三维深度信息获取的关键技术之一，在野外环境中快速、准确地识别建筑物信息，确定目标建筑物的准确地理位置，要求立体视觉定位系统的匹配算法应具有较高的准确性和实时性。然而双目立体匹配一直是三维场景结构信息获取的研究热点之一，其基本原理是从两个视点观察同一景物以获取立体像对，匹配出相应像点，从而计算出视差并获得三维信息。特别是20世纪80年代，美国麻省理工学院的Marr提出了一种视觉计算理论并应用在双目匹配上，使两张有视差的平面图产生具有深度的立体图形，从而奠定了双目立体视觉发展的理论基础。相比其他类的立体视觉方法，双目立体视觉直接模拟人类双眼处理景物的方式，可靠简便，在许多领域均极具应用价值，如微操作系统的位姿检测与控制、机器人导航与航测、三维测量学及虚拟现实等。

立体匹配是双目立体视觉中最关系、困难的一步。立体匹配是寻求同一空间景物在不同视点下投影图像像素间的一一对应关系。与普通的图像模板匹配不同，立体匹配是在两幅存在视点差异，几何、灰度畸变和噪声干扰的图像间进行的，不存在任何的标准模板，这无疑是十分困难的，更何况立体匹配还要求得到像素间的一一对应匹配。

目前，立体匹配的研究基本上分为两个方向：一是从理解人类视觉的立体融合机制出发，试图建立一种通用的人类双眼视觉计算模型；二是从实际应用和要求出发，建立实用的立体视觉系统。

在目前的立体视觉研究中，绝大多数都是针对各自的应用目的和要求，以建立实用的立体视觉系统为目的。立体匹配实质上是在基元相似性的条件下，运用匹配准则的最佳搜索问题，许多数学中的最优化技术都可应用于立体匹配。根据匹配基元的不同，现有的立体匹配方法可分为如下三类：区域匹配，特征匹配以及相位匹配。

区域匹配算法常以邻域窗的灰度为匹配基元，以相关程度作为判别依据，可以得到较稠密的视差图。区域匹配算法的一个突出缺点是，对无纹理区域常常由于相关函数变化的锐度不够以及难于保留深度不连续特性，不能取得精确的匹配结果。特征匹配只能得到稀疏视差图，要得到稠密视差需附加较为复杂的插值过程，因此常规的特征算法往往难以达到预期效果。对于目标的深度变化相对于其对于摄像系统的距离可以忽略不计，即目标物体较远时，纹理信息相对较少，特征并不明显时，得到的视差误差较大。针对这种情况，提出了本发明。

发明内容

本发明的主要目的在于解决需测距目标的深度变化相对于其对于摄像系统的距离可以忽略不计，可以将目标看成是处于同一深度平面上，即整体目标的深度一致的场景下目标物体的深度求取，且对深度的精度要求较高的情况。

为此，本发明提出一种基于数字分数延时技术的亚像素级立体匹配方法，本方法利用双目摄像机的灰度图，将图像转换为一维信号，根据数字分数延时技术，估计两个一维信号间的延时量，来实现亚像素精度的立体匹配，从而求取目标物体的深度信息。本方法可以应用于对较远目标的深度求取，例如远距离的建筑物、桥梁等等。

本发明提出的基于数字分数延时技术的立体匹配方法，包括如下步骤：首先，将得到的左右视图通过校正算法校正，并转换为灰度图；然后，将转换后的图像中需要测距的目标物体分割出；将从左右视图转换成的灰度图中分割出来的目标分别在垂直方向作投影转换，以生成一维信号；通过全局匹配这两个一维信号，以得到整像素的视差；利用数字分数延时技术，求得亚像素级的视差；最后，通过双目立体视觉方法求得目标物体的深度。

上述步骤具体为：首先，通过双目相机得到左右视图；通过RAC(径向排列约束)两步校正法对左右视图进行校正，得到校正后的图像，并将所述校正后的图像转换为灰度图；最后，将需要测距的目标分割出来，并将需要测距的目标之外的图像部分置为黑色，即取值为0。

在得到校正后灰度图像后，将左右视图中的目标在垂直方向上的像素灰度值分别累加，以得到左一维信号left[n]和右一维信号right[n]，n为大于零的自然数。

所述整像素的视差Δn通过如下方法获得：当|E[Δn]＝∑|nght[n+Δn]-left[n]|最小时，Δn为即为整像素的视差。

获得整像素视差后，将右一维信号平移整像素视差Δn  得到信号right[n+Δn]，将左一维信号left[n]通过响应函数为的数字分数延时器，然后通过梯度下降法最小化E[Δt]＝∑|left[n]*h_d[n]-right[n+Δn]|，求得亚像素视差Δt。