[发明专利]基于图像分割的双目测距方法

说明书

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于图像分割的双目测距方法。

背景技术

目前流行的距离测量方法有超声波测距﹑雷达测距﹑激光测距和摄像机测距等。其中超声波测距﹑雷达测距和激光测距属于主动式测距，需要主动发射超声波﹑毫米波﹑微波或者激光等，具有成本高昂﹑测量精度高的特点，而摄像机测距属于被动式测距，只需要光学成像系统，具有成本低廉﹑准确度高的特点。摄像机测距分为单目测距和双目测距，其中双目测距的准确度更高，应用也更为广泛，是目前计算机视觉领域的一个重要研究方向。

双目测距主要有两个步骤：1、立体标定和立体校正：该步骤的目的是消除摄像机的畸变并使得左右图像的对极线在同一水平线上以及达到行对准，立体标定和立体校正步骤通常只需要在双目摄像机安装完毕后执行一次，然后把立体校正的参数保存下来供后续步骤使用；2、立体匹配：该步骤的目的是要找到与左图中任意一点匹配的右图上的点，进而计算出相应的视差，最终得到距离，立体匹配步骤在每一次采集图像后都要重新进行。

双目测距的难点和重点是立体匹配，它对于测量距离的准确性有着至关重要的影响，目前主流的立体匹配方法有：块匹配法(Block Matching)、半全局块匹配法(Semi-Global Block Matching)、归一化互相关和匹配法(Sum of Normalized Cross Correlation)、置信度传播匹配法(Belief Propagation)等，这些方法都是以固定大小的块作为匹配的基本单元，当图像中存在大面积的低纹理区域时，这些方法无法得到准确有效的视差信息，因此计算得到的视差图十分稀疏。

发明内容

本发明提供一种基于图像分割的双目测距方法，根据物体将图像分割成各个区域，这样分割得到的区域的边缘含有丰富的纹理信息，可以根据边缘的位置计算得到该区域的视差，能够得到紧密的视差图，对于含有大面积低纹理区域的场景尤其有效。

为了达到上述目的，本发明提供一种基于图像分割的双目测距方法，包含以下步骤：

图像分割：根据物体将左图像和右图像分割成各个区域，每个区域与某类物体对应，将分割得到的物体区域作为匹配的基本单元；

区域匹配：根据亮度﹑宽度﹑高度﹑像素数量﹑水平距离﹑垂直距离对左图像和右图像分割得到的区域进行匹配，找到同一物体在左右图像中对应的区域；

视差计算：根据匹配区域的边缘点的水平距离计算视差。

在双目摄像机安装完毕之后，进行第一次双目测距之前，需要对双目摄像机进行立体标定和立体校正，保存立体标定和立体校正得到的参数。

双目摄像机中的左摄像机和右摄像机分别采集图像后，根据立体校正得到的参数对左摄像机采集的左图像和右摄像机采集的右图像进行重映射，得到重映射左图像和重映射右图像，重映射左图像作为左图像进行图像分割，重映射右图像作为右图像进行图像分割。

假设R_1i是重映射左图像中的任意一个区域，R_2j是重映射右图像中的任意一个区域，则区域R_1i与区域R_2j匹配必须要同时满足下列所有条件：

1、|Y(R_1i)-Y(R_2j)|≤Y_th，其中，Y(R)是区域R的亮度，Y_th是亮度差的阈值；

2、W(R_1i)/W(R_2j)≤Wth，且W(R_2j)/W(R_1i)≤W_th，其中，W(R)是区域R的宽度，W_th是宽度比的阈值；

3、H(R_1i)/H(R_2j)≤H_th，且H(R_2j)/H(R_1i)≤H_th，其中，H(R)是区域R的高度，H_th是高度比的阈值；

4、N(R_1i)/N(R_2j)≤N_th，且N(R_2j)/N(R_1i)≤N_th，其中，N(R)是属于区域R的像素个数，N_th是像素数比的阈值；