[发明专利]基于自适应支持权重匹配算法的两步视差改良方法及系统

说明书

本发明公开了一种基于自适应支持权重匹配算法的两步视差改良方法及系统，其中方法包括以下步骤：S1、对左右原图进行自适应支持权重匹配算法求取原始视差图；S2、对求取的原始视差图进行左右一致性检测，对检测到的不一致像素点的视差值采用变交叉域投票法和固定窗口投票法进行初始修正；S3、将修正后的视差图中存在的误匹配区域分为非正常区域和错误边缘区域，并分别进行二次修正。本发明可克服自适应支持权重算法在精度上的不足，提升匹配精度。

技术领域

本发明涉及计算机视觉领域，尤其是涉及计算机视觉中立体匹配的视差改良算法。

背景技术

计算机视觉旨在通过摄像头来模拟人眼对目标进行跟踪、测量与识别，其在智能交通、裂纹检测、三维重建等众多领域均有广泛应用。双目视觉是计算机视觉的一个重要分支，双目视觉旨在通过左右两个摄像头分别获取到的左右两幅图像，计算两幅图像中物体的视差得到物体的三维信息。在还原物体三维信息的过程中，立体匹配是最重要也是最核心的一步，立体匹配的精度与提取到的三维坐标有最直接的关系，因此提升立体匹配算法的精度显得非常重要。

传统的立体匹配算法，按照匹配区域的不同，通常可以分为两个大类：全局匹配算法和局部匹配算法。全局匹配算法利用图像的全局约束信息建立代价函数，通过多次迭代以至全局代价函数最小来获得最优的匹配结果，因此全局匹配算法具有计算代价高，匹配时间长等问题。局部匹配算法只对相关点及其相邻像素点的相关信息进行约束，因此相比较于全局匹配算法，局部匹配算法的匹配效率高，但是在精度上有所欠缺。立体匹配算法通常有以下步骤：1、代价计算；2、代价聚合；3、视差计算；4、视差改良。近年来，自适应支持权重局部匹配算法在匹配精度上可以达到与全局算法相匹配的程度，并且具有更高的匹配效率，主要是因为自适应支持权重算法在代价计算和代价聚合步骤中，同时利用了相邻像素点的颜色信息和距离信息，因此达到了比较高的匹配精度。但是从视差改良的角度提升自适应支持权重匹配算法的匹配精度的算法很少。

发明内容

本发明的目的在于，提供一种可克服自适应支持权重算法在精度上的不足，提升匹配精度的基于自适应支持权重匹配算法的两步视差改良方法及系统。

本发明解决其技术问题所采用的技术方案是：

提供一种基于自适应支持权重匹配算法的两步视差改良方法，包括以下步骤：

S1、对左右原图进行自适应支持权重匹配算法求取原始视差图；

S2、对求取的原始视差图进行左右一致性检测，对检测到的不一致像素点的视差值采用变交叉域投票法和固定窗口投票法进行初始修正；

S3、将修正后的视差图中存在的误匹配区域分为非正常区域和错误边缘区域，并分别进行二次修正；

其中非正常区域定义为：视差图中的存在某一区域P，对原始图像中相同的区域P内的每一个像素点q₁求其变交叉域原始图像中区域P内所有像素点的变交叉域组成区域记为M，在视差图中有相同的区域M，如果区域中存在像素点的视差值不等于区域P内像素点的视差值并且服从(其中d(p)表示像素点p的视差值)，则该区域P定义为非正常区域；对该非正常区域的视差值采用与步骤S2相同的方法进行修正；

错误边缘区域定义为：视差图中物体的边缘像素与原图物体边缘像素之间的误匹配区域；错误边缘区域内的像素点的视差值通过视差继承算法来修正。

本发明所述的方法中，步骤S1中，在自适应支持权重匹配算法的参数选择上，在截断绝对差值T＝40以及窗口大小N＝35的条件下，γ_c和γ_p的参数分别选取为9和26时，对middlebury测试集tsukuba,venus,teddy,cones进行测试，其平均错误率最小，值为7.71％。

本发明所述的方法中，步骤S2具体包括以下步骤：