[发明专利]一种基于多匹配基元融合的双目视觉立体匹配方法

说明书

双目视觉基于多匹配基元融合的立体匹配方法包括计算机、二个摄像机和多匹配基元融合的立体匹配方法。摄像机选用ZED双目摄像机。多匹配基元融合的立体匹配方法包含三个阶段：初始匹配代价阶段、代价函数聚合阶段和视差后处理阶段。在初始匹配代价阶段中，设计了包含颜色基元与梯度基元相融合的代价函数，其通过卡尔曼系数α进行自适应调节；在代价函数聚合阶段基于RGB颜色及距离关系设计了自适应匹配窗口，通过窗口内参考图像与代价函数之间相关性进行聚合；最后阶段，通过LRC左右一致性以及基于亚像素级别自适应权重中值滤波进行视差后处理。本发明对比经典自适应权重算法提高了算法的准确性与实时性，并在复杂的区域表现了较高的鲁棒性。

技术领域

本发明涉及一种基于多匹配基元融合的双目视觉立体匹配方法，可广泛应用于无人驾驶及机器人导航等技术领域。

背景技术

立体匹配作为双目视觉中的核心技术广泛应用于无人驾驶及机器人导航等领域。其基本原理是通过双目相机获取场景的二维图，经匹配算法获取待匹配点的视差，进而获取场景的深度信息。立体匹配算法由于其高准确度特性受到学者的广泛关注。然而，由于自然场景中纹理的复杂性及场景深度的不连续性，一直制约着立体匹配算法的实际应用。

目前主流的立体匹配算法可分为基于全局的立体匹配算法与基于局部的立体匹配算法。基于全局的立体匹配方法，由于涉及到能量函数的运算，计算复杂、效率低，难以满足实际需求。基于局部的立体匹配方法，在代价函数聚合阶段只对局部数据项进行操作，实时性高，但准确率相对较低，直到Yoon提出经典自适应支持权重算法(ASW)，其准确度得到质的提高，但由于其窗口固定，并不能反映图像的特征及纹理信息。

局部立体匹配算法根据匹配基元的不同，又可细分为基于区域、基于特征以及基于相位的立体匹配方法。自适应支持权重方法由于匹配基元单一而且窗口固定，导致算法在复杂纹理区域准确度较低，并且由于复杂的权值计算导致算法实时性低。

针对经典算法出现的问题，一些学者基于梯度及或颜色等多种匹配基元信息来表述图像的初始匹配代价，使得算法准确度得到了进一步的提高。然而，并没有摒弃复杂的权值计算，使得该算法的实时性仍较低且鲁棒性弱。

Lin等人使用线性函数来拟合原算法中的高斯权值函数，对原图像下采样得到高斯金字塔样本，并采用层次聚类算法计算代价聚合函数，在提高算法实时性的同时又提高了算法的准确度。但是，由于受到采样次数限制，采样后的图像过于模糊，导致该算法鲁棒性较差。

一直以来，研究人员都对自适应窗口进行了研究，并通过利用参考图像与待匹配图像自适应窗口的重合度来摒弃一些明显错误的视差值，在代价聚合阶段摒弃了复杂权值的运算。但是，由于没有考虑到参考图像与匹配代价函数之间的相关性，这使得该算法的准确度并不优于经典算法。

针对以上问题，为提高算法在实际场景应用中的鲁棒性，本发明在初始匹配代价阶段，将颜色匹配基元与梯度匹配基元相融合，并利用Middlebury平台符合自然场景条件的Cones图像对颜色与梯度匹配基元的比例系数α进行自适应调节；在代价函数聚合阶段，首先针对传统方法中固定窗口导致算法在复杂纹理条件下准确度低的问题，根据像素间的颜色信息与空间距离信息对中心像素点进行扩展，然后采用初始匹配代价函数和参考图像像素之间的相关性计算来代替传统的复杂能量函数和权值运算进行代价聚合，不仅提高了算法的准确度，同时也降低了算法的时间复杂度；最后，对所得视差图采取LRC左右一致性检测以及采用一种基于亚像素级自适应权重中值滤波运算，再次提高了算法的准确度。

发明内容

本发明的目的，是针对现有技术存在的问题而提供一种双目视觉基于多匹配基元融合的立体匹配方法，采用本发明的方法所得到的视差图的平均误匹配率得到了极大的改善，图像，清晰而精确，大幅度提高了机器人或无人驾驶机运行轨迹的精度。

采用的技术方案是：

一种双目视觉基于多匹配基元融合的立体匹配方法，包括计算机、二个摄像机和多匹配基元融合的立体匹配方法，其特征在于：