[发明专利]立体匹配方法、装置及存储介质

权利要求书

1.一种立体匹配方法，其特征在于，包括：

获取立体像对，根据预设的分块策略对所述立体像对进行分块，得到n个立体像块对，n≥2；

根据预设的深度学习模型对所述n个立体像块对进行视差估计，得到n个视差图；

对所述n个视差图进行视差融合，得到视差融合图。

2.根据权利要求1所述的立体匹配方法，其特征在于，根据预设的分块策略对所述立体像对进行分块之前，还包括：

对所述立体像对进行极线校正。

3.根据权利要求2所述的立体匹配方法，其特征在于，所述立体像对包括基准图像和目标图像，对所述立体像对进行极线校正，具体包括：

分别对所述基准图像和所述目标图像的SIFT特征点进行检测，将所述目标图像中SIFT特征点与所述基准图像中的SIFT特征点进行匹配，得到SIFT特征点对；

根据所述SIFT特征点对计算所述目标图像相对于所述基准图像的旋转矩阵和平移矩阵；

根据所述旋转矩阵和所述平移矩阵对所述目标图像进行极线校正。

4.根据权利要求3所述的立体匹配方法，其特征在于，分别对所述基准图像和所述目标图像的SIFT特征点进行检测，将所述目标图像中SIFT特征点与所述基准图像中的SIFT特征点进行匹配，具体包括：

分别对所述基准图像和所述目标图像的极值点进行检测，得到多个极值点；

计算每个所述极值点的偏移量，判断是否存在偏移量大于预设阈值的不稳定极值点，如果是，则在所述不稳定极值点的位置处重新进行插值处理，判断完成后得到多个SIFT特征点；

分别检测每个SIFT特征点的位置和尺度，并确定每个SIFT特征点的主方向；

根据所述位置、所述尺度和所述主方向构造每个特征点的描述子；

根据所述描述子和K-D树算法分别对所述基准图像和所述目标图像中的SIFT特征点进行划分；

根据K-近邻查询算法对所述基准图像和所述目标图像中的SIFT特征点进行匹配。

5.根据权利要求1所述的立体匹配方法，其特征在于，根据预设的分块策略对所述立体像对进行分块，具体包括：

根据窗口重叠且定步长的滑动窗口对所述立体像对进行分块。

6.根据权利要求5所述的立体匹配方法，其特征在于，所述滑动窗口的水平滑动步长和垂直滑动步长满足以下公式：

其中，step_x为水平滑动步长，step_y为垂直滑动步长，X×Y为初始图像的分辨率，M×N为分块数量，x×y为分块后每块图像的分辨率。

7.根据权利要求1所述的立体匹配方法，其特征在于，对所述n个视差图进行视差融合，具体包括：

根据所述分块策略的逆过程对所述n个视差图进行拼接，对冗余区域的视差值取均值进行融合。

8.根据权利要求1至7中任一项所述的立体匹配方法，其特征在于，还包括：

对所述视差融合图的边缝线进行中值滤波处理，剔除所述边缝线。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至8中任一项所述的立体匹配方法。

10.一种立体匹配装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如权利要求1至8中任一项所述的立体匹配方法。