[发明专利]基于双目视觉的高低分辨率融合立体匹配方法

说明书

本发明公开了一种基于双目视觉的高低分辨率融合立体匹配方法，包括步骤：输入左右两张高分辨率图片和立体匹配的参数；图像进行预处理，计算左右图中视差搜索范围内的每一对像素点的视差代价，得到视差代价矩阵；视差代价矩阵下采样，得到降维后的视差代价矩阵；降维后的视差代价矩阵进行视差代价聚合，得到最佳匹配点；根据最佳匹配点进行匹配，得到视差图。本发明在预处理和视差代价计算步骤使用清晰的高分辨率图片，可得到准确的视差代价，在视差代价聚合和后处理步骤按照低分辨率图片的流程处理，可减少计算所需的时间。本发明通过立体匹配的准确率测试和耗时测试，表明本方法在准确率和耗时方面相较于现有技术，具有既准确又耗时少的优点。

技术领域

本发明涉及双目视觉立体匹配领域，特别涉及一种基于双目视觉的高低分辨率融合立体匹配方法。

背景技术

双目视觉广泛应用于机器人视觉、自动驾驶等领域，能够提供物体的三维信息。比如在汽车上搭载的双目相机，除了可以提供传统二维图像上的行人形状等信息，还可以提供行人离汽车的距离这一个深度信息。双目视觉可以构建一个真实的三维世界，在三维世界中，可以解决很多在传统二维图像上难以解决的问题。

双目视觉整个流程包括相机标定、立体矫正、立体匹配、三维重建四个环节，其中立体匹配是双目视觉领域的关键环节。同一物体用双目相机拍摄，会呈现在左右两张图像中的不同位置，立体匹配旨在找到这两个不同的位置，得到一对匹配点。

目前立体匹配算法比较通用的是BM算法和SGBM算法，SGBM算法的准确率比BM算法高很多，因此更为常用。SGBM算法参见Hirschm H.Stereo Processing by SemiglobalMatching and Mutual Information[J].IEEE Transactions on Pattern Analysis andMachine Intelligence,2007,30(2):328-341。在嵌入式开发平台上使用SGBM算法时，可接受输入高分辨率图片或者低分辨率图片，高分辨率图片的匹配结果准确，但是耗时巨大，难以实现实时性，低分辨率图片在嵌入式平台上的计算处理时间短，能达到实时，但是结果很不准确，达不到可用的标准。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于双目视觉的高低分辨率融合立体匹配方法，该方法适当地融合了高低分辨率图片的处理流程，扬长避短，既保证了高分辨率处理流程的准确，又取得了低分辨率处理流程的低耗时，节省了计算资源。

发明的目的通过以下的技术方案实现：基于双目视觉的高低分辨率融合立体匹配方法，包括步骤：

输入双目相机拍摄得到的左右两张高分辨率图片以及立体匹配的参数；

对图像进行预处理，计算左右图中处于视差搜素范围内的每一对像素点的视差代价，得到视差代价矩阵；

视差代价矩阵下采样，得到降维后的视差代价矩阵；

针对降维后的视差代价矩阵进行视差代价聚合，得到最佳匹配点；

根据上述最佳匹配点进行匹配，得到视差图。

本发明在预处理和视差代价计算步骤使用清晰的高分辨率图片，得到准确的视差代价，在视差代价聚合步骤按照低分辨率图片的流程处理，减少了计算所需的时间，既保证了高分辨率处理流程的准确，又取得了低分辨率处理流程的低耗时。

优选的，所述立体匹配的参数包括：视差搜索范围、窗口大小、唯一性检测阈值、最小视差、截断阈值、连通区域的噪点面积阈值、判定为连通区域的灰度值范围。

优选的，所述对图像进行预处理，包括步骤：

(1-1)输入一张高分辨率的图片，做水平方向的sobel处理，得到边缘信息；

(1-2)根据截断阈值处理公式得到截断处理后的值Vnew，截断阈值处理公式如下：