[发明专利]一种基于图像的深度计算方法

说明书

本发明公开了一种基于图像的深度计算方法，包括如下步骤：使用视觉里程计获取图像位姿对；对当前帧进行四叉树划分；计算图像的匹配损失体；提取图像四叉树节点像素对应的损失构建次级匹配损失体，对次级匹配损失体执行动态置信传播算法进行优化；将优化后的匹配损失体放回原始匹配损失体中，在并行计算平台上对每个像素使用赢家通吃策略提取最小损失及其对应的采样深度值；去除噪声深度并平滑深度图。本发明所公开的方法在保证精度和快速性的前提下提高了深度完整度，降低了立体匹配计算的计算量，提高了深度计算的速度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于图像的深度计算方法。

背景技术

深度计算是三维重建领域的重要技术，深度计算的速度和准确性决定了三维重建的速度和效果。目前为止，深度计算的研究较为广泛，如结合基于概率推断的混合滤波器算法、基于SGBM优化的深度计算方法和基于结合四叉树与置信传播的深度计算法等。为实现深度图的快速计算，并行计算平台是必不可少的存在。

基于概率推断的混合滤波器算法中，每计算一幅深度需要较多的图像和位姿对。基于立体匹配的深度计算方法仅需较少的图像和位姿对。其中立体匹配方法分为全局立体匹配和局部立体匹配。基于全局的立体匹配方法精度高但耗时较长，而基于局部的立体匹配方法耗时短但精度低。而基于结合四叉树与置信传播的深度计算方法速度快，精度高，但计算的深度过于稀疏，完整度低。

发明内容

为解决上述技术问题，本发明提供了一种基于图像的深度计算方法，在保证精度和快速性的前提下提高深度完整度，降低立体匹配计算的计算量，提高深度计算的速度。

为达到上述目的，本发明的技术方案如下：

一种基于图像的深度计算方法，包括如下步骤：

步骤一，使用视觉里程计获取图像位姿对；

步骤二，对当前帧进行四叉树划分；

步骤三，计算图像的匹配损失体；

步骤四，提取图像四叉树节点像素对应的损失构建次级匹配损失体，对次级匹配损失体执行动态置信传播算法进行优化；

步骤五，将优化后的匹配损失体放回原始匹配损失体中，在并行计算平台上对每个像素使用赢家通吃策略提取最小损失及其对应的采样深度值；

步骤六，去除噪声深度并平滑深度图。

上述方案中，所述步骤一的具体方法如下：

使用单目相机拍摄图像，运动的单目相机两两帧之间构成对极几何关系，在两幅图像上提取ORB特征点和描述子，并进行特征匹配；对匹配好的特征点利用对极几何约束使用最小化重投影误差求解相机运动，获取单通道灰度图和图像的位姿，以及最大深度和最小深度。

上述方案中，所述步骤二的具体方法如下：

在并行计算平台下，以每一个4x4小块作为四叉树节点，判断同一像素块内像素灰度值的一致性，即块内每个像素灰度值与整个块的灰度均值的绝对差是否小于λ；若大于λ则不参与下一步划分；划分完4x4小块后，依次划分8x8小块和16x16小块，实现对图像依纹理丰富程度进行划分。

上述方案中，所述步骤三的具体方法如下：

(1)计算当前帧坐标系与每个测量帧坐标系之间的相对位姿变换：

设置待计算深度图像为当前帧，设置时间维度上当前帧之前的m幅图像为测量帧，分别计算当前帧坐标系与各测量帧坐标系之间的相对位姿变换T_mci：

T_mci＝T_mwi×T_wc