[发明专利]一种新型立体匹配优化方法

说明书

一种新型立体匹配优化方法，输入双摄像头拍摄后经过校正的、图像类型为RGB的左右图像，将所述左右图像转换为灰度图，设定其中一个为参考图像，另一个为检索图像，进行局部匹配；建立自适应窗口；根据欧式空间的接近性和Lab颜色空间的相似性，构造自适应权重；构造匹配代价：根据胜者为王算法，计算初始视差；根据左右一致性原则剔除误匹配点，再用邻点法补充剔除的误匹配点；应用边缘约束算法进行视差聚类，得到优化视差图。相较于传统自适应权重算法，本发明方法所得到的视差图精度相比较原算法而言得到明显改善，极大的提升了在低纹理和视差不连续区域的匹配效果。

技术领域

本发明涉及数字图像处理领域，具体涉及一种新型立体匹配优化方法。

背景技术

立体匹配指的是通过双摄像头中的二维场景，通过对校正后的二维场景图片进行视差匹配获取三位场景深度信息的过程。其基本原理是在被检索图像中，寻找参考图像在该图像中的投影点。由于校正后的参考图像中的点与投影点处于同一水平坐标上，因此只要计算参考点与投影点水平坐标的绝对值，就可以得到参考点的视差值，根据参考点的视差值就可以计算出该参考点所对应的深度信息。通过这种方式所获取的深度信息，被广泛的应用于移动机器人技术、3D建模技术、航空航天。

现有技术中立体匹配存在低纹理、以及视差不连续区域匹配效果较差的问题。边缘信息对低纹理区域有很好的约束作用，然而现有技术方案中，多将注意力放在匹配过程，对视差的优化中也缺乏对边缘信息的考察，因此导致低纹理区域视差匹配效果较差问题。而视差不连续区域，目前认为自适应窗口算法对该区域匹配有提升作用，在《A stereomatching algorithm with an adaptive window：theory and experiment》中，提出通过测算局部灰度和视差变换来选取适当窗口的方法，但该方法效率低下。《根据灰度值信息自适应窗口的半全局匹配》中提出根据窗口内像素灰度值的平均值选择窗口，该算法运行时间得到降低，但误匹配率却有所升高。

发明内容

为提高在低纹理和视差不连续区域的匹配效果，本发明提供一种新型立体匹配优化方法，该方法将RGB颜色空间下的绝对像素差与高斯差分图像的绝对像素差相结合，作为自适应权重算法的匹配代价，提出基于高斯差分图像判断的自适应窗口大小的方法，并应用基于边缘约束的视差聚类优化算法。相较于传统自适应权重算法，本发明方法所得到的视差图精度相比较原算法而言得到明显改善，极大的提升了在低纹理和视差不连续区域的匹配效果。

本发明采取的技术方案为：

一种新型立体匹配优化方法，包括以下步骤：

S1：输入双摄像头拍摄后经过校正的、图像类型为RGB的左右图像，将所述左右图像转换为灰度图，设定其中一个为参考图像，另一个为检索图像，进行局部匹配；

S2：建立自适应窗口；

S3：根据欧式空间的接近性和Lab颜色空间的相似性，构造自适应权重；

S4：构造匹配代价：

S5：根据胜者为王算法，计算初始视差；

S6：根据左右一致性原则剔除误匹配点，再用邻点法补充剔除的误匹配点；

S7：应用边缘约束算法进行视差聚类，得到优化视差图。

所述S1中，初始局部匹配的窗口大小为7×7，经过本发明的大量验证，7×7大小在固定窗口计算时准确率最高。

所述S2中，建立自适应窗口，包括以下步骤：

S2.1、根据高斯差分函数处理图像；

计算高斯差分图像的公式如下：