[发明专利]基于超像素的稠密匹配算法、系统和智能终端

说明书

本发明公开了一种基于超像素的稠密匹配算法、系统和智能终端，所述算法包括：获取双目相机的原始图像，并对所述原始图像进行预处理；对经过预处理的图像进行超像素分割，并获取分割后的区域信息，基于所述区域信息得到被测物体轮廓信息的权重，结合所述权重进行代价值计算；将经过代价值计算的图像依次进行代价值聚合、视差计算和滤波后，得到被测物体匹配后的视差值。解决了现有技术中由于图像处理稠密匹配方法出现局部偏差而导致的图像处理准确度的问题。

技术领域

本发明涉及图像处理算法技术领域，具体涉及一种基于超像素的稠密匹配算法、系统和智能终端。

背景技术

近年来，随着自动驾驶和辅助驾驶技术的发展，对车辆行驶过程中图像处理的要求也在不断提高。在自动驾驶和辅助驾驶领域，多利用双目相机进行图像采集，传统双目匹配的核心思想，是通过暴力搜索的方法，在左右图像的同一基线上找到相似点。根据视差点的稠密程度，又可分为稠密匹配和稀疏匹配，而由于视差点丰富，稠密匹配的应用范围更广。但是，常用的SGM(Semi-Global Matching)稠密匹配方法，存在一定的缺陷，例如光照的微小变化就可能引起图像纹理的变化，从而导致局部视差值出现偏差或错误，造成图像处理准确度降低。

发明内容

为此，本发明实施例提供一种基于超像素的稠密匹配算法、系统和智能终端，以解决现有技术中由于图像处理稠密匹配方法出现局部偏差而导致的图像处理准确度的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

一种基于超像素的稠密匹配算法，所述算法包括：

获取双目相机的原始图像，并对所述原始图像进行预处理；

对经过预处理的图像进行超像素分割，并获取分割后的区域信息，基于所述区域信息得到被测物体轮廓信息的权重，结合所述权重进行代价值计算；

将经过代价值计算的图像依次进行代价值聚合、视差计算和滤波后，得到被测物体匹配后的视差值。

进一步地，所述对经过预处理的图像进行超像素分割，并获取分割后的区域信息，基于所述区域信息得到被测物体轮廓信息的权重，结合所述权重进行代价值计算，具体包括：

获取并记录超像素区域坐标值；

根据已获得的超像素区域，对代价值进行融合；

遍历所述超像素区域内的所有点的坐标值，并进行代价值融合，得到最终代价值数据。

进一步地，所述获取并记录超像素区域坐标值，具体包括：

创建m×n大小的容器，m×n对应于图像的每个像素点；

其中，m和n分别为图像的宽度和高度，m×n等于图像总像素点数量。

进一步地，所述根据已获得的超像素区域，对代价值进行融合，具体包括：

对P点的k个代价值依次进行融合，融合的空间范围是P点容器内存储的所有坐标点，融合的数据是这个代价值所在层，对应的P点容器内所有点的代价值，求取这些数值的均值，替换P点在该层的原有代价值，其中，P点是容器中m×n个点中的其中一点。

本发明还提供一种基于超像素的稠密匹配系统，所述系统包括：

预处理单元，用于获取双目相机的原始图像，并对所述原始图像进行预处理；

代价值计算单元，用于对经过预处理的图像进行超像素分割，并获取分割后的区域信息，基于所述区域信息得到被测物体轮廓信息的权重，结合所述权重进行代价值计算；

结果输出单元，用于将经过代价值计算的图像依次进行代价值聚合、视差计算和滤波后，得到被测物体匹配后的视差值。