[发明专利]激光散射斑点辅助下的双目立体匹配算法与装置

摘要

本发明提出了一种激光散射斑点辅助下的双目立体匹配算法与装置，在左右视角2个摄像机中间增加一个激光器装置，给目标增加了激光散射斑点，使得本来没有纹理或纹理稀疏的目标区域变成丰富的纹理区域，然后通过基于特征点匹配的算法得到立体匹配结果。在得到特征点匹配的初步结果后，本发明还提出一种邻近点距离和角度约束条件对结果进行筛选，有效的减少误匹配的数目，显著提高匹配的正确率。本发明采用的装置简单，成本较低，算法复杂度小，拥有很好的实用价值。

主权项

1.一种激光散射斑点辅助下的双目立体匹配算法，其特征在于：包括以下步骤：S1.激光散射斑点辅助下的双目立体匹配装置激光散射斑点辅助下的双目立体匹配装置包括左右两个摄像机以及设置在左右两个摄像机之间的红外激光器，所述红外激光器的前方设置有一块毛玻璃，红外激光器对准目标射出准直后的激光束，通过毛玻璃进行散射，从而在目标表面得到所需的散斑图案；两个摄像机都对着目标进行拍摄的，拍摄的图像包括目标以及目标表面的散斑图案；S2.通过左右两个摄像机拍摄左右两个视角的图像分别记为左视图和右视图；S3.通过图像金字塔和分区域Harris角点检测分别提取左、右视图的特征点；首先对左视图进行特征点提取，方法如下：对左视图进行金字塔处理，得到3层金字塔图像，其中：第1层金字塔对应原始图像，第2层金字塔为对第1层图像实施1/2的下采样所得，第3层金字塔为对第2层图像实施1/2的下采样所得；然后分别对这3层金字塔图像进行分区域的Harris角点检测，得到3个特征点集合，然后将3个特征点集合进行合并，得到最终的特征点集合D₁；其中分别对3层金字塔图像进行分区域的Harris角点检测的具体方法是：首先将该层金字塔图像均匀分为多个子区域，在每个子区域中使用Harris角点检测算法进行特征点检测，如果检测出多个特征点，则选择角点响应值最大的特征点，如果没有检测出特征点，则选取子区域的中间点作为特征点，通过这种提取特征点的方法，每层金字塔图像的每个子区域都有一个特征点；采用与左视图同样的方式对右视图进行特征点提取，得到右视图的特征点集合D₂；S4.采用二进制特征描述子对每个特征点进行描述，得到一个128维的比特字符串即该特征点对应的特征向量；在左视图中，选择特征点集合D₁中的一特征点dot₁，以特征点dot₁为中心，半径为15的左视图图像区域作为该特征点dot₁对应的图像区域，然后在特征点dot₁对应的图像区域里随机选择两个点组成一个点对(x,y)，一共进行128次，则得到128个点对(x_i,y_i)，对每一个点对(x,y)，有一个0或1的取值：其中g(x)、g(y)分别是点x和y的强度值；这样128个点对可以组成一个128维的比特字符串vec：依照上面的方法，对左视图的特征点集合D₁进行特征描述，左视图的特征点集合D₁中的每一个特征点可以得到一个128维的二进制向量vec，记为该特征点对应的特征向量；同理，对右视图的特征点集合D₂进行特征描述，右视图的特征点集合D₂中的每一个特征点可以得到一个128维的二进制向量vec，记为该特征点对应的特征向量；S5.通过特征向量的最近邻距离比进行匹配，得到初始的特征点的匹配集合；通过最近距离比对两个特征点集合D₁和D₂进行特征匹配，共得到M对特征点匹配结果{(d_1i,d_2i)|d_1i∈D₁,d_2i∈D₂,i＝1,…,M}；其中d_1i是D₁中的特征点，d_2i是D₂中的特征点，i表示匹配的序号，一共有M对；S6.通过一种邻近点距离和角度约束条件对初始特征点匹配集合进行筛选，剔除不符合条件的匹配点对，得到最终的特征点匹配集合，即为立体匹配结果；其中邻近点距离和角度约束条件如下：假设(d₁₁,d₂₁)和(d₁₂,d₂₂)是匹配集合的距离较近的两个匹配对，则邻近点距离约束条件定义如下：其中ε₁是距离约束阈值，取值0.2；点d₁₁到d₁₂的向量用α表示，点d₂₁到d₂₂的向量用β表示，则两个向量夹角的约束条件如下：其中ε₂是角度约束阈值，取值10度；S6的实现方法是：S6.1任选匹配集合中的一个匹配对，计算它和近邻的10个匹配对的邻近点距离约束和角度约束，记录违反上述两种约束条件的次数作为该匹配对的错误率；S6.2统计所有匹配对的错误率，如果每个匹配对的错误率都为0，则结束；否则将错误率最大的匹配对作为误匹配从匹配集合中剔除，再转到步骤S6.1；当剔除所有误匹配后，匹配点对从开始的M对降低到N对，记新的匹配集合也即最终的立体匹配结果为{(d_1i,d_2i)|d_1i∈D₁,d_2i∈D₂,i＝1,…,N}，其中d_1i是D₁中的特征点，d_2i是D₂中的特征点，i表示匹配的序号，一共有N对。