[发明专利]一种深度图的全局优化方法

摘要

一种深度图的全局优化方法，该方法充分利用左右视角视差数据的差值信息和颜色数据的边缘梯度信息来对深度图进行全局优化。首先，基于区域生长法分别对初始左右视角视差数据进行区域滤波，去除孤立的小块状有误视差；然后，利用优化后的左右视差数据的差值信息并采用模型来计算视差置信度系数数据，实验证明该方法简洁有效；最后，将左视角视差数据和置信度系数数据，经视角投影转换成彩色相机视角下的初始深度数据和置信度数据，充分利用彩色图像的边缘信息，构造关于深度数据的线性方程组，通过超松弛迭代法解算可得优化后深度数据。该方法可实时获取高精度深度数据，经过优化的深度图光滑、保有边缘且大片空洞能较好填充。

主权项

1.一种深度图的全局优化方法，其特征在于，该方法包括如下步骤：步骤一、基于区域生长法分别对初始左视角视差数据和初始右视角视差数据进行区域滤波，去除孤立的块状区域有误视差，得到优化后的左视角视差数据和优化后的右视角视差数据；基于区域生长法去除块状区域有误视差的具体过程如下：S1、新建两个大小与原视差图像相等且初值为零的图像Buff和Dst，Buff用来记录生长过的像素点，Dst用来标记满足条件的图像块状区域；S2、设定第一阈值和第二阈值；所述第一阈值为视差大小的差值，第二阈值为块状有误视差的面积；S3、遍历每个未生长过的像素点，以当前点为种子点，压入区域生长函数；S4、新建栈vectorGrowPoints和栈resultPoints，从栈vectorGrowPoints中取出末尾点，再按该点八个方向：{‑1，‑1}，{0，‑1}，{1，‑1}，{1，0}，{1，1}，{0，1}，{‑1，1}，{‑1，0}取出未生长过的像素点视差值与种子点视差值进行比较，若小于第一阈值，则认为符合条件，分别压入栈vectorGrowPoints和栈resultPoints中，并将生长过的点在Buff中做标记，重复上述过程，直到栈vectorGrowPoints中没有点为止；若栈resultPoints中的点数小于第二阈值，则在Dst中做标记；S5、重复步骤S3和S4，将Dst中做过标记的区域在视差数据中去除，得到优化后的左视角视差数据和优化后的右视角视差数据；步骤二、由步骤一优化后的左视角视差数据和优化后的右视角视差数据计算左视角置信度系数数据；计算左视角置信度系数数据的具体方法为：αp＝e‑|ld‑rd|，其中，ld为步骤一优化后左视角视差数据，rd为对应的步骤一优化后右视角视差数据，αp为左视角置信度系数数据；步骤三、由步骤一优化后的左视角视差数据和相机参数计算左视角深度数据；将左视角深度数据和步骤二得到的左视角置信度系数数据同时通过视角投影转换，得到RGB相机视角下的初始深度数据和置信度系数数据；步骤四、利用RGB图像边缘信息计算边缘约束系数数据，之后将边缘约束系数数据、步骤三RGB相机视角下的初始深度数据和置信度系数数据利用全局优化目标函数生成优化后的深度数据。