[发明专利]一种基于自适应匹配窗口的双目测距方法

摘要

本发明属于无人机技术领域，具体的说是一种基于自适应匹配窗口的双目测距方法。本发明的方法首先搭建无人机测距平台，选取测试环境，之后对图像进行图像均衡化处理，增强图像对比度，再提取无人机目标，并对红外图像与可见光图像进行标定校正等操作，最后采用基于自适应匹配窗口的匹配算法对双目图像进行匹配，获取视差信息，从而实现对无人机的测距。本发明的有益效果为，解决了异源图像像素灰度值非线性关系，共性特征难以提取的问题，实现红外图像与可见光图像对无人机的双目测距。

主权项

1.一种基于自适应匹配窗口的双目测距方法，其特征在于，包括以下步骤：S1、搭建无人机测距平台：采用可见光相机和红外相机构建无人机测距平台，且两个相机的光心前向平行；S2、根据测试环境，对测距平台获取的图形进行图形均衡化处理；S3、通过测距平台提取无人机目标，对红外图像与可见光图像进行标定校正；S4、采用基于自适应匹配窗口的匹配算法对双目图像进行匹配，获取视差信息，具体为采用红外图像作为参考图像，可见光图像作为待匹配图像，包括：S41、以红外图像的特征点为中心建立11*11的匹配窗口，并记为基准窗口，可见光图像中以与特征点同一行的匹配像素点为中心建立同样大小的匹配窗口，并记为匹配窗口；S42、采用自适应窗口算法，基准窗口自适应变化：在匹配窗口中的待匹配点与窗口中的其它像素点进行比较，看是否属于同一个分割区域，如果是，窗口大小保持不变，如果不是，将该像素点从匹配窗口中移除，以此达到窗口的自适应变化；S43、匹配窗口以基准窗口同样的尺寸和形状沿着极线移动，计算每一个匹配窗口与基准窗口的Zi值，直到极线上的像素点均已匹配完，拥有最大Zi值的匹配窗口中的中心像素点即为特征点的最佳匹配点；所述Zi值代表两个匹配窗口中，像素的相关程度：其中，ω_l表示红外图像中以特征点为中心的匹配窗口，ω_r(i)表示可见光图像中以i点为中心的匹配窗口，和分别代表MI和PC的均值，Ω表示自适应窗口中像素的范围；两幅图像之间的互信息MI为：其中，p(x)，p(y)分别为红外图像，可见光图像的边缘概率密度，p(x,y)为两个图像的联合概率密度；在x处的相位一致性PC(x)为：其中A_n(x)为在位置x处的幅值，Φ_n(x)为在位置x处第n个频率成分的相位，W(x)为滤波器频带，△Φ_n(x)为相位偏差函数，T为噪声补偿的阈值，ε是一个很小的常量避免被0整除，表示如果符号中的是一个正数，则返回它本身，如果是负数，返回0；由于互信息直接计算两个图像的相似性，而相位一致性仅仅提供了一个图像的对比度信息，为了对比两个图像的相位一致性相似度，采用如下一个cos()相似性函数：PC(ωl)表示在红外图像里以特征点为中心的基准窗口中所有像素的相位一致性值，PC(ωr(i))表示在可见光图像里以待匹配点i为中心的匹配窗口中所有像素的相位一致性值，||PC(ωl)||，||PC(ωr(i))||表示各自的欧几里得范数；S44、以红外图像极线上下一个特征点为中心建立基准窗口，回到步骤S42，直到红外图像极线上的特征点均已匹配完成；S45、选择下一条极线上的特征点，回到步骤S41，直到红外图像中所有的特征点均已检测完成；S5、完成图像匹配后，获取匹配点的像素坐标系坐标，由如下公式获得无人机的距离信息Z可表示为：其中T指的是两个相机之间的水平距离，也即是双目立体视觉系统的基线，f为相机焦距，xl‑xr表示视差d，其中，空间点在左右图像上的成像点对应的横坐标分别为和xl和xr。