[发明专利]一种用于立体视觉视差图的滤波方法

说明书

技术领域

本发明属于机器视觉领域，特别是一种用于立体视觉视差图的滤波方法。

背景技术

现有视觉理论和视觉技术中，针对提高立体视觉匹配效果的方法有很多种，对视差图的滤波方法也有很多研究。但是多数方法还是在通用的层面上，并没有针对视差特征及其噪声特殊考虑的方法。

如文献《立体视觉中误匹配滤波方法的研究》中，针对稠密匹配的视差图提出了两种滤波方法：基于视差均值的滤波法和基于真实控制点的滤波法。其中第一种方法是将小窗口内超过视差均值的点滤掉，第二种方法是滤掉通过松弛迭代和最小中值平方法后的稀疏匹配点对。文献《双目立体匹配图像对的预处理研究》中，采用了通用的高斯模板、平滑模板和中值模板对视差图进行了滤波。文献《Reliability-aware Cross Multilateral Filtering for Robust DisparityMap Refinement》中介绍了一种可靠的多边交叉滤波方法，利用了左右图像正向和反向匹配视差值的函数来进行视差的滤波。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种立体视觉输出视差数据的滤波方法，有效减少了视差数据中的噪点，提高了视差数据的可用性，满足了三维恢复和规划的需求。

本发明的技术解决方案包括以下步骤：一种用于立体视觉视差图的滤波方法，实现步骤如下：

第一步，将立体视觉输出的视差数据转换为整型图像数据，所述立体视觉输出的视差数据包括无效点和有效点，无效点灰度为0，有效点按照最大视差和最小视差进行整形化，完成后最大的视差点灰度为255，最小的视差点灰度为1；

第二步，对第一步得到的图像数据，求其像素中邻域的灰度差值，并剔除无效点的影响，计算得到视差图的梯度图；

第三步，采用自适应的分割方法分割梯度图，梯度变化剧烈的位置提取为噪声种子点；

第四步，以所述噪声种子点为起点，在噪声种子点上下左右四个方面进行遍历搜索，找到的相邻点与噪声种子点灰度差值小于设定阈值的区域认为是噪声连通区域，予以剔除，得到噪声滤除后的图像；

第五步，对噪声滤除后的图像进行连通域滤波，对噪声剔除形成的空缺区域进行填补，得到新的更平滑连续的视差图；

第六步，根据填补后的视差图恢复视差数据。

所述第二步梯度图的计算过程为：

(21)以图像数据中的当前点A₀为中心坐标，取其周围的8个相邻点A₁…A₈，其中设定中间值m为1，则A₁＝I_D(i-m，j-m)，A₂＝I_D(i-m，j)，A₃＝I_D(i-m，j+m)，A₄＝I_D(i，j-m)，A₅＝I_D(i，j+m)，A₆＝I_D(i+m，j-m)，A₇＝I_D(i+m，j)，A₈＝I_D(i+m，j+m)，I_D(i，j)表示(i，j)这一点的视差灰度值，统计8个相邻点中灰度为零的点的总数num；i表示该点的像素横坐标，j表示该点的像素纵坐标；

(22)如果总数num大于设定的数目的阈值V_ZN则转到(23)，否则计算当前点的梯度T_D＝|A₀×(8-num)-A₁-A₂-A₃-A₄-A₅-A₆-A₇-A₈|；

(23)将A₀点当前的相邻点向外扩展一圈，m增加1，用以剔除无效点的影响，更新新的A₁…A₈和总数num，如果扩展的圈数小于圈数设定的阈值V_QN，则转到(22)，否则转到(24)；

(24)将当前点的梯度值T_D值设为255；

(25)对图像进行遍历，计算得到视差图的梯度图。

所述第三步具体实现为：

(31)将视差图的梯度图分为均等的上下左右四个区域；