[发明专利]基于全局块优化的立体影像密集匹配方法

说明书

技术领域

本发明涉及立体影像密集匹配技术领域，具体地指一种基于全局块优化的立体影像密集匹配方法。

技术背景

立体影像密集匹配指根据一定的匹配代价优化方法，逐像素地匹配出两幅影像之间同名点的过程。根据优化方法的不同，可以将立体影像密集匹配方法分为：局部密集匹配、半全局密集匹配和全局密集匹配。立体影像密集匹配是三维建模、虚拟现实、计算机视觉等领域的核心技术之一，能够用于无人自动驾驶、无人机自动巡航、3D地图、3D打印、智慧城市、机器人双目视觉、虚拟电商等应用。

目前主流的三维建模技术包括：人工手动建模技术、激光扫描技术、结构光技术和立体影像密集匹配技术。与其余两种技术相比，立体影像密集匹配技术的优势在于：(1)成本低廉；(2)平面精度高；(3)建模范围大；(4)反映三维模型的颜色信息。传统的立体影像密集匹配算法包括双边滤波算法、半全局密集匹配算法(Semi-global Matching，SGM)、图割算法、置信传播算法等等。这些算法总是假设影像中相邻像素之间的视差要尽可能满足视差一致的约束。实际上，在三维模型的斜面区域，相邻像素的视差是不可能一致的。如果在斜面区域要求相邻像素的视差一致，就会在斜面区域产生“视差阶梯”问题，从而造成三维模型表面粗糙，影响三维模型的重建精度和三维显示效果。

发明内容

本发明的目的是针对上述技术问题，提供一种基于全局块优化的立体影像密集匹配方法，该方法假设三维模型场景是分块连续的，将立体影像中的基准影像分割成一系列相互邻接的块，构建全局能量函数(包括数据项和平滑项)，将立体影像密集匹配问题转化为全局能量函数的最优解计算问题，采用最小二乘的方法获取最优解，作为立体影像密集匹配的结果。本发明能够有效解决传统立体影像密集匹配中普遍存在的“视差阶梯”问题，使得匹配后的模型表面连续光滑。

为实现此目的，本发明所设计的基于全局块优化的立体影像密集匹配方法，其特征在于，它包括如下步骤：

步骤1：在立体影像中，选择基准影像和参考影像，采用传统的立体影像密集匹配方法，获取初匹配的视差图；

步骤2：采用SLIC(Simple Linear Iterative Cluster)超像素分割方法，将基准影像分割成一系列相互邻接的块(Patch)，用S_i表示基准影像上的第i个块；

步骤3：构建基于全局块优化的立体影像密集匹配全局能量函数中的数据项E_data，数据项E_data用于描述基准影像的每个块与参考影像上的同名块之间的非相似性测度；

每个所述块都用一个视差平面方程来描述，即：

其中，a_i、b_i、c_i表示块S_i的视差平面方程参数；p＝(p_x，p_y)^T表示块S_i内的一个像素；d表示像素所对应的视差；表示像素p的重心化坐标；

令表示块S_i所对应的视差平面方程系数的改正数，表示基准影像上所有视差平面方程系数的改正数所组成的未知数向量，τ表示块的数目，i∈1,...τ，可以将能量函数的数据项表示为：

式中，G_data表示数据项E_data的二次项系数矩阵；H_data表示数据项E_data的一次项的系数矩阵，E_data为基于全局块优化的立体影像密集匹配的全局能量函数的数据项，T表示转置符号，上述二次项系数矩阵G_data和一次项系数矩阵H_data的具体表达为：

G_data＝Diag(-g_data(S_i))；