[发明专利]基于深度学习算子的立体匹配方法和系统

权利要求书

1.一种基于深度学习算子的立体匹配方法，其特征在于，所述方法包括：

获取目标区域的左右视图；

使用卷积核对左右视图进行视差匹配代价计算，以得到匹配代价值；

基于得到的匹配代价值，使用深度学习算子沿多个方向进行匹配代价聚合，以得到聚合代价值；

基于赢家通吃算法，得到具有最大代价值的整像素视差结果；

根据拟合算法对整像素视差结果进行亚像素视差计算，以得到目标视差值；

使用卷积核对左右视图进行视差匹配代价计算，以得到匹配代价值，具体包括：

使用第一Sobel算子对左右视图进行卷积，使用第二Sobel算子对左右视图进行卷积，所述第一Sobel算子和所述第二Sobel算子的大小不同，以便在卷积后得到两种不同的梯度信息；

计算左图对应右图的边缘结构相似值，并计算右图对应左图的边缘结构相似性；

计算和的最小值为当前点时，当前视差d的匹配代价结果。

2.如权利要求1所述的立体匹配方法，其特征在于，计算左图对应右图的边缘结构相似值，具体包括：

计算左图中左图目标像素点p基于所述第一Sobel算子得到的结果、基于所述第二Sobel算子得到的结果，以及所述左图目标像素点p左边相邻像素点基于所述第一Sobel算子结果；

取、和中的最大值和最小值，并计算右图目标像素点基于所述第一Sobel算子的，其中，所述右图目标像素点为所述左图目标像素点p在右图中的对应像素点，且p和之间的视差为d；

计算和中的最大值，并以作为左图对应右图中的边缘结构相似性。

3.如权利要求1所述的立体匹配方法，其特征在于，利用以下公式，进行匹配代价聚合：

其中，表示在r传播方向上像素点p在d视差的聚合代价值，r表示传播方向，表示像素点p在d视差的匹配代价值，表示在r传播方向上p像素点的前一个像素点所有视差的聚合代价，表示不同视差所对用的惩罚项。

4.如权利要求1所述的立体匹配方法，其特征在于，利用以下公式，对整像素视差结果进行亚像素视差计算：

其中，为像素点p最后的亚像素视差值，d为像素点p通过赢家通吃算法计算得到的整像素视差，为整像素d-1的聚合代价，为整像素d+1的聚合代价，为整像素d的聚合代价。

5.一种基于深度学习算子的立体匹配系统，其特征在于，所述系统包括：

视图获取单元，用于获取目标区域的左右视图；

代价值计算单元，用于使用卷积核对左右视图进行视差匹配代价计算，以得到匹配代价值；

聚合代价值计算单元，用于基于得到的匹配代价值，使用深度学习算子沿多个方向进行匹配代价聚合，以得到聚合代价值；

视差调整单元，用于基于赢家通吃算法，得到具有最大代价值的整像素视差结果；

视差值获取单元，用于根据拟合算法对整像素视差结果进行亚像素视差计算，以得到目标视差值；

其中，使用卷积核对左右视图进行视差匹配代价计算，以得到匹配代价值，具体包括：

使用第一Sobel算子对左右视图进行卷积，使用第二Sobel算子对左右视图进行卷积，所述第一Sobel算子和所述第二Sobel算子的大小不同，以便在卷积后得到两种不同的梯度信息；

计算左图对应右图的边缘结构相似值，并计算右图对应左图的边缘结构相似性；

计算和的最小值为当前点时，当前视差d的匹配代价结果。

6.一种电子设备，其特征在于，所述电子设备包括：数据采集装置、处理器和存储器；

所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如权利要求1-4任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-4任一项所述的方法。