[发明专利]基于目标边缘特征与灰度相似性的稀疏视差获取方法

摘要

本发明涉及一种基于目标边缘特征与灰度相似性的稀疏视差获取方法，属于立体视觉技术领域。本发明方法通过Canny图像边缘检测方法提取图像边缘特征，选取图像中目标的强边缘特征点作为待匹配点，将图像的特征相似性与灰度相似性相结合，运用灰度及灰度Census变换融合的相似性检测方法，通过交叉检测排除误匹配点，进一步提高匹配的正确率。为恢复物体的三维位置和姿态信息，提供必要的稀疏视差信息；具有正确率高、匹配速度快及匹配稳定的特点，能有效的为运用双目视觉系统测量，特别是主动测量物体的姿态信息提供所需要的稀疏视差信息。

主权项

基于目标边缘特征与灰度相似性的稀疏视差获取方法，其特征在于：包括以下步骤：步骤1，通过左右摄像机得到被测场景的立体图像对IL(x，y)和IR(x，y)，其中IL(x，y)为左图像，IR(x，y)为右图像，x、y是像素坐标；对IL(x，y)、IR(x，y)进行极线校正，使其只存在水平方向上的视差；采用Canny图像边缘检测方法对两幅图像分别进行边缘检测，得到左右边缘图像分别为eIL，eLR；步骤2，确定待匹配特征点；得到边缘图像eIL，eIR后，以IL(x，y)为参考匹配图像，选择eIL中待匹配物体表面包含边缘点最多的多个边缘连通分量作为多个待匹配边缘特征点，并组成集合EC，其中包含N个待匹配边缘特征点，坐标分别为(x1,y1)、(x2,y2)、......、(xN,yN)；步骤3，在IR(x，y)中搜索待匹配边缘特征点的对应点，通过边缘特征和灰度相似性匹配方法对每一个对应点进行初始匹配；所述特征和相似性匹配的具体过程为：①初始化匹配点的计数参数k=1；②分别将候选视差d、当前最小相似性代价preCost和匹配得到的视差dM初始化为d=dmin，preCost=∞，dM=0；其中dmin为被测场景的深度范围对应的最小视差，dmax为最大视差；③在待匹配边缘特征点集Ec中选择一个未匹配特征点，其在左图像中的像素坐标为(xk,yk)；④若右图像中的候选对应点(xk,yk‑d)的左右loc个像素内没有边缘像素，则该点不是可能的对应点，跳到⑧；否则进入下一步；⑤计算待匹配边缘特征点和候选对应点的灰度相似性代价： C corr ( k , d ) = Σ m = - W W Σ n = - W W ρ ( c corr ( k , d , m , n ) , λ corr ) 其中W表示计算相似性代价时的领域大小，ccorr(k，m,n)是两幅图像对应像素灰度值的绝对差：ccorr(k，d，m，n)=|IL(m，n)‑IR(m,n‑d)|,‑W≤m，n≤W函数ρ(c，λ)=e(‑c/λ)是指数函数，λcorr为灰度相似性代价的权重因子；⑥分别以待匹配点和候选对应点为中心像素，进行Census变换，得到IL(x，y)、IR(x，y)的Census变换cIL(x，y)、cIR(x，y)；计算对应点的Census相似性代价： C cen ( k , d ) = Σ m = - W W Σ n = - W W ρ ( c cen ( k , d , m , n ) , λ cen ) 其中λcen是Census相似性代价的权重因子，ccen(k，d，m,n)是两幅图像待匹配点和候选对应点的Census变换值的汉明距离：ccen(k，m,n)=dH(cIL(m,n),cIR(m,n‑d)),‑W≤m,n≤W；⑦计算总的相似性代价：C(k，d)=Ccorr(k，d)+Ccen(k，d)若C(k，d)小于preCost，则dM=d；否则保持dM不变；⑧令d=d+1，如果d>dmax，取当前dM的值作为当前待匹配像素的视差，取IR(xk,yk‑dM)作为IL(xk,yk)的对应点，进入下一步；若d≤dmax，返回到④；⑨令k=k+1，如果k>N，则结束匹配，将得到的对应点作为初始匹配对应点；否则，跳到第②步；步骤4，通过交叉检测器排除误匹配点；将剔除后剩下的待匹配边缘特征点及其对应点作为稀疏匹配的结果；交叉检测去除误匹配点的具体方法为：将由步骤3得到的所有对应点IR(xk,yk‑dM)分别作为待匹配点，在左图像中进行匹配搜索，具体的搜索方法采用步骤3所述的特征和相似性匹配方法；若得到的对应点不是IL(xk,yk)，则放弃IL(xk,yk)和IR(xk,yk‑dM)；若得到的对应点即为IL(xk,yk)，则保留作为稀疏匹配的结果。