一种双目图像立体匹配方法、系统及其滤波方法、系统技术方案

技术编号:18400507 阅读:6 留言:0更新日期:2018-07-08 20:19
一种双目图像立体匹配方法、系统及其滤波方法、系统,在立体匹配过程中,对图像中像素点进行滤波,利用周围像素点对该像素点进行加权平均,完成对该像素点的滤波,而该像素点的周围像素点的权重系数,则引入匹配代价矢量特征,至少通过待滤波的像素点与其周围的像素点的匹配代价矢量特征的距离来计算滤波中的权重,从而可以有效解决立体匹配时发生误匹配的问题,提高了立体匹配的精确度。

Binocular image stereo matching method, system, filtering method and system thereof

A stereo matching method, system and its filtering method and system are used to filter the pixels in the image in the stereo matching process. The pixel points are weighted averaging by the surrounding pixels, and the weight coefficients of the pixels around the pixels are introduced into the matching generation. The value of the value vector is calculated at least by the distance between the pixel points and its surrounding pixels, which can effectively solve the problem of mismatch in stereo matching and improve the accuracy of stereo matching.

【技术实现步骤摘要】
一种双目图像立体匹配方法、系统及其滤波方法、系统
本专利技术涉及双目立体视觉领域,具体涉及一种双目图像立体匹配方法、系统及其滤波方法、系统。
技术介绍
双目立体视觉系统是一个根据获取的平面图像恢复3D图像的系统。场景中的光线在人眼这个精密的成像系统中被采集,通过神经中枢被送入包含有数以亿计的神经元的大脑中被并行的处理,得到了实时的高清晰度的准确的深度感觉信息。这使得人类对环境的适应能力大大提高,很多复杂的动作能够得以完成:如行走、体育运动、驾驶车辆以及进行科学实验等。计算机视觉是一门研究使用计算机来模拟人的视觉系统的学科。当前计算机立体视觉的水平与人类的双目视觉水平还相距甚远,因此对它的研究仍然是一个非常活跃的领域。以双目立体视觉为例,它是计算机视觉领域的重要分支,它通过模拟人的视觉系统来处理现实世界,对于立体视觉匹配的研究,能够大大的增强计算机或机器人对环境的感知能力,使得机器人能够更好的适应环境、更加智能,从而能够更好的为人们服务。双目立体视觉中最重要但又非常困难的问题就是立体视觉匹配问题,即从不同视点图像中找到匹配的对应点。
技术实现思路
针对上述问题,本申请提供一种双目图像立体匹配方法、系统及其滤波方法、系统。根据第一方面,一种实施例中提供一种双目图像立体匹配的滤波方法,包括:计算每个像素点(x,y)的匹配代价矢量特征,包括:计算该像素点(x,y)和另一幅图像中若干像素点的距离c(x,y,d)=|I1(x,y)-I2(x-d,y)|;其中d∈Sd={dmin,...,dmax},为所有可能的视差的集合,I1(x,y)为像素点(x,y)的属性,I2(x-d,y)为另一幅图像中像素点(x-d,y)的属性;根据计算得到的距离c(x,y,d)构造像素点(x,y)的匹配代价矢量特征feature_vector(x,y);对任一像素点,当需要对该像素点进行滤波时,使用该像素点的周围像素点进行加权平均,完成对该像素点的滤波,其中该像素点的周围像素点对该像素点的权重至少通过这两个像素点的匹配代价矢量特征的距离来计算。在一实施例中,根据差距c(x,y,d)构造的像素点(x,y)的匹配代价矢量特征:feature_vector(x,y)=[c(x,y,dmin),...,c(x,y,dmax)]。在一实施例中,根据差距c(x,y,d)构造的像素点(x,y)的匹配代价矢量特征:feature_vector(x,y)=[e(x,y,dmin),...,e(x,y,dmax)];其中,或者,σ为预设的常数,cmin=mind∈Sd{c(x,y,d)}。在一实施例中,像素点的属性包括颜色强度属性、灰度强度属性和/或梯度属性;对像素点的滤波,包括对像素点的颜色强度、灰度强度、梯度或距离c(x,y,d)的滤波。在一实施例中,所述该像素点的周围像素点对该像素点的权重至少通过这两个像素点的匹配代价矢量特征的距离来计算,包括:通过这两个像素点的匹配代价矢量特征的距离来计算;或者,通过这两个像素点的匹配代价矢量特征的距离,以及颜色距离、灰度距离、几何距离中的一者或多者,来共同计算。在一实施例中,像素点的周围像素点通过预设的一个领域大小来选取。根据第二方面,一种实施例中提供一种双目图像立体匹配方法,包括:获取至少两个视点的图像;通过上述任一实施例所述的滤波方法,对图像中的像素点进行滤波。根据第三方面,一种实施例提供一种双目图像立体匹配的滤波系统,包括:存储器,用于存储程序;处理器,用于通过执行所述存储器存储的程序以实现上述任一实施例所述的方法。根据第四方面,一种实施例提供一种双目图像立体匹配系统,包括:存储器,用于存储程序;处理器,用于通过执行所述存储器存储的程序以实现上述任一实施例所述的方法。根据第五方面,一种实施例提供一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现上述任一实施例所述的方法。依据上述实施例的双目图像立体匹配方法、系统及其滤波方法、系统、计算机可读存储介质,在立体匹配过程中,对图像中像素点进行滤波,利用周围像素点对该像素点进行加权平均,完成对该像素点的滤波,而该像素点的周围像素点的权重系数,则引入匹配代价矢量特征,至少通过待滤波的像素点与其周围的像素点的匹配代价矢量特征的距离来计算滤波中的权重,从而可以有效解决立体匹配时发生误匹配的问题,提高了立体匹配的精确度。附图说明图1为一种实施例的双目图像立体匹配的滤波方法的流程图;图2为一种实施例的双目图像立体匹配的滤波系统的结构示意图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。在双目视觉的立体匹配中,一个关键问题是寻找在左右图像中的匹配点,以得到两幅图像中对应像素的水平位置差,也称之为视差,从而进一步可以计算出该像素点的深度。不在同一深度的像素点,完全可能有相同的颜色、纹理和梯度等,所以这常常会导致立体匹配时发生错配,从而进一步导致视差计算出现较大的错误,大大影响了双目视觉在深度测量中的应用。为了克服这一点,在现有的双目图像的立体匹配方法中,一般会采用像素点周边区域的像素点来估计该像素点,例如用一个矩形区域,用自适应生长的区域,还有用最小生成树等等,但这些方法中,对像素的匹配代价的加权仍然只能采用上面的颜色、纹理和梯度等与视差没有直接关系的特征来计算,因此这些方法还有较大的不鲁棒性。针对立体匹配,本专利技术提出一种滤波方法及基于该滤波方法的立体匹配,在对图像中像素点进行滤波时,利用周围像素点对该像素点进行加权平均,完成对该像素点的滤波,而该像素点的周围像素点的权重系数,则基于本专利技术提出的匹配代价矢量特征来计算,例如至少通过这两个像素点的匹配代价矢量特征的距离来计算;具体地,可以单独由这两个像素点的匹配代价矢量特征来决定权重系数,也可以由这两个像素点的匹配代价矢量特征联合其他的诸如颜色距离、灰度距离、几何距离中的一者或多者,来共同决定权重系数。对像素点的滤波,可以是对像素点的颜色强度、灰度强度、梯度或距离c(x,y,d)等滤波。本专利技术可以有效解决立体匹配时发生误匹配的问题,提高了立体匹配本文档来自技高网...

【技术保护点】
1.一种双目图像立体匹配的滤波方法,其特征在于,包括:计算每个像素点(x,y)的匹配代价矢量特征,包括:计算该像素点(x,y)和另一幅图像中若干像素点的距离c(x,y,d)=|I1(x,y)‑I2(x‑d,y)|;其中d∈Sd={dmin,...,dmax},为所有可能的视差的集合,I1(x,y)为像素点(x,y)的属性,I2(x‑d,y)为另一幅图像中像素点(x‑d,y)的属性;根据计算得到的距离c(x,y,d)构造像素点(x,y)的匹配代价矢量特征feature_vector(x,y);对任一像素点,当需要对该像素点进行滤波时,使用该像素点的周围像素点进行加权平均,完成对该像素点的滤波,其中该像素点的周围像素点对该像素点的权重至少通过这两个像素点的匹配代价矢量特征的距离来计算。

【技术特征摘要】
1.一种双目图像立体匹配的滤波方法,其特征在于,包括:计算每个像素点(x,y)的匹配代价矢量特征,包括:计算该像素点(x,y)和另一幅图像中若干像素点的距离c(x,y,d)=|I1(x,y)-I2(x-d,y)|;其中d∈Sd={dmin,...,dmax},为所有可能的视差的集合,I1(x,y)为像素点(x,y)的属性,I2(x-d,y)为另一幅图像中像素点(x-d,y)的属性;根据计算得到的距离c(x,y,d)构造像素点(x,y)的匹配代价矢量特征feature_vector(x,y);对任一像素点,当需要对该像素点进行滤波时,使用该像素点的周围像素点进行加权平均,完成对该像素点的滤波,其中该像素点的周围像素点对该像素点的权重至少通过这两个像素点的匹配代价矢量特征的距离来计算。2.如权利要求1所述的滤波方法,其特征在于,根据差距c(x,y,d)构造的像素点(x,y)的匹配代价矢量特征:feature_vector(x,y)=[c(x,y,dmin),...,c(x,y,dmax)]。3.如权利要求1所述的滤波方法,其特征在于,根据差距c(x,y,d)构造的像素点(x,y)的匹配代价矢量特征:feature_vector(x,y)=[e(x,y,dmin),...,e(x,y,dmax)];其中,或者,σ为预设的常数,4....

【专利技术属性】
技术研发人员:赵勇王全红卢海花陈天健卢昌义
申请(专利权)人:北京大学深圳研究生院
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1