立体匹配优化方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种立体匹配优化方法、装置、计算机设备和存储介质。所述方法包括：获取第一待匹配图像和第二待匹配图像；根据各图像点的梯度信息，确定各图像点的纹理强度；将第一待匹配图像中的第一类图像点剔除，获得第三待匹配图像，第三待匹配图像中包括第二类图像点和第三类图像点；根据第三待匹配图像中的各图像点、及其在第二待匹配图像中对应的图像点，获得视差图像，视差图像中的各图像点与第三待匹配图像中的各图像点一一对应；根据视差图像中的各图像点的纹理强度和视差值，对视差图像中的第三类图像点进行平滑处理。采用本方法能够在保持物体轮廓和连续性的同时提高测距精度。

Stereo matching optimization method, device, computer equipment and storage medium

The application relates to a stereo matching optimization method, a device, a computer device and a storage medium. The method includes: obtaining the first image to be matched and the second image to be matched; determining the texture intensity of each image point according to the gradient information of each image point; removing the first type of image point in the first image to be matched to obtain the third image to be matched, the third image to be matched includes the second type of image point and the third type of image point; according to each image in the third image to be matched Points and their corresponding image points in the second image to be matched are used to obtain the parallax image. Each image point in the parallax image corresponds to each image point in the third image to be matched one by one. According to the texture intensity and parallax value of each image point in the parallax image, the third image point in the parallax image is smoothed. This method can improve the ranging accuracy while keeping the contour and continuity of the object.

【技术实现步骤摘要】
立体匹配优化方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种立体匹配优化方法、装置、计算机设备和存储介质。
技术介绍
立体视觉已被广泛应用于智能驾驶场景中，通过对双目相机左右图片进行立体校正，然后进行立体匹配，可以根据相机参数和立体匹配的结果将二维图像转换为三维点云，再通过聚类算法获取障碍物的位置信息。获得轮廓清晰且连续的点云、准确的距离信息对障碍物检测都至关重要。然而，传统立体匹配算法对图像中部分弱纹理区域有难以避免的误匹配，造成和路面上物体(障碍物)相接的部分路面区域被误检测为前景(障碍物)，导致最终检测的物体轮廓和距离不准确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种立体匹配优化方法、装置、计算机设备和存储介质。一种立体匹配优化方法，所述方法包括：获取第一待匹配图像和第二待匹配图像；根据所述第一待匹配图像中各图像点的梯度信息，确定所述第一待匹配图像中各所述图像点的纹理强度；将所述第一待匹配图像中的第一类图像点剔除，获得第三待匹配图像，所述本文档来自技高网...

【技术保护点】
1.一种立体匹配优化方法，所述方法包括：/n获取第一待匹配图像和第二待匹配图像；/n根据所述第一待匹配图像中各图像点的梯度信息，确定所述第一待匹配图像中各所述图像点的纹理强度；/n将所述第一待匹配图像中的第一类图像点剔除，获得第三待匹配图像，所述第三待匹配图像中包括第二类图像点和第三类图像点，所述第一类图像点的纹理强度小于第一纹理强度阈值，所述第二类图像点的纹理强度大于第二纹理强度阈值，所述第三类图像点的纹理强度处于所述第一纹理强度阈值和所述第二纹理强度阈值之间；/n根据所述第三待匹配图像中的各图像点、以及所述第三待匹配图像中的各图像点在所述第二待匹配图像中对应的图像点，获得视差图像，所述视差...

【技术特征摘要】
1.一种立体匹配优化方法，所述方法包括：
获取第一待匹配图像和第二待匹配图像；
根据所述第一待匹配图像中各图像点的梯度信息，确定所述第一待匹配图像中各所述图像点的纹理强度；
将所述第一待匹配图像中的第一类图像点剔除，获得第三待匹配图像，所述第三待匹配图像中包括第二类图像点和第三类图像点，所述第一类图像点的纹理强度小于第一纹理强度阈值，所述第二类图像点的纹理强度大于第二纹理强度阈值，所述第三类图像点的纹理强度处于所述第一纹理强度阈值和所述第二纹理强度阈值之间；
根据所述第三待匹配图像中的各图像点、以及所述第三待匹配图像中的各图像点在所述第二待匹配图像中对应的图像点，获得视差图像，所述视差图像中的各图像点与所述第三待匹配图像中的各图像点一一对应；
根据所述视差图像中的各图像点的纹理强度和视差值，对所述视差图像中的第三类图像点进行平滑处理。


2.根据权利要求1所述的方法，其特征在于，根据所述第一待匹配图像中各图像点的梯度信息，确定所述第一待匹配图像中各所述图像点的纹理强度，包括：
对所述第一待匹配图像进行边缘滤波，得到所述第一待匹配图像中各图像点的初始梯度，基于所述第一待匹配图像中各所述图像点及其周边图像点的初始梯度，获得所述第一待匹配图像中各所述图像点的梯度特征；
根据所述第一待匹配图像中各所述图像点的梯度特征，确定所述第一待匹配图像中各所述图像点的纹理强度。


3.根据权利要求2所述的方法，其特征在于，对所述第一待匹配图像进行边缘滤波，得到所述第一待匹配图像中各图像点的初始梯度，基于所述第一待匹配图像中各所述图像点及其周边图像点的初始梯度，获得所述第一待匹配图像中各所述图像点的梯度特征，包括：
对所述第一待匹配图像，分别从水平方向和垂直方向进行边缘滤波，得到所述第一待匹配图像中各图像点在水平方向和垂直方向的初始梯度；
将所述第一待匹配图像中各所述图像点在水平方向和垂直方向的初始梯度、以及各所述图像点的周边图像点在水平方向和/或垂直方向的初始梯度组合，获得所述第一待匹配图像中各所述图像点的梯度特征，所述梯度特征中的每一个值对应一个初始梯度。


4.根据权利要求2所述的方法，其特征在于，根据所述第一待匹配图像中各所述图像点的梯度特征，确定所述第一待匹配图像中各所述图像点的纹理强度，包括：
根据所述第一待匹配图像中，各所述图像点的梯度特征中各初始梯度与梯度阈值的大小关系，确定各所述图像点的梯度特征中各初始梯度的更新值；
将各所述图像点的梯度特征中各初始梯度的更新值之和，确定为所述第一待匹配图像中各所述图像点的纹理强度。


5.根据权利要求4所述的方法，其特征在于，根据所述第一待匹配图像中，各所述图像点的梯度特征中各初始梯度与梯度阈值的大小关系，确定各所述图像点的梯度特征中各初始梯度的更新值，包括下述两项中的至少一项：
若初始梯度小于梯度阈值，确定该初始梯度的更新值为该初始梯度；
若初始梯度大于或等于所述梯度阈值，确定该初始梯度的更新值为该初始梯度与预设增值之和。


6.根据权利要求1所述的方法，其特征在于，根据所述视差图像中的各图像点的纹理强度和视差值，对所述视差图像中的第三类图像点进行平滑处理，包括下述各项中的至少一项：
第一项：
当所述视差图像中的第三类图像点在其所在行存在支撑图像点，且所述支撑图像点之间的视差差值小于或等于第一视差差值阈值时，根据该第三类图像点及其支撑图像点的视差值，对该第三类图像点进行平滑处理；
第二项：
当所述视差图像中的第三类图像点在其所在行存在所述支撑图像点，且所述支撑图像点...

【专利技术属性】
技术研发人员：万波，彭美华，马源，杨凯斌，
申请(专利权)人：长沙智能驾驶研究院有限公司，
类型：发明
国别省市：湖南;43