重复纹理检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种重复纹理检测方法、装置、计算机设备和存储介质。包括：对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到目标场景的代价立方体；其中，代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值；从代价立方体对应的像素点中获取目标位置，以及获取目标位置在代价立方体中的视差值集；获取视差值集中的每一视差值对应的代价值，得到代价值集；根据代价值集，判定目标位置是否为重复纹理区域点。结合视差值集和对应的代价值集对目标位置是否为重复纹理区域进行检测和判定的方式，能够起到数据之间互相支持和校正的作用，提高重复性纹理检测的准确性。

Method, device, computer equipment and storage medium of repeated texture detection

【技术实现步骤摘要】
重复纹理检测方法、装置、计算机设备和存储介质
本申请涉及计算机视觉处理
，特别涉及一种重复纹理检测方法、装置、计算机设备和存储介质。
技术介绍
随着计算机视觉处理技术地不断发展，双目立体视觉作为计算机视觉领域的重要分支，因其具有仿人类双目的特点，逐渐成为立体视觉领域的研究热点。双目立体视觉通过模拟人的视觉系统来处理现实世界，具有实现简单，成本低廉，并且可以在非接触条件下测量距离等优点。然而，在双目立体匹配过程中，重复性纹理检测准确率较低的现象，致使双目立体匹配的效果不佳，不能很好的体现双目立体视觉的优点。
技术实现思路
基于此，有必要针对上述技术问题，提供一种重复纹理检测方法、装置、计算机设备和存储介质。一种重复纹理检测方法，所述方法包括：对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到所述目标场景的代价立方体；其中，所述代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值；从所述代价立方体对应的像素点中获取目标位置，以及获取所述目标位置在所述代价立方体中的视差值集；获取所述视差值集中的每一视差值对应的代价值，得到代价值集；根据所述代价值集，判定所述目标位置是否为重复纹理区域点。在其中一个实施例中，所述根据所述代价值集，判定所述目标位置是否为重复纹理区域点，包括：根据所述代价值集，判断所述目标位置是否为无纹理区域点；若所述目标位置不是所述无纹理区域点，则根据所述代价值集判断所述目标位置是否为重复纹理区域点。在其中一个实施例中，所述根据所述代价值集，判断所述目标位置是否为无纹理区域点，包括：计算所述代价值集的方差，得到代价方差值；若所述代价方差值小于或等于第一预设阈值，则所述目标位置是所述无纹理区域点；若所述代价方差值大于所述第一预设阈值，则所述目标位置不是所述无纹理区域点。在其中一个实施例中，所述若所述目标位置不是所述无纹理区域点，则根据所述代价值集判断所述目标位置是否为重复纹理区域点，包括：若所述目标位置不是所述无纹理区域，则获取所述代价值集中的最小代价值和次小代价值；根据所述最小代价值和所述次小代价值，判断所述目标位置是否为重复纹理区域点。在其中一个实施例中，所述根据所述最小代价值和所述次小代价值，判断所述目标位置是否为重复纹理区域点，包括：根据所述最小代价值得到对应的第一视差值，以及根据所述次小代价值得到对应的第二视差值；根据所述第一视差值和所述第二视差值，判断所述目标位置是否为重复纹理区域点。在其中一个实施例中，所述根据所述第一视差值和所述第二视差值，判断所述目标位置是否为重复纹理区域点，包括：计算所述第一视差值和所述第二视差值之间差值的绝对值；根据所述差值的绝对值，判断所述目标位置是否为重复纹理区域点。在其中一个实施例中，所述根据所述差值的绝对值，判断所述目标位置是否为重复纹理区域点，包括：若所述差值的绝对值小于或等于第二预设阈值，则所述目标位置不是重复纹理区域点；若所述差值的绝对值大于所述第二预设阈值，则所述目标位置是重复纹理区域点。一种重复纹理检测装置，所述装置包括：立体匹配模块，用于对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到所述目标场景的代价立方体；其中，所述代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值；视差值集获取模块，用于从所述代价立方体对应的像素点中获取目标位置，以及获取所述目标位置在所述代价立方体中的视差值集；代价值集获取模块，用于获取所述视差值集中的每一视差值对应的代价值，得到代价值集；纹理区域判定模块，用于根据所述代价值集，判定所述目标位置是否为重复纹理区域点。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。上述重复纹理检测方法、装置、计算机设备和存储介质，通过对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到目标场景的代价立方体；其中，代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值，接着，从代价立方体对应的像素点中获取目标位置，以及获取目标位置在代价立方体中的视差值集，并获取视差值集中的每一视差值对应的代价值，得到代价值集，根据代价值集，判定目标位置是否为重复纹理区域点。上述结合视差值集和对应的代价值集对目标位置是否为重复纹理区域进行检测和判定的方式，能够起到数据之间互相支持和校正的作用，提高重复性纹理检测的准确性。附图说明图1为一个实施例中重复纹理检测方法的流程示意图；图2为一个实施例中步骤S400的一种可实施方式的流程示意图；图3为一个实施例中步骤S410的一种可实施方式的流程示意图；图4为一个实施例中步骤S420的一种可实施方式的流程示意图；图5为一个实施例中步骤S422的一种可实施方式的流程示意图；图6为一个实施例中重复纹理检测装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。可以理解本申请中所使用的术语“第一”、“第二”等可在本文中用于描述各种条件关系，但这些条件关系不受这些术语限制。这些术语仅用于将一个条件关系与另一个条件关系区分开来。在一个实施例中，如图1所示，提供了一种重复纹理检测方法，包括以下步骤：步骤S100，对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到目标场景的代价立方体；其中，代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值。其中，目标场景是指双目立体匹配过程中两个视场角获取图像的场景。第一视场角图像为双目立体匹配中从一个视场角获取到的目标场景的图像，第二视场角图像为双目立体匹配中从另一个视场角获取到的目标场景的图像。双目立体匹配是指对从不同视场角获取到的同一目标场景的图像进行立体匹配的操作。代价立方体为双目立体匹配中得到的匹配数据的集合，包括每一像素点的每一视差值和每一像素点的每一视差值对应的代价值。步骤S200，从代价立方体对应的像素点中获取目标位置，以及获取目标位置在代价立方体中的视差值集。其中，目标位置为从代价立方体对应的像素点中获取到的一个待检测点。视差值是指在双目立体匹配中第一视场角图像和第二视场角图像对应点之间的差别的衡量值，一般一个待检测点对应多个视差值，例如，第一视场角图像包含三个点A、B、C，第二视场角图像包含三个点O、P、Q，A与O对应，B与P本文档来自技高网...

【技术保护点】
1.一种重复纹理检测方法，其特征在于，所述方法包括：/n对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到所述目标场景的代价立方体；其中，所述代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值；/n从所述代价立方体对应的像素点中获取目标位置，以及获取所述目标位置在所述代价立方体中的视差值集；/n获取所述视差值集中的每一视差值对应的代价值，得到代价值集；/n根据所述代价值集，判定所述目标位置是否为重复纹理区域点。/n

【技术特征摘要】
1.一种重复纹理检测方法，其特征在于，所述方法包括：
对获取到的目标场景的第一视场角图像和第二视场角图像进行立体匹配，得到所述目标场景的代价立方体；其中，所述代价立方体包括立体匹配得到的每一像素点的每一视差值对应的代价值；
从所述代价立方体对应的像素点中获取目标位置，以及获取所述目标位置在所述代价立方体中的视差值集；
获取所述视差值集中的每一视差值对应的代价值，得到代价值集；
根据所述代价值集，判定所述目标位置是否为重复纹理区域点。


2.根据权利要求1所述的方法，其特征在于，所述根据所述代价值集，判定所述目标位置是否为重复纹理区域点，包括：
根据所述代价值集，判断所述目标位置是否为无纹理区域点；
若所述目标位置不是所述无纹理区域点，则根据所述代价值集判断所述目标位置是否为重复纹理区域点。


3.根据权利要求2所述的方法，其特征在于，所述根据所述代价值集，判断所述目标位置是否为无纹理区域点，包括：
计算所述代价值集的方差，得到代价方差值；
若所述代价方差值小于或等于第一预设阈值，则所述目标位置是所述无纹理区域点；
若所述代价方差值大于所述第一预设阈值，则所述目标位置不是所述无纹理区域点。


4.根据权利要求2所述的方法，其特征在于，所述若所述目标位置不是所述无纹理区域点，则根据所述代价值集判断所述目标位置是否为重复纹理区域点，包括：
若所述目标位置不是所述无纹理区域，则获取所述代价值集中的最小代价值和次小代价值；
根据所述最小代价值和所述次小代价值，判断所述目标位置是否为重复纹理区域点。


5.根据权利要求4所述的方法，其特征在于，所述根据所述最小代价值和所述次小代价值，判断所述目标位置是否为重复纹理区域点，包括：
根据所述最小代价值得到对应...

【专利技术属性】
技术研发人员：唐金伟，张哲斌，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京;11