一种基于OpenCL的散斑图像匹配方法组成比例

本发明专利技术开了一种基于OpenCL的散斑图像匹配方法，包括以下步骤：通过Census变换计算散斑图像的特征值，并利用特征值计算汉明距离；在已知汉明距离的情况下，通过半全局匹配算法来计算散斑图像之间的匹配聚合代价，利用匹配聚合代价计算散斑图像之间的视差数据；利用所得的匹配聚合代价进行亚像素计算；将上述方法编写为可供OpenCL使用的内核程序；初始化内核启动环境，执行程序，并从OpenCL内核中输出视差数据，释放资源。本发明专利技术方法利用OpenCL的并行化计算能力，对散斑匹配算法进行加速，在不影响散斑匹配精度的前提下，有效地提升了散斑匹配算法的计算速度。

【技术实现步骤摘要】
一种基于OpenCL的散斑图像匹配方法
本专利技术属于光学测量
，具体涉及一种基于OpenCL的散斑图像匹配方法。
技术介绍
近年来，三维测量技术在我们的生活中扮演者越来越重要的角色，无论是在工业检测领域还是人脸识别领域都起着决定性的作用。人类之所以可以看见三维的世界是因为人类的两只眼睛观察到的景物存在一点位移，即视差。通过视差可以让人类产生有空间感的立体视觉效果，我们将其称为双目立体视觉。三维测量技术的原理是基于双目立体视觉的原理，利用两幅或多幅图像提供的信息来计算视差数据并重构出三维信息。因此获得准确的视差数据就是三维测量的关键。为了增加待测物体表面的特征信息，将对待测物体表面投影散斑图像，然后通过对采集到的散斑图像进行匹配，获得物体的视差信息。半全局匹配（SGM）算法是一种常见的匹配算法，通过设置一个和视差图像相关的全局能量函数，使这个函数最小化，以求获得这个像素最优视差的目的。为了使SGM算法的结果更加准确，需要在计算全局能量函数时计算多个方向上的匹配聚合代价，并对其取平均值来消除能量函数中的误差信息。因为需要进行多次SG本文档来自技高网...

【技术保护点】
1.一种基于OpenCL的散斑图像匹配方法，其特征在于，包括以下步骤：/n步骤1：对两幅散斑图像进行Census变换，将散斑图像上的灰度值转化为初始的特征值，并且利用特征值计算汉明距离；/n步骤2：通过半全局匹配算法，利用汉明距离来计算和视差图像相关的全局能量函数，将其作为匹配聚合代价，将匹配聚合代价最小值对应的视差数据作为散斑图像的视差数据；/n步骤3：利用SGM算法计算得到的匹配聚合代价和整数视差数据进行视差数据的亚像素计算；/n步骤4：将上述三个步骤中的算法编写为OpenCL内核程序；/n步骤5：初始化OpenCL内核启动环境；/n步骤6：执行OpenCL程序，程序结束后，从OpenCL...

【技术特征摘要】
1.一种基于OpenCL的散斑图像匹配方法，其特征在于，包括以下步骤：
步骤1：对两幅散斑图像进行Census变换，将散斑图像上的灰度值转化为初始的特征值，并且利用特征值计算汉明距离；
步骤2：通过半全局匹配算法，利用汉明距离来计算和视差图像相关的全局能量函数，将其作为匹配聚合代价，将匹配聚合代价最小值对应的视差数据作为散斑图像的视差数据；
步骤3：利用SGM算法计算得到的匹配聚合代价和整数视差数据进行视差数据的亚像素计算；
步骤4：将上述三个步骤中的算法编写为OpenCL内核程序；
步骤5：初始化OpenCL内核启动环境；
步骤6：执行OpenCL程序，程序结束后，从OpenCL内核中读出两幅散斑图像匹配后的视差数据。


2.根据权利要求1所述的基于OpenCL的散斑图像匹配方法，其特征在于，步骤2中所使用的半全局匹配算法的具体方法为：
利用获得的特征信息经过半全局匹配算法，通过对目标散斑图像和参考散斑图像上下左右四个方向的匹配聚合代价进行计算，并将四个方向的匹配聚合代价取平均值，最终获得像素点之间的匹配聚合代价，通过匹配聚合代价的最小值找到两幅图像之间对应的匹配像素点。


3.根据权利要求2所述的基于OpenCL的散斑图像匹配方法，其特征在于，步骤3中将完整的双目立体匹配算法编写为OpenCL内核程序的执行顺序为：
对散斑图像进行Census变换；通过Census变换得到的特征数据计算汉明距离；半全局匹配（SGM），分别进行四个方向的SGM变换，并在最后一个方向的SGM变换中将四个方向的匹配聚合代价取平均；通过WTA算法计算视差数据；进行亚像素计算。


4.根据权利要...

【专利技术属性】
技术研发人员：左超，张晓磊，沈德同，
申请(专利权)人：南京理工大学智能计算成像研究院有限公司，
类型：发明
国别省市：江苏;32