本发明专利技术提供了一种立体图像的特征点匹配方法、装置、设备及介质,通过获取包含第一图像和第二图像的立体图像对;检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息;分别计算包含梯度信息的第一评价值和包含灰度信息的第二评价值,再基于所述第一评价值和所述第二评价值的加权值,有效的融合了梯度信息和灰度信息,能够有效的减少了匹配的不确定性,从而提高准确性,最后从所述候选匹配点中确定与待匹配点相匹配的最佳匹配点,计算时可根据边缘点及边缘点的灰度信息和梯度信息计算第一评价值和第二评价值的加权值,整体步骤较简单,复杂度低,计算量小,从而实现了提高边缘匹配准确度的同时具有较好的匹配速度。速度。速度。
【技术实现步骤摘要】
立体图像的特征点匹配方法、装置、设备及介质
[0001]本专利技术涉及计算机视觉
,尤其涉及一种立体图像的特征点匹配方法、装置、设备及介质。
技术介绍
[0002]目前,在双目立体视觉测量中,立体匹配是一项关键技术,它解决立体图像对中点的对应问题。立体匹配算法中局部立体匹配算法是一种计算复杂度低,计算速度很快,实时性好的算法。局部立体匹配利用某种代价函数(或称做相似性度量),通过比较左右视图中相同大小的图像块来确定视差。
[0003]常见的方法有两种,一种是利用梯度信息对边缘点进行立体匹配,另一种是使用灰度信息进行匹配。前者在当边缘点过于密集时,候选点会选取较多,当候选点之间的梯度方向和梯度幅值差异较小时,单一使用梯度这一特征进行点的匹配不确定性较大,将导致匹配准确性大大降低。同样的,后者也过于单一,当候选点之间的灰度特征值相似程度较高时,匹配的不确定性也较高。上述两种方法虽然匹配速度相对较快,计算复杂度低,但其匹配的准确率不高。
[0004]也有一些准确率高的特征点匹配方法,例如SIFT、SURF、ORB等特征点匹配方法,例如SIFT和SURF将邻域点的多个梯度方向拼接成复杂的描述子来描述相似特征,ORB则是比较邻域灰度与中心点灰度大小与否将邻域灰度值设为0和1值,组成一串二进制码来描述相似度,为了提高准确性,加大了算法的复杂度和计算时间。
[0005]因此,亟需一种立体图像的特征点匹配方法、装置、设备及介质,能够兼顾准确性和实时性的边缘立体匹配算法以改善上述问题。
专利技术内容
[0006]本专利技术的目的在于提供一种立体图像的特征点匹配方法、装置、设备及介质,用以提高边缘匹配的准确度,同时具有较好的匹配速度。
[0007]第一方面,本专利技术提供一种立体图像的特征点匹配方法,包括:获取立体图像对,所述图像对包括第一图像和第二图像;检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息;
[0008]针对第一图像的各个边缘点,依次执行如下处理:
[0009]从第一图像中选取一边缘点作为待匹配点,利用极线几何原理在第二图像中筛选出候选匹配点,利用相似度评价函数计算所述候选匹配点逐个与所述待匹配点的梯度信息之间的第一评价值,以及利用相似度评价函数计算所述候选匹配点逐个与所述待匹配点的灰度信息之间的第二评价值;基于所述第一评价值和所述第二评价值的加权值,从所述候选匹配点中确定与待匹配点相匹配的最佳匹配点。
[0010]本专利技术的方法有益效果为:通过获取包含第一图像和第二图像的立体图像对;检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息;分别计算包
含梯度信息的第一评价值和包含灰度信息的第二评价值,再基于所述第一评价值和所述第二评价值的加权值,有效的融合了梯度信息和灰度信息,能够有效的减少了匹配的不确定性,从而提高准确性,最后从所述候选匹配点中确定与待匹配点相匹配的最佳匹配点,计算时可根据边缘点及边缘点的灰度信息和梯度信息计算第一评价值和第二评价值的加权值,整体步骤较简单,复杂度低,计算量小,从而实现了提高边缘匹配准确度的同时具有较好的匹配速度。
[0011]可选的,所述的检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息包括:通过边缘检测算法对所述图像对进行边缘检测,得到单像素边缘特征;通过阈值处理对所述单像素边缘特征进行提取,得到边缘点;计算所述边缘点对应的灰度值、梯度方向和梯度幅值。
[0012]可选的,在检测并提取所述图像对的边缘点之后,还包括:对图像进行灰度检测,若是彩色图片,则将图像转换成灰度图。
[0013]可选的,还包括:将所述第一图像中已匹配的点保存为第一点集;以及将所述第二图像中所有的最佳匹配点保存为第二点集;从第二点集中选取一点作为新的待匹配点,利用极线几何原理在第一图像中筛选出相应的匹配点,当第二点集中所有的点都匹配完成后,将所有的匹配点保存为第三点集;
[0014]对比第一点集和第三点集中各个点的坐标值,若任意两点之间的差值在阈值范围内,则将阈值范围内的两点均对应的新的待匹配点记为最终匹配点。其有益效果在于,先以第一图像中少量的边缘点为匹配对象,从而进一步缩小匹配点的寻找范围,再以第二图像中所有的最佳匹配点作为新的匹配对象,使用相互对应的方式再次筛选匹配点,降低了误匹配的概率,从而确保了整体过程简单,复杂度低,计算量小,而且对边缘明显且清晰的图像有较好的匹配效果。
[0015]可选的,所述相似度评价函数满足如下公式:
[0016][0017]式中,S(x,y)为加权值,I1、I2分别为双目立体视觉中的第一图像和第二图像,以(u,v)为中心取邻域I2作为模板,W为所取的模板邻域,M是模板所占像素个数,I1(u,v)为第一图像中坐标点(u,v)的灰度值,I2(u+x,v+y)为第二图像中坐标点(u+x,v+y)的灰度值,为第一图像中坐标点(u,v)在x轴方向的梯度幅值,为第一图像中坐标点(u,v)在y轴方向的梯度幅值,为第二图像中坐标点(u+x,v+y)在x轴方向的梯度幅值,为第二图像中坐标点(u+x,v+y)在y轴方向的梯度幅值,K为权重因子。
[0018]第二方面,本专利技术还提供一种立体图像的特征点匹配装置,该装置包括执行上述第一方面的任意一种可能的设计的方法的模块/单元。这些模块/单元可以通过硬件实现,
也可以通过硬件执行相应的软件实现。
[0019]第三方面,本专利技术还提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的程序,当所述程序被所述处理器执行时,使得所述电子设备实现执行上述任一方面的任意一种可能的设计的方法。
[0020]第四方面,本专利技术还提供一种可读存储介质,所述可读存储介质内存储有程序,所述程序被执行时,实现上述任一方面的任意一种可能的设计的方法。
附图说明
[0021]图1为本专利技术实施例提供的一种立体图像的特征点匹配方法的流程示意图;
[0022]图2为本专利技术实施例提供的双目立体视觉中的图像对示意图;
[0023]图3为本专利技术实施例提供的立体图像的特征点匹配系统流程示意图;
[0024]图4为本专利技术实施例提供的第一图像中边缘点和第二图像中边缘点匹配流程图;
[0025]图5为本专利技术提供的一种立体图像的特征点匹配装置的结构示意图;
[0026]图6为本专利技术提供的一种电子设备的结构示意图。
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚,下面将结合本专利技术的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术的一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。除非另外定义,此处使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种立体图像的特征点匹配方法,其特征在于,包括:获取立体图像对,所述图像对包括第一图像和第二图像;检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息;针对第一图像的各个边缘点,依次执行如下处理:从第一图像中选取一边缘点作为待匹配点,利用极线几何原理在第二图像中筛选出候选匹配点,利用相似度评价函数计算所述候选匹配点逐个与所述待匹配点的梯度信息之间的第一评价值,以及利用相似度评价函数计算所述候选匹配点逐个与所述待匹配点的灰度信息之间的第二评价值;基于所述第一评价值和所述第二评价值的加权值,从所述候选匹配点中确定与待匹配点相匹配的最佳匹配点。2.根据权利要求1所述的方法,其特征在于,在检测并提取所述图像对的边缘点之后,还包括:对图像进行灰度检测,若是彩色图片,则将图像转换成灰度图。3.根据权利要求1所述的方法,其特征在于,所述的检测并提取所述图像对的边缘点;以及获取所述边缘点的灰度信息和梯度信息包括:通过边缘检测算法对所述图像对进行边缘检测,得到单像素边缘特征;通过阈值处理对所述单像素边缘特征进行提取,得到边缘点;计算所述边缘点对应的灰度值、梯度方向和梯度幅值。4.根据权利要求1至3任一项所述的方法,其特征在于,还包括:将所述第一图像中已匹配的点保存为第一点集;以及将所述第二图像中所有的最佳匹配点保存为第二点集;从第二点集中选取一点作为新的待匹配点,利用极线几何原理在第一图像中筛选出相应的匹配点,当第二点集中所有的点都匹配完成后,将所有的匹配点保存为第三点集;对比第一点集和第三点集中各个点的坐标值,若任意两点之间的差值在阈值范围内,则将阈值范围内的两点均对应的新的待匹配点记为最终匹配点。5.根据权利要求1至3任一项所述的方法,其特征在于,所述相似度评价函数满足如下公式:式中,S(x,y)为加权值,I1、I2分别为双目立体视觉中的第一图像和第二图像,以(u,v)为中心取邻域I2作为模板,W为所取的模板邻域,M是模板所占像素个数,I1(u,v)为第一图像中坐标点(u,v)的灰度值,I2(u+x,v+y)为第二图像中坐标点(u+x,v+y)的灰度值,为第一图像中坐标点(u,v)在x轴方向的梯度幅值,为第一图像中坐标点(u,v)在y轴方向的梯度幅值,为第二图像中坐标点(u+x,v+y)在x轴方向的梯度幅值,
为第二图像中坐标点(u+x,v+y)在y轴方向的梯度幅值,K为权重因子。6.一种立体图像的特征点匹配装置,其特征在于,包括:获取单元,用于立体图像对,所述图像对包括第一图像和第二图像;检测单元,用于检测并提取所述图像对的边缘点;所述获取单元,用于获取所述边缘点的灰...
【专利技术属性】
技术研发人员:朱志鹏,
申请(专利权)人:展讯通信上海有限公司,
类型:发明
国别省市:
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。