【技术实现步骤摘要】
本专利技术属于立体匹配，具体涉及一种改进census变换的抗噪立体匹配方法及系统。
技术介绍
1、立体匹配是双目立体视觉的基础及研究热点之一，通过匹配两幅或多幅图像之间的同名点进而获取场景深度信息的过程。立体匹配在自动驾驶、摄影测量、机器人导航和三维重建等广泛应用中发挥着重要作用。立体匹配主要分为这四个步骤：(1)初始匹配代价计算；(2)代价聚合；(3)视差计算；(4)视差优化及后处理。依据匹配范围的大小，立体匹配算法大致分为全局和局部两种类型。其中全局立体匹配算法的准确率高，但有着计算复杂、耗时长等缺点，局部立体匹配算法虽然运算速度快，便于实现，但匹配准确度还不够高。其中局部立体匹配算法根据匹配基元又分为基于区域信息的区域匹配算法，基于图像特征的立体匹配算法和基于相位的匹配算法。1)基于区域信息的区域匹配算法，该算法通常以邻域窗的灰度为匹配基元，通过计算两个图像中对应区域相关性来确定它们之间的匹配程度。这种基于光度测量学不变性原理的方法可以得到较稠密的视差图。2)基于图像特征的立体匹配算法，该算法通常以局部特征为匹配基元，以图像的几何不变性为基础，研究角点、边缘、直线、梯度等信息，得到稀疏视差图。3)基于相位的立体匹配算法，该算法通常以图像的相位差异为匹配基元，基于傅里叶变换的位移定理，将研究中心转换到频域上，因此能够精确地测量出相对图像对之间的相对平移量。
2、专利技术专利申请号202310081535.5提供了一种基于改进census算法的立体匹配方法，通过双目相机采集左右图像信息，对图像进行多区域分割，得到多
3、针对现有立体匹配算法代价函数单一，且匹配时参考像素易受噪点影响，误匹配率较高的技术问题，急需找到一种改进census变换的抗噪立体匹配方法及系统，来提高抗噪性能，降低误匹配率。
技术实现思路
1、为了克服上述现有技术的缺点，本专利技术的目的在于提供一种改进census变换的抗噪立体匹配方法及系统，以解决现有立体匹配算法代价函数单一，且匹配时参考像素易受噪点影响，误匹配率较高的技术问题。
2、为了达到上述目的，本专利技术采用以下技术方案予以实现：
3、本专利技术公开了一种改进census变换的抗噪立体匹配方法，包括：
4、第一步：输入左右图像
5、将经过极线约束的双目图像输入，得到左右图像；
6、第二步：计算匹配代价
7、融合改进census匹配代价、ad匹配代价和梯度匹配代价，通过归一化处理对第一步得到的左右图像计算匹配代价，得到初始代价值，生成代价空间；
8、改进census匹配代价的改进census变换为，首先除去左右图像中像素灰度值的最大值和最小值，再将其余像素灰度值的均值与中心像素灰度值求均值作为参考像素灰度值，然后分别求出参考像素灰度值与窗口内最小像素灰度值和最大像素灰度值的插值，并与参考像素灰度值比较；
9、ad匹配代价采用做差的方式直接计算；
10、梯度匹配代价采用sobel算子计算；
11、第三步：代价聚合
12、采用十字交叉域代价聚合方法对第二步得到的初始代价值进行代价聚合，得到代价聚合后的视差值；
13、第四步：视差计算
14、采用胜者为王方法计算视差值，筛选出第三步代价聚合后的最小视差值，构建初始视差图；
15、第五步：视差优化及后处理
16、首先检查第四步得到的初始视差图的离群点，然后将离群点进行修正；最后剔除视差图中的孤立的离群外点，得到最终视差图；
17、第六步：输出最终视差图，完成改进census变换的抗噪立体匹配。
18、优选地，第二步中，改进census变换采用两个二进制位来表达四种状态，定义为：
19、
20、其中，i(pmin)和i(pmax)分别表示窗口内最小像素灰度值和最大像素灰度值，i(p)表示窗口内中心参考像素灰度值，i(q)表示待匹配像素灰度值，表示取均值后的中心像素灰度值，i(p1)和i(p2)分别表示中心点p与窗口内最小、最大点间的插值点的灰度值。
21、进一步优选地，中心点p与窗口内最小、最大点间的插值点的灰度值，定义为：
22、
23、优选地，第二步中，采用做差的方式直接计算ad匹配代价，定义为：
24、
25、其中，cad(p，d)表示像素p在视差d时的ad匹配代价，和分别表示左右图像在i通道的像素矩阵，i是红色(r)、绿色(g)或蓝色(b)通道，表示左图像在i通道的p的像素值，表示右图像相应位置的p所对应视差为d距离后的i通道的像素值。
26、优选地，第二步中，采用sobel算子来计算梯度匹配代价，定义为：
27、
28、其中，cgrad(p，d)表示像素p在视差d时的梯度匹配代价，il(p)表示左图像中像素值p的灰度值，ir(p，d)表示右图像相应位置的p所对应视差为d距离的p点的灰度值，α表示x方向梯度的权重，和分别表示x和y方向的单通道的sobel梯度算子定义为：
29、
30、优选地，第二步中，进行归一化处理计算匹配代价时，将三者的结果归一化到相同的范围区间，定义为：
31、
32、其中，ρ表示通过自然函数归一化后得到的代价值，c表示代价值，λ表示控制归一化进程的参数；
33、得到匹配代价计算公式，定义为：
34、
35、其中，λcensus、λad、λgrad分别表示census变换、颜色变换和梯度变换的权重，ccensus(p，d)、cad(p，d)、cgrad(p，d)分别表示改进census变换、颜色变换和梯度变换对应的代价值。
36、优选地，第三步中，十字交叉域代价聚合方法为，通过颜色阈值和距离阈值构建一个自适应的聚合窗口，首先以中心像素p为参考像素建立十字交叉臂，直到不满足自适应的聚合窗口中任一条件，然后基于垂直臂上的每点像素继续利用自适应的聚合窗口向横向搜索，直到不满足自适应的聚合窗口为止；构建自适应窗口的公式定义为：
37、
38、其中，τ1和τ2分别表示参考像素与待匹配像素之间的颜色阈值，l1和l2分别表示参考像素与待匹配像素之间的距离阈值，d(p，pi)表示p与pi之间的空间长度之差，并设置空间距离阈值l1和l2，i(x，y)表示图像中位置(x，y)处的像素强度，i(xi，yi)表示参考图像中位置(xi，yi)处本文档来自技高网...
【技术保护点】
1.一种改进Census变换的抗噪立体匹配方法，其特征在于，包括：
2.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第二步中，所述改进Census变换采用两个二进制位来表达四种状态，定义为：
3.根据权利要求2所述的改进Census变换的抗噪立体匹配方法，其特征在于，中心点p与窗口内最小、最大点间的插值点的灰度值，定义为：
4.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第二步中，采用做差的方式直接计算AD匹配代价，定义为：
5.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第二步中，采用Sobel算子来计算梯度匹配代价，定义为：
6.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第二步中，进行归一化处理计算匹配代价时，将三者的结果归一化到相同的范围区间，定义为：
7.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第三步中，所述十字交叉域代价聚合方法为，通过颜色阈值和距离阈值构
8.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第四步中，筛选出代价聚合的最小视差值，计算规则为：
9.根据权利要求1所述的改进Census变换的抗噪立体匹配方法，其特征在于，第五步中，首先通过左右一致性检查离群点，然后将离群点进行修正；最后采用中值滤波平滑算法，剔除视差图中孤立的离群外点；
10.一种改进Census变换的抗噪立体匹配系统，其特征在于，包括：
...【技术特征摘要】
1.一种改进census变换的抗噪立体匹配方法，其特征在于，包括：
2.根据权利要求1所述的改进census变换的抗噪立体匹配方法，其特征在于，第二步中，所述改进census变换采用两个二进制位来表达四种状态，定义为：
3.根据权利要求2所述的改进census变换的抗噪立体匹配方法，其特征在于，中心点p与窗口内最小、最大点间的插值点的灰度值，定义为：
4.根据权利要求1所述的改进census变换的抗噪立体匹配方法，其特征在于，第二步中，采用做差的方式直接计算ad匹配代价，定义为：
5.根据权利要求1所述的改进census变换的抗噪立体匹配方法，其特征在于，第二步中，采用sobel算子来计算梯度匹配代价，定义为：
6.根据权利要求1所述的改进census变换的抗噪立体匹配方法，其特征在于，第二步中，进行归一化处理计算匹配代价时，将三者的结果归一化到相同的范...
【专利技术属性】
技术研发人员：李同乐，贺利乐，王卫军，牛泽源，
申请(专利权)人：西安建筑科技大学，
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。