[發明專利]一種基于多尺度變換與ADCensus-JWGF的機電設備視覺信息立體匹配算法

在審

• 申請號: 202010974772.0
• 申請日: 2020-09-16
• 公開（公告）號: CN112102382A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 王松;胡燕祝;韓靜雯
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/55;G06T5/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于多尺度變換與ADCensus?JWGF的機電設備視覺信息立體匹配算法，是一種對現代化機電設備正常工作監測立體視覺分布式信息匹配的方法，屬于目標追蹤領域，其特征在于采用如下步驟：(1)確定Census變換過程；(2)確定Census匹配代價；(3)確定AD匹配代價；(4)確定融合匹配代價；(5)確定各尺度空間下圖像代價聚合；(6)確定濾波圖核函數；(7)確定最小代價聚合視差值；(8)確定JWGF結果。本發明融合AD算法和Census算法，將兩者優勢結合起來，提高了算法匹配效果準確性，保證抗干擾能力。采用基于金字塔式多尺度變化算法，引導濾波進行代價聚合，同時采用JWGF算法降低噪聲，提高算法精度，增強算法魯棒性，具有較好的匹配效果。

技術領域

本發明涉及目標追蹤領域，主要是一種對現代化機電設備正常工作監測的立體視覺分布式信息匹配的 方法。

背景技術

目前，針對現代化機電設備正常工作監測的立體視覺分布式信息匹配問題，主要分為四個模塊，主要 是代價計算、代價聚合、視差計算和視差優化。匹配算法有全局立體匹配、局部立體匹配方法以及半全局 立體匹配，基于圖割法的全局立體匹配方法，能夠利用多次迭代的方式，去除一般算法中存在的條紋現象， 但是模型匹配效率較慢，耗時較長，實時性較差。基于隨機森林的置信度特征參數學習法、基于卷積神經 網絡的匹配方法以及基于深度學習的端到端的半全局立體匹配方法，在精度上效果有很大的提升，但在執 行的過程中，需要大量的數據參與運算，不僅算法計算時間長，導致匹配延遲，并且整個過程需要一定的 設備支持。一般的算法常含有噪聲的干擾，缺少邊緣效應，存在視差階梯效應等缺陷的存在。

在立體匹配的過程中，往往受到光照不一致、遮擋問題以及重復紋理和弱紋理問題，這些問題都導致 在一定區域內匹配時產生誤匹配點的存在，使匹配后的結果誤差率很高。為了解決上述問題，在確保精確 率的基礎上提高實時性，必須建立一種高效準確的分布式視覺信息立體匹配算法，有效的減少模型匹配時 間，提高分布式立體信息匹配的效率，為目標追蹤等領域提供一種有效的方法，促進我國國防建設和生產 現代化。因此，我們提出的本算法對于機電設備視覺信息立體匹配具有很好的融合性，在我們生活中有一 定的實用性。

發明內容

針對上述現有技術中存在的問題，本發明要解決的技術問題是提供一種基于多尺度變換與ADCensus- JWGF的機電設備視覺信息立體匹配算法，其具體流程如圖1所示。

技術方案實施步驟如下：

(1)確定Census變換過程，變換表達式如下所示：

式中，q是變換窗口內各鄰域像素點灰度值，p是變換窗口內中心像素點的灰度值。在變換過程中， 在變換窗口內，將中心像素的灰度值與鄰域像素灰度值依次進行比較，若中心像素灰度值大于等于鄰域像 素灰度值，則記為1，否則，記為0。

之后，計算每個中心像素點對應的二進制比特串Str(x,y)：

式中，Str(x,y)為變換窗口內中心像素點對應的二進制比特串，為二進制比特串的串聯符，l和 r分別為變換窗口大小的二分之一，I(x,y)表示坐標為(x,y)的中心點的像素值，I(x+i,y+j)為坐標 處一定距離內的坐標像素點。

(2)確定匹配代價C_Census(x,y,d)：

計算完兩幅圖上所有的像素點二進制比特串，對應的比特串進行漢明距離：

C_Census＝Ham(Str_L(x,y),Str_R(x+d,y))