[發明專利]一種基于分組漸近的雙目視差獲取方法和系統

在審

• 申請號: 202011152472.0
• 申請日: 2020-10-26
• 公開（公告）號: CN112330725A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 袁嫣紅;袁海駿;羅宏利
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/37
• 代理公司: 紹興市寅越專利代理事務所(普通合伙) 33285
• 代理人: 陳彩霞

1.一種基于分組漸近的雙目視差獲取方法，其特征在于，所述方法包括：

根據目標基圖的特征，每行進行分組，獲得組別和分組圖，所述目標基圖包括左圖或右圖；

分別根據左圖和右圖獲取左梯度圖和右梯度圖；

將左梯度圖和右梯度圖的曲線信息進行一維相關分析，獲得相關函數，并根據相關函數的最大值獲取最強相關錯位及其值；

將所述最強相關錯位依次與所述組別進行匹配，同時將匹配到的組別特征從分組圖中移除；

將最強相關錯位的值標記為所匹配組別的初始視差，獲得初始視差圖；

以所述初始視差圖為參考，基于全局匹配的方法，對左圖和右圖進行相對視差匹配，獲取優化視差圖。

2.根據權利要求1所述的雙目視差獲取方法，其特征在于，所述特征包括灰度，所述分組的方法包括：

獲取目標基圖每行的灰度值；

根據所述灰度值的峰谷信息和/或累積信息，對每行的點進行分組。

3.根據權利要求2所述的雙目視差獲取方法，其特征在于，對每行的點進行分組的方法包括：

獲取峰值或谷值，基于峰值或谷值設置分組的分界；

逐點獲取上升沿或下降沿的累積灰度值，累積灰度值大于第一閾值時，將當前點作為分組的分界。

4.根據權利要求1所述的雙目視差獲取方法，其特征在于，所述目標基圖包括左圖，獲取初始視差圖方法包括：

將左圖和右圖在Y方向上對齊后，獲取左梯度圖和右梯度圖；

分別對左梯度圖和右梯度圖在X方向進行傅里葉變換，獲得左頻譜圖和右頻譜圖；

將左頻譜圖和右頻譜圖的原點對齊后，將左頻譜圖和右頻譜圖中相應點相乘，獲得復合頻譜圖；

根據所述復合頻譜圖進行X方向的反向傅里葉變換獲得相關函數；

根據相關函數的最大值獲得最強相關錯位，將所述最大值標記為初始視差；

為所述最強相關錯位匹配組別，獲得初始視差圖；

將所述初始視差標記為對應組別的初始視差。

5.根據權利要求1或4所述的雙目視差獲取方法，其特征在于，將所述最強相關錯位與所述組別進行匹配的方法包括：

根據左梯度圖獲取左梯度模量積分：

其中，f_l為左梯度模量積分，Ng為組點數，|sbl|為左梯度模量，+＝為多通道的值相累加；

根據右梯度圖獲取右梯度模量積分：

其中，f_r為右梯度模量積分，|sbr[n_Δ]|為右梯度模量，n_Δ為右圖錯位點數；

根據左圖和右圖分別獲得灰度差積分和灰度積分差：

其中，df₂[n_Δ]為灰度差積分，df₃[n_Δ]為灰度積分差，l為左圖灰度，r為右圖灰度；

計算組別的相對錯位積分代價：

其中，cost[n_Δ]為相對錯位積分代價；

獲得[n_Δ]個錯位積分代價，取極小值；

判斷極小值小于閾值時，極小值對應的錯位點與組別匹配成功；

修正初始視差為初始視差與極小值之和。

6.根據權利要求1或4所述的雙目視差獲取方法，其特征在于，將所述最強相關錯位與所述組別進行匹配的方法包括：

基于左梯度圖和右梯度圖，獲取當前組別與當前最強相關錯位一定范圍內的第一積分BT代價；

基于左圖和右圖，獲取所述組別與最強相關錯位一定范圍內的第二積分BT代價；

第二積分BT代價取梯度模量后與第一積分BT代價加權復合，獲得錯位代價；

錯位代價中的極小值小于閾值時，所述組別與所述最強相關錯位匹配成功；

修正初始視差為初始視差與極小值之和。