[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

本發明公開了一種基于分組漸近的雙目視差獲取方法和系統，所述方法包括：根據目標基圖的特征，每行分組獲得組別和分組圖；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進行一維相關分析，并獲得最強相關錯位；將最強相關錯位依次與組別進行匹配，同時將匹配到的組別特征從分組圖中移除；將最強相關錯位標記為所匹配組別的初始視差，獲得初始視差圖；以初始視差圖為參考，基于全局匹配的方法，進行相對視差匹配，獲取優化視差圖。基于特征信息較強的區域進行匹配，便于高效快速進行識別和匹配；基于初始視差圖為基準，使全局匹配的掃描范圍小得多，利于提高運算交率，提高視差的準確性，最終獲得精細準確的優化視差圖。

技術領域

本發明涉及計算視角技術領域，具體涉及一種基于分組漸近的雙目視差獲取方法和系統。

背景技術

雙目視覺匹配是一種從一對不同角度拍攝的圖片進行運算，從而恢復空間深度信息的機器技術。此技術近年受到廣泛關注，成為自動駕駛、機器人視覺、虛擬/增強現實，工業自動化測量等許多智能化技術的基礎之一。目前廣泛應用的算法有：交互像素點差異(BT)代價算法和準全局聚合代價匹配(SGM，Semiglobal Matching)算法。BT代價算法為常用的局部算法(S.Birchfield and C.Tomasi,“Depth Discontinuities by Pixel-toPixel Stereo,”Proc.Sixth IEEE Int’l Conf.Computer Vision,pp.1073-1080,Jan.1998.)，SGM全局算法以BT代價為基礎進行多方向聚合(Heiko Hirschmüller,“StereoProcessing by Semiglobal Matching and Mutual Information”,IEEE TRANSACTIONSON PATTERN ANALYSIS AND MACHINE INTELLIGENCE,VOL.30,NO.2,FEBRUARY 2008)。在另一篇文獻中(D.Scharstein and R.Szeliski,“A Taxonomy and Evaluation of DenseTwo-Frame Stereo Correspondence Algorithms,”Int’l J.Computer Vision,vol.47,nos.1/2/3,pp.7-42,Apr.-June2002.)，對現有的雙目視覺匹配算法進行了分類和比較。

全局聚合代價匹配精度較高，但消耗巨大的計算資源和內存資源，能達到的幀率十分有限；而局部匹配速度較快，但其準確度低，會產生局部匹配錯誤，或局部找不到優化匹配視差值，從而在匹配特征不明顯的區域產生大量離散分布的錯誤匹配區域。

發明內容

針對現有技術中存在上述技術問題，本發明提供一種的基于分組漸近的雙目視差獲取方法和系統，視差匹配的速度快、精度高。

本發明公開了一種基于分組漸近的雙目視差獲取方法，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。

優選的，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。

優選的，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。