[發明專利]一種基于CUDA的單目立體匹配及加速的方法

在審

• 申請號: 202011178029.0
• 申請日: 2020-10-29
• 公開（公告）號: CN112001867A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 左超;張曉磊;沈德同
• 申請（專利權）人: 南京理工大學智能計算成像研究院有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京翔甌知識產權代理有限公司 11480
• 代理人: 向維登

1.一種基于CUDA的單目立體匹配及加速的方法，其特征在于步驟如下：

步驟一：輸入兩幅圖片并進行畸變校正；

步驟二：選定一個9×7的窗口，對兩幅圖片除去邊緣部分的其它像素做Census變換，得到二進制碼流；

步驟三：在視差范圍內，依次選定第一幅圖片中的像素點，遍歷第二幅圖范圍內的各個像素點的二進制碼流，計算漢明距離，得到初始的匹配成本Cost；

步驟四：對初始匹配成本Cost進行單目的SGM成本聚合，結合CUDA的共享內存機制以及線程之間的同步機制，將SGM分為4條獨立的路徑進行成本聚合；

步驟五：使用WTA算法選取能量函數最小所對應的視差圖；

步驟六：使用Outlier算法進行離群點檢測，得到需要的視差圖；

步驟七：對步驟六得到的視差圖使用亞像素插值算法進行優化；

步驟八：對步驟七得到的視差圖使用自動去雜點算法進行優化。

2.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟一中，輸入一張參考面圖片以及一張待測對象的圖片后，采用移植Matlab相機標定工具箱的畸變校正代碼的方法，并通過查找表的方式用CUDA代碼實現圖片的畸變校正。

3.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟二中的Census變換具體為：在圖像區域內定義一個矩形窗口，用這個矩形窗口遍歷圖像，再選取中心像素作為參考像素，將矩形窗口的每個像素的灰度值與參考像素的灰度值進行比較，灰度值大于參考值的像素記為0，灰度值小于參考值的像素記為1，最后再按位連接，得到變換后的結果為0和1組成的二進制碼流，Census變換的過程由如下公式表示：

其中，p是窗口中心像素，q是窗口中心像素以外的其他像素，I(*)表示點*處的灰度值。

4.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟三中，計算漢明距離得到初始匹配成本Cost，漢明距離為比較Census變換得到的二進制碼流中二進制序列不同的個數。

5.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟四中，4條獨立的路徑分為獨立的4個成本聚合函數：

由左至右路徑函數CostAggregationKernelLeftToRight，

由右至左路徑函數CostAggregationKernelRightToLeft，

由上至右下路徑函數CostAggregationKernelUpToDown，

由下至上路徑函數CostAggregationKernelDownToUp。

6.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟五中，WTA算法是指在某個像素的所有視差下的代價值中，選擇最小代價值所對應的視差作為最優視差。

7.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟六中，Outlier算法采用的是基于距離的離群點檢測，離群點是指在設定的距離閾值內，對每個對象考察它的距離閾值領域內其他對象的個數，如果視差圖中大多數對象都遠離該對象，則該對象即被視為離群點。

8.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟七中，亞像素是指相鄰兩相素之間的細分情況，輸入值為二分之一、三分之一或四分之一，亞像素插值算法通過對每個像素被分為的更小的單元實施插值算法來提高WTA算法得到的整像素精度。

9.根據權利要求1所述的基于CUDA的單目立體匹配及加速的方法，其特征在于步驟八中，采用串行執行的方式來實現自動去雜點算法。