专利名称：一种用于立体视觉视差图的滤波方法
技术领域：
本发明属于机器视觉领域，特别是一种用于立体视觉视差图的滤波方法。
背景技术：
现有视觉理论和视觉技术中，针对提高立体视觉匹配效果的方法有很多种，对视差图的滤波方法也有很多研究。但是多数方法还是在通用的层面上，并没有针对视差特征及其噪声特殊考虑的方法。如文献《立体视觉中误匹配滤波方法的研究》中，针对稠密匹配的视差图提出了两种滤波方法基于视差均值的滤波法和基于真实控制点的滤波法。其中第一种方法是将小窗口内超过视差均值的点滤掉，第二种方法是滤掉通过松弛迭代和最小中值平方法后的稀疏匹配点对。文献《双目立体匹配图像对的预处理研究》中，采用了通用的高斯模板、平滑模板和中值模板对视差图进行了滤波。文献《Reliability-aware Cross Multilateral Filtering for Robust DisparityMap Refinement》中介绍了一种可靠的多边交叉滤波方法，利用了左右图像正向和反向匹配视差值的函数来进行视差的滤波。
发明内容
本发明要解决的技术问题是克服现有技术的不足，提供一种立体视觉输出视差数据的滤波方法，有效减少了视差数据中的噪点，提高了视差数据的可用性，满足了三维恢复和规划的需求。本发明的技术解决方案包括以下步骤一种用于立体视觉视差图的滤波方法，实现步骤如下第一步，将立体视觉输出的视差数据转换为整型图像数据，所述立体视觉输出的视差数据包括无效点和有效点，无效点灰度为0，有效点按照最大视差和最小视差进行整形化，完成后最大的视差点灰度为255，最小的视差点灰度为1 ；第二步，对第一步得到的图像数据，求其像素中邻域的灰度差值，并剔除无效点的影响，计算得到视差图的梯度图；第三步，采用自适应的分割方法分割梯度图，梯度变化剧烈的位置提取为噪声种子点。第四步，以所述噪声种子点为起点，在噪声种子点上下左右四个方面进行遍历搜索，找到的相邻点与噪声种子点灰度差值小于设定阈值的区域认为是噪声连通区域，予以剔除，得到噪声滤除后的图像；第五步，对噪声滤除后的图像进行连通域滤波，对噪声剔除形成的空缺区域进行填补，得到新的更平滑连续的视差图；第六步，根据填补后的视差图恢复视差数据。所述第二步梯度图的计算过程为(21)以图像数据中的当前点Atl为中心坐标，取其周围的8个相邻点ΑΓ··Α8，其中设定中间值 m 为 1，则 A1 = ID(i-m，j-m)，A2 = ID(i_m，j)，A3 = ID(i_m，j+m)，A4 = Id (i， j-m), A5 = Id (i, j+m), A6 = ID(i+m, j-m), A7 = ID(i+m, j), A8 = ID(i+m, j+m), Id (i, j)表示(i，j)这一点的视差灰度值，统计8个相邻点中灰度为零的点的总数num;i表示该点的像素横坐标，j表示该点的像素纵坐标； (22)如果总数num大于设定的数目的阈值Vzn则转到(23)，否则计算当前点的梯度 Td= A0 X (8-num) -A1-A2-A3-A4-A5-A6-A7-A8 ；
(23)将Atl点当前的相邻点向外扩展一圈，m增加1，用以剔除无效点的影响，更新 A8和总数num，如果扩展的圈数小于圈数设定的阈值Vqn，则转到Q2)，否则转到 新的A (24)；
(24)将当前点的梯度值Td值设为255；
(25)对图像进行遍历，计算得到视差图的梯度图, 所述第三步具体实现为 (31)将视差图的梯度图分为均等的上下左右四个区域；
(32)在每个区域内分别统计灰度为1 255的个数N(i)，i = 1 255，计算像素
个数占整个图像总像素的比值Λ0 = mdtdeight, i = 1 255，Width为图像的像素宽度，Height为图像的像素高度； (33)设定分割目标前景和背景的分割阈值为t，计算中间变量
权利要求
1.一种用于立体视觉视差图的滤波方法，其特征在于实现步骤如下第一步，将立体视觉输出的视差数据转换为整型图像数据，所述立体视觉输出的视差数据包括无效点和有效点，无效点灰度为0，有效点按照最大视差和最小视差进行整形化， 完成后最大的视差点灰度为255，最小的视差点灰度为1 ；第二步，对第一步得到的图像数据，求其像素中邻域的灰度差值，并剔除无效点的影响，计算得到视差图的梯度图；第三步，采用自适应的分割方法分割所述梯度图，梯度图中梯度变化剧烈的位置提取为噪声种子点；第四步，以所述噪声种子点为起点，在噪声种子点上下左右四个方面进行遍历搜索，找到的相邻点与噪声种子点灰度差值小于设定阈值的区域认为是噪声连通区域，予以剔除， 得到噪声滤除后的图像；第五步，对噪声滤除后的图像进行连通域滤波，对噪声剔除形成的空缺区域进行填补， 得到新的更平滑连续的视差图；第六步，根据填补后的视差图恢复视差数据。
2.根据权利要求1的用于立体视觉视差图的滤波方法，其特征在于所述第二步中计算得到视差图的梯度图过程为(21)以图像数据中的当前点Atl为中心坐标，取Atl周围的8个相邻，其中设定中间值 m 为 1，则 A1 = ID(i-m，j-m)，A2 = ID(i_m，j)，A3 = ID(i_m，j+m)，A4 = ID(i，j-m)， A5 = Id(i, j+m), A6 = ID(i+m, j-m), A7 = ID(i+m, j), A8 = ID(i+m, j+m), Id(i, j)表示(i, j)这一点的视差灰度值，统计8个相邻点中灰度为零的点的总数num ； i表示该点的像素横坐标，j表示该点的像素纵坐标；(22)如果总数num大于设定的数目的阈值Vzn则转到(23)，否则计算当前点的梯度Td =IA0 X (8-num) -AfA2-A3-A4-A5-A6-A7-A81 ；(23)将Atl点当前的相邻点向外扩展一圈，m增加1，用以剔除无效点的影响，更新新的 Α^··Α8和总数num，如果扩展的圈数小于圈数设定的阈值Vqn，则转到(22)，否则转到Q4)；(24)将当前点的梯度值Td值设为255；(25)对图像进行遍历，计算得到视差图的梯度图。
3.根据权利要求1的用于立体视觉视差图的滤波方法，其特征在于所述第三步具体实现为(31)将视差图的梯度图分为均等的上下左右四个区域；(32)在每个区域内分别统计灰度为1 255的个数N(i)，i= 1 255，计算像素个数 占整个图像总像素的比值P{l) = Width^Height^ i = 1 255，Width为图像的像素宽度， Height为图像的像素高度；(33)设定分割目标前景和背景的分割阈值为t，计算中间变量m=i·’
4.根据权利要求1的用于立体视觉视差图的滤波方法，其特征在于所述的第四步具体实现(41)将噪声种子点标记为已找到点，其余点标记为未找到点；(42)从噪声种子点开始向其左方、右方、上方和下方四个方向进行搜索，如果该方向上的下一点灰度值和噪声种子点的灰度值差异小于设定的噪声阈值Vtn且标记为未找到点， 则认为该点是噪声连通区域，将该点标记为已找到点，并用该找到点坐标更新种子点位置； 噪声种子点和该找到点对应的视差图上的灰度设为0，从视差图中予以剔除；(43)重复步骤(42)，直至整个图像被遍历，得到噪声滤除后的图像。
5.根据权利要求1的用于立体视觉视差图的滤波方法，其特征在于所述的第五步中， 对滤除噪声的视差图采用中值滤波进行平滑，中值滤波是在图像中提取滤波窗口大小的数据区域，对区域里的灰度分布进行排列，取排列的中间值来代替该窗口中心的灰度值。
全文摘要
一种用于立体视觉视差图的滤波方法，应用于从图像中恢复的视差数据的滤波处理，去除噪声点，以利于后续应用，如三维重建、场景分析和路径规划等。包括以下步骤处理视差数据，将其转换为连续和整型的图像数据；根据视差图的分布特点设计处理方法求取视差图的梯度；对梯度图进行自动分割，识别其中的噪声种子点；以种子点为起点，滤除与其连通的噪声区域；对滤除噪声的视差图进行连续性滤波，完善视差图效果；最后根据滤除噪声后的视差图恢复视差数据。本发明有效减少了视差数据中的噪点，提高了视差数据的可用性。
文档编号G06T5/00GK102567964SQ20111041238
公开日2012年7月11日 申请日期2011年12月8日 优先权日2011年12月8日
发明者刘祥, 毛晓艳, 滕宝毅, 贾永, 邢琰 申请人:北京控制工程研究所