双目摄像头图像深度信息获取方法及装置制造方法
【专利摘要】本发明提供了一种双目摄像头图像深度信息获取方法及装置。所述方法包括步骤：1）根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使目标图像上相对应的像素点位于同一水平线上；2）根据图像校正的信息计算像素匹配能量，并根据像素点相邻关系构造匹配对有向连接图及设定连接图中每边权重；3）采用行匹配方式利用图论最大流算法求解连接图的最大流，转换为匹配结果并进行缓存；4）对所缓存的匹配结果进行后处理获取后处理结果；5）根据双目摄像头校准信息以及后处理结果计算目标图像像素深度，获取深度信息。在满足合理硬件开销、低功耗及性能要求同时，进行双目摄像头深度恢复获取深度信息。
【专利说明】双目摄像头图像深度信息获取方法及装置
【技术领域】
[0001]本发明涉及信息采集和处理【技术领域】，特别是一种利用双目摄像头恢复深度信息，满足合理硬件开销，低功耗以及性能要求的双目摄像头图像深度信息获取方法及装置。
【背景技术】
[0002]模拟人类双目视觉感知景物深度是利用相对位置类似于双眼的一对摄像头所捕捉的图像对来恢复景物的深度信息。它是计算机视觉以及人工智能的重要一环，为计算机/机器人利用可见光信息自动感知理解现实世界，并基于此表现出一定智能行为奠定了基础。近年来，越来越多的研究人员致力于把此项技术应用于人机自然交互，计算机智能及仿生，自动控制，无人指导的影像信息处理等多个应用领域。
[0003]虽然已经对双目摄像头深度恢复进行了长足的研究，并且有些算法达到了相当高的精度，但是其距离应用还有很长的距离。这主要是因为目前已知的较好算法的计算量都非常巨大，以至于即使最强的CPU都无法实时处理(>=30帧/秒)较低分辨率输入图像。而利用CPU/GPU的并行计算能力需要巨大的功耗，并且其性能还受到内存读写带宽的约束。这与目前电子产品轻便节能的大趋势背道而驰。另一方面，从人类智能角度看，深度感知仍然属于低级智能。仿生学告诉我们，这类工作应由类似于视觉中枢的专用硬件完成，而CPU/GPU的运算能力应该主要被用于高级控制和逻辑推理方面，这是最节能高效的方式。
[0004]双目摄像头深度恢复的核心部分是计算左右摄像头的视差，在数学上可归为一类函数最小化问题，但是对其求解却具有NP难度。除视差计算以外，进行双目摄像头深度恢复还需要对输入图像进行校正，计算匹配能量以及进行后处理。目前由于获取深度信息的计算量较大，对这一复杂过程的硬件实现难度较大、成本非常高，无法满足合理硬件开销，低功耗以及性能要求。
【发明内容】
[0005]本发明的目的是为解决上述问题而提供一种双目摄像头图像深度信息获取方法及装置，在满足合理硬件开销，低功耗以及性能要求的同时，进行双目摄像头深度恢复获取图像深度信息。
[0006]为了实现上述目的，本发明提供了双目摄像头图像深度信息获取方法，包括以下步骤:(I)根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述目标图像上相对应的像素点位于同一水平线上；(2)根据所述图像校正的信息计算像素匹配能量，并根据像素点相邻关系构造匹配对有向连接图及设定连接图中每边权重；(3)采用行匹配方式利用图论最大流算法求解所构造的连接图的最大流，转换为匹配结果并进行缓存；(4)对所缓存的匹配结果进行后处理，获取后处理结果；(5)根据所述双目摄像头校准信息以及后处理结果计算所有所述目标图像像素深度，获取所有所述目标图像深度信息。
[0007]进一步，步骤(I)之前进一步包括:预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。
[0008]进一步，步骤(3)中所述行匹配方式中进一步包括对每一所述目标图像多行像素点进行行匹配，对每一行匹配结果分别进行缓存。
[0009]进一步，所述行匹配方式中单行匹配包括以下步骤:(301)初始化匹配对有向连接图；(302)采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集；(303)在源节点和汇节点集中搜索增长路径，计算剩余图；(304)重复步骤301-303，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
[0010]进一步，所述行匹配方式中进一步包括对单行采取并行节点扩张，包括以下步骤:(311)初始化匹配对有向连接图并进行缓存；(312)获取步骤311所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算多个节点中每一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并进行缓存；(313)获取步骤312所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图；(314)重复步骤311-313，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
[0011]为了实现上述目的，本发明还提供了一种双目摄像头图像深度信息获取装置，包括:图像校正模块，用于根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述图像上相对应的像素点位于同一水平线上，并将图像校正信息输出至一行缓存模块；连接图构造模块，用于计算像素匹配能量，并构造匹配对有向连接图及设定连接图中每边权重并输出至所述行缓存模块；行匹配模块，用于采用行匹配方式利用图论最大流算法求解所构造的连接图的最大流，转换为匹配结果并缓存至所述行缓存模块；后处理模块，用于读取所述行缓存模块的匹配结果进行后处理，获取后处理结果；深度信息获取模块，用于根据所述双目摄像头校准信息以及所述后处理模块的后处理结果计算所有所述目标图像像素深度，获取所有所述目标图像深度信息。
[0012]进一步，所述装置进一步包括校准信息获取模块，用于预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。
[0013]进一步，所述行匹配模块进一步包括多个行匹配子模块，每一所述行匹配子模块均与所述行缓存模块进行交互，用于对每一所述目标图像的一行像素点进行行匹配并将行匹配结果缓存至所述行缓存模块。
[0014]进一步，所述行匹配子模块包括:初始化单元，用于初始化匹配对有向连接图；节点扩张单元，用于采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集；处理单元，用于在源节点和汇节点集中搜索增长路径，计算剩余图；匹配结果获取单元，用于重复调用所述初始化单元、节点扩张单元以及处理单元，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
[0015]进一步，所述行匹配子模块包括:初始化单元，用于初始化匹配对有向连接图并缓存至所述行缓存模块；多个节点扩张单元，每一所述节点扩张单元用于获取所述行缓存模块所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并缓存至所述行缓存模块；处理单元，用于获取所述行缓存模块所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图；匹配结果获取单元，用于重复调用所述初始化单元、每一所述节点扩张单元以及处理单元，直到无增长路径为止，得到一最优匹配，并将匹配结果缓存至所述行缓存模块。
[0016]本发明的优点在于，利用能量函数特点动态构建图，减少片内内存的大小以及避免系统内存读写，实现基于行的能量匹配运算以及后处理运算。通过缓存所有中间数据，避免了系统内存读写开销；对算法进行改进，使其可以进行并行节点扩张，以及并行行匹配；有效提高系统的灵活度，满足合理硬件开销，低功耗以及性能要求。
【专利附图】
【附图说明】
[0017]图1，本发明所述双目摄像头图像深度信息获取方法的流程图；
图2，本发明所述双目摄像头图像深度信息获取装置结构示意图；
图3，本发明所述单行处理方案的实施例架构示意图；
图4，本发明所述并行节点扩张实施例的架构示意图；
图5，本发明所述并行行匹配实施例的架构示意图。
【具体实施方式】
[0018]下面结合附图对本发明提供的双目摄像头图像深度信息获取方法及装置做详细说明。
[0019]首先给出本发明所述双目摄像头图像深度信息获取方法的【具体实施方式】。
[0020]双目摄像头深度恢复的核心部分是计算左右摄像头的视差，在数学上可归为一类函数最小化问题，目前理论上最好的方法是利用图论中的最大流算法，也即最小割集算法，来求解这类问题，这样得出的解和真正最优解只相差一个常数因子。大量实验表明，这种方法与诸如自适应支集，置信度传播等其它方法相比，其精度最高，计算量相对较小，并且能与多种方法配合使用。
[0021]附图1所示是本【具体实施方式】所述双目摄像头图像深度信息获取方法的流程图，接下来对附图1所示的步骤做详细说明。
[0022]SllO:根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述目标图像上相对应的像素点位于同一水平线上。
[0023]步骤SllO之前进一步包括SlOO:预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。然后，对两幅目标图像的每一输入行，利用双目摄像头的内外参数通过投影变换校正。校正后的两幅目标图像上相对应的像素点位于同一水平线上，使得后续采用图论最大流算法求解时，可以多行并行求解。
[0024]S120:根据所述图像校正的信息计算像素匹配能量，并根据像素点相邻关系构造匹配对有向连接图及设定连接图中每边权重。可采用任何相似度衡量来计算像素匹配能量。利用能量函数特点动态构建图，可以减少片内内存的大小以及避免系统内存读写开销。
[0025]S130:采用行匹配方式利用图论最大流算法求解所构造的连接图的最大流，转换为匹配结果并进行缓存。经典的图论最大流算法，如Ford-Fulkerson算法，Edmonds-Karp算法及其变种都可用以求解，可根据不同的应用领域选择相应的算法。求解所构造的连接图的最大流，由此得到的最大流对应于目标图像的一个最小割集，该割集可解释为一个最优匹配。
[0026]由于通过步骤SllO校正后的两幅目标图像上相对应的像素点位于同一水平线上，因此所述行匹配方式中进一步包括对每一目标图像的多行像素点进行行匹配，对每一行匹配结果分别进行缓存。也即利用所构造的连接图的特点可以进行并行行处理，可有效提高速度。
[0027]对每一输入行，采用如下步骤完成单行匹配:1)初始化匹配对有向连接图；2)采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集；3)在源节点和汇节点集中搜索增长路径，计算剩余图；4)重复步骤1-3，直到无增长路径为止，由此得到的最大流对应于图的一个最小割集，该割集可解释为一个最优匹配，从而获取匹配结果并对匹配结果进行缓存。
[0028]在单行处理中，可同时对多个节点进行扩张以提高节点扩张速度。此时，初始化匹配对有向连接图并进行缓存，而不是直接进行图论最大流算法。具体包括以下步骤:11)初始化匹配对有向连接图并进行缓存；12)获取步骤11所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算多个节点中每一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并进行缓存；13)获取步骤12所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图；14)重复步骤11-13，直到无增长路径为止，由此得到的最大流对应于图的一个最小割集，该割集可解释为一个最优匹配，从而获取匹配结果并对匹配结果进行缓存。
[0029]S140:对所缓存的匹配结果进行后处理，获取后处理结果。可采用任何基于窗口的图像处理方法进行窗口后处理以消除伪匹配。后处理包括以下步骤:a.确定遮挡像素以及唯一视差；b.插值计算子像素精度视差(可选步骤)；c.中值滤波；d.斑点滤波(可选步骤)。
[0030]S150:根据所述双目摄像头校准信息以及后处理结果计算目标图像像素深度，获取目标图像深度信息。获取目标图像深度信息具体分为两步:a.利用双目摄像头内外参数以及所得视差，用三角化方法计算逐像素或子像素深度；b.对深度图进行平滑处理，减小三角化误差所带来的影响。
[0031]通过缓存所有中间数据，避免了系统内存读写开销；对算法进行改进，使其可以进行并行节点扩张。并行行匹配的处理方法可以提高系统的灵活度，以在硬件开销和性能之间寻找最佳平衡点，以满足合理硬件开销，低功耗以及性能要求。
[0032]接下来结合附图给出本发明所述双目摄像头图像深度信息获取装置的【具体实施方式】。
[0033]附图2所示是本【具体实施方式】所述双目摄像头图像深度信息获取装置的结构示意图，所述双目摄像头图像深度信息获取装置包括校准信息获取模块20、图像校正模块21、连接图构造模块22、行匹配模块23、后处理模块24、深度信息获取模块25以及行缓存模块26。
[0034]所述校准信息获取模块20，用于预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。
[0035]所述图像校正模块21与所述校准信息获取模块20相连，用于根据所述校准信息获取模块20预先计算得到的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述目标图像上相对应的像素点位于同一水平线上，并将图像校正信息输出至一行缓存模块26。对每一目标图像的每一输入行，利用双目摄像头的内外参数通过投影变换校正。校正后的所有所述目标图像上相对应的像素点位于同一水平线上，使得后续采用图论最大流算法求解时，可以多行并行求解。
[0036]所述连接图构造模块22与所述图像校正模块21相连，用于根据所述图像校正模块21校正后的目标图像校正信息计算像素匹配能量，并根据像素点相邻关系构造匹配对有向连接图及设定连接图中每边权重并输出至所述行缓存模块。可采用任何相似度衡量来计算像素匹配能量。利用能量函数特点动态构建图，可以减少片内内存的大小以及避免系统内存读写开销。
[0037]所述行匹配模块23与所述连接图构造模块22相连，用于采用行匹配方式利用图论最大流算法求解所述连接图构造模块22所构造的连接图的最大流，转换为匹配结果并缓存至所述行缓存模块26。
[0038]由于通过所述图像校正模块21校正后的所有所述目标图像上相对应的像素点位于同一水平线上，因此利用所述连接图构造模块22所构造的连接图的特点可以进行并行行处理，可有效提高速度。作为优选的实施方式，所述行匹配模块23进一步包括多个行匹配子模块231，每一所述行匹配子模块231均与所述行缓存模块26进行交互，用于对每一目标图像的一行像素点进行行匹配并将行匹配结果缓存至所述行缓存模块26。
[0039]所述行匹配子模块231对每一输入行完成单行匹配。其包括:初始化单元，用于初始化匹配对有向连接图；节点扩张单元，用于采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集；处理单元，用于在源节点和汇节点集中搜索增长路径，计算剩余图；匹配结果获取单元，用于重复调用所述初始化单元、节点扩张单元以及处理单元，直到无增长路径为止，由此得到的最大流对应于图的一个最小割集，该割集可解释为一个最优匹配，从而获取匹配结果并缓存至所述行缓存模块。
[0040]在单行处理中，所述行匹配子模块231可同时对多个节点进行扩张以提高节点扩张速度。与单节点扩张不同的是，初始化单元初始化匹配对有向连接图后进行缓存，而不是直接进行图论最大流算法。相应的，所述行匹配子模块231包括:初始化单元，用于初始化匹配对有向连接图并缓存至所述行缓存模块26 ;多个节点扩张单元，每一所述节点扩张单元用于获取所述行缓存模块26所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并缓存至所述行缓存模块26 ;处理单元，用于获取所述行缓存模块26所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图；匹配结果获取单元，用于重复调用所述初始化单元、每一所述节点扩张单元以及处理单元，直到无增长路径为止，由此得到的最大流对应于图的一个最小割集，该割集可解释为一个最优匹配，从而获取匹配结果并缓存至所述行缓存模块26。
[0041]所述后处理模块24与所述行缓存模块26相连，用于读取所述行缓存模块26的匹配结果进行后处理，获取后处理结果。可采用任何基于窗口的图像处理方法进行窗口后处理以消除伪匹配。
[0042]所述深度信息获取模块25分别与所述后处理模块24以及所述校准信息获取模块20相连，用于根据所述双目摄像头校准信息以及所述后处理模块24的后处理结果计算目标图像像素深度，获取目标图像深度信息。具体为:利用双目摄像头内外参数以及所得视差，用三角化方法计算逐像素或子像素深度；对深度图进行平滑处理，减小三角化误差所带来的影响。
[0043]利用能量函数特点动态构建图，减少片内内存的大小以及避免系统内存读写，实现基于行的能量匹配运算以及后处理运算。通过行缓存模块缓存所有中间数据，避免了系统内存读写开销；对算法进行改进，使其可以进行并行节点扩张。并行行匹配的处理方法可以提高系统的灵活度，以在硬件开销和性能之间寻找最佳平衡点，以满足合理硬件开销，低功耗以及性能要求。
[0044]接下来结合附图给出上述技术方案的优选实施例。附图3所示单行处理方案的实施例架构示意图。接下来结合附图3对单行处理流程进行说明:
步骤1:对每一组双目摄像头，预先计算好其内外参数，获取双目摄像头校准信息； 步骤2:双目摄像头输出格式为RGB或YUV的图像；
步骤3:利用双目摄像头校准信息对双目摄像头输入的图像数据进行图像校正，校正后数据存入行缓存模块；
步骤4:初始化控制逻辑；其中步骤4的实施顺序无强制要求，可以在步骤3之后实施，也可以与步骤I同步实施；
步骤5:行匹配逻辑调用图初始化逻辑进行初始化图并输出至最大流算法逻辑；
步骤6:最大流算法逻辑调用局部连接强度计算逻辑，将校正后的图像对读入节点扩张逻辑，对初始化后的图实时计算连接强度；
步骤7:根据计算出的连接强度，节点扩张逻辑中的源节点扩张逻辑和汇节点扩张逻辑并行扩展源节点和汇节点集，并将处理结果输出至增量路径搜索及剩余图算法逻辑；步骤8:增量路径搜索及剩余图算法逻辑在源节点和汇节点集中搜索增长路径，计算剩余图；
步骤9:在控制逻辑的控制下重复步骤5-8，直到无增长路径为止，输出匹配结果到行缓存模块；
步骤10:后处理逻辑从行缓存模块中读入匹配结果进行后处理，并将后处理结果输入深度计算逻辑；
步骤11:深度计算逻辑利用双目摄像头校准信息和后处理结果计算图像像素深度，并将结果写入系统内存。
[0045]在单行处理时，可重复多个节点扩张逻辑以提高节点扩张速度。附图4所示为并行节点扩张实施例的架构示意图，其与附图3所示实施例不同之处在于:图初始化逻辑将初始化后的图像数据写入行缓存模块，而不是直接输出到最大流算法逻辑。各节点扩张逻辑与增量路径搜索及剩余图算法逻辑之间也通过行缓存模块交换数据。
[0046]为了进一步提高速度，可实例化多个行匹配逻辑。附图5所示为并行行匹配实施例的架构示意图，其与附图3所示实施例不同之处在于:多个行匹配逻辑对图像数据的多行并行处理，每个行匹配逻辑都与行缓存模块进行交换，相应的控制逻辑也要进行多行同时控制。
[0047]以上所述仅是本发明的优选实施方式，应当指出，对于本【技术领域】的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
【权利要求】
1.一种双目摄像头图像深度信息获取方法，其特征在于，包括以下步骤: (1)根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述目标图像上相对应的像素点位于同一水平线上； (2)根据所述图像校正的信息计算像素匹配能量，并根据像素点相邻关系构造匹配对有向连接图及设定连接图中每边权重； (3)采用行匹配方式利用图论最大流算法求解所构造的连接图的最大流，转换为匹配结果并进行缓存； (4)对所缓存的匹配结果进行后处理，获取后处理结果； (5)根据所述双目摄像头校准信息以及后处理结果计算所有所述目标图像像素深度，获取所有所述目标图像深度信息。
2.根据权利要求1所述的双目摄像头图像深度信息获取方法，其特征在于，步骤(I)之前进一步包括:预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。
3.根据权利要求1所述的双目摄像头图像深度信息获取方法，其特征在于，步骤(3)中所述行匹配方式中进一步包括对每一所述目标图像多行像素点进行行匹配，对每一行匹配结果分别进行缓存。
4.根据权利要求3所述的双目摄像头图像深度信息获取方法，其特征在于，所述行匹配方式中单行匹配包括以下步骤: (301)初始化匹配对有向连接图； (302)采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集； (303)在源节点和汇节点集中搜索增长路径，计算剩余图； (304)重复步骤301-303，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
5.根据权利要求3所述的双目摄像头图像深度信息获取方法，其特征在于，所述行匹配方式中进一步包括对单行采取并行节点扩张，包括以下步骤: (311)初始化匹配对有向连接图并进行缓存； (312)获取步骤311所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算多个节点中每一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并进行缓存； (313)获取步骤312所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图； (314)重复步骤311-313，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
6.一种双目摄像头图像深度信息获取装置，其特征在于，包括， 图像校正模块，用于根据预先获得的双目摄像头校准信息对输入的两幅目标图像数据进行图像校正，以使所有所述图像上相对应的像素点位于同一水平线上，并将图像校正信息输出至一行缓存模块； 连接图构造模块，用于计算像素匹配能量，并构造匹配对有向连接图及设定连接图中每边权重并输出至所述行缓存模块； 行匹配模块，用于采用行匹配方式利用图论最大流算法求解所构造的连接图的最大流，转换为匹配结果并缓存至所述行缓存模块； 后处理模块，用于读取所述行缓存模块的匹配结果进行后处理，获取后处理结果； 深度信息获取模块，用于根据所述双目摄像头校准信息以及所述后处理模块的后处理结果计算所有所述目标图像像素深度，获取所有所述目标图像深度信息。
7.根据权利要求6所述的双目摄像头图像深度信息获取装置，其特征在于，所述装置进一步包括校准信息获取模块，用于预先计算每一组双目摄像头的内外参数，以及设定双目摄像头输出的目标图像的格式为RGB或YUV。
8.根据权利要求6所述的双目摄像头图像深度信息获取装置，其特征在于，所述行匹配模块进一步包括多个行匹配子模块，每一所述行匹配子模块均与所述行缓存模块进行交互，用于对每一所述目标图像的一行像素点进行行匹配并将行匹配结果缓存至所述行缓存模块。
9.根据权利要求8所述的双目摄像头图像深度信息获取装置，其特征在于，所述行匹配子模块包括: 初始化单元，用于初始化匹配对有向连接图； 节点扩张单元，用于采用图论最大流算法对校正后的图像对实时计算节点的连接强度，并根据连接强度并行扩展源节点和汇节点集； 处理单元，用于在源节点和汇节点集中搜索增长路径，计算剩余图； 匹配结果获取单元，用于重复调用所述初始化单元、节点扩张单元以及处理单元，直到无增长路径为止，得到一最优匹配，并对匹配结果进行缓存。
10.根据权利要求8所述的双目摄像头图像深度信息获取装置，其特征在于，所述行匹配子模块包括: 初始化单元，用于初始化匹配对有向连接图并缓存至所述行缓存模块； 多个节点扩张单元，每一所述节点扩张单元用于获取所述行缓存模块所缓存的初始化数据，采用图论最大流算法对校正后的图像对实时计算一节点的连接强度，并根据相应连接强度并行扩展相应节点的源节点和汇节点集并缓存至所述行缓存模块； 处理单元，用于获取所述行缓存模块所缓存的源节点和汇节点集数据，在源节点和汇节点集中搜索增长路径，计算剩余图； 匹配结果获取单元，用于重复调用所述初始化单元、每一所述节点扩张单元以及处理单元，直到无增长路径为止，得到一最优匹配，并将匹配结果缓存至所述行缓存模块。
【文档编号】G06T7/00GK104240217SQ201310229171
【公开日】2014年12月24日 申请日期:2013年6月9日 优先权日:2013年6月9日
【发明者】周宇 申请人:周宇