基于视觉测量的大型机械工件立体匹配方法
【技术领域】
[0001] 本发明属于机器视觉技术领域，具体涉及一种基于视觉测量的大型机械工件立体 匹配方法。
【背景技术】
[0002] 三维形貌测量广泛用于航空测绘、医学成像、工业检测等领域。在众多三维形貌测 量方法中，非接触立体视觉测量技术，以其不损伤被测物表面等技术优势，而被广泛使用。 而双目立体视觉技术作为非接触立体视觉技术的重要组成部分，起到了其它方法不可替代 的作用。在双目立体视觉技术中，立体匹配方法与三维形貌测量的精度和速度息息相关。
[0003] 传统立体匹配方法可分为基于区域的立体匹配算法、基于特征点的匹配算法、以 及基于图像分割的全局匹配算法等几种，其中：
[0004] 基于区域的立体匹配算法，根据某种相似性判断依据，遍历寻找与子窗口图像最 为相似的子图。这种方法的缺点在于计算量大，匹配精度低。
[0005] 基于图像分割的全局匹配算法，主要是采用了全局的优化理论方法估计视差，通 过多次迭代，得到了更准确的结果，但该算法同样没有解决计算量大的问题，因此也存在耗 时长的缺点。
[0006] 基于特征点的匹配算法，由于匹配对象是稀疏的特征点，因此匹配速快。但是匹配 精度很大程度上依赖特征提取，并且得到的是稀疏的视差图，导致匹配精度不高。
[0007] 可见，传统立体匹配方法中，测量精度与测量速度是不可兼得的一对矛盾。
【发明内容】
[0008] 针对上述问题，本发明公开了一种基于视觉测量的大型机械工件立体匹配方法， 该方法能够同时兼顾匹配方法的精度和速度问题，对于三维形貌快速准确测量起到促进作 用。
[0009] 本发明的目的是这样实现的：
[0010] 基于视觉测量的大型机械工件立体匹配方法，包括以下步骤：
[0011] 步骤a、通过摄像机获取原始图像对，所述图像对包括左图像和右图像；
[0012] 步骤b、匹配图像对的边缘特征；
[0013] 步骤c、利用步骤b得到的匹配结果获取优质边缘特征匹配点对；
[0014] 步骤d、由优质边缘特征匹配点对确定视差值范围；
[0015] 步骤e、利用步骤c得到的优质边缘匹配点对和步骤d得到的视差值范围，匹配左 图像和右图像；
[0016] 步骤f、由所有的匹配对应点对求得视计算视差值阵列，生成视差图。
[0017] 上述基于视觉测量的大型机械工件立体匹配方法，
[0018] 步骤b所述的匹配图像对的边缘特征，具体为：
[0019] 对左图像进行canny边缘提取，得到的结果为A点集合；对右图像进行canny边缘 提取，得到的结果为B点集合；采用AD匹配代价函数在右图像中逐行找到与A点集合中每 个像素点相匹配的对应点，所述对应点为C点集合，所述C点集合与A点集合相对应；
[0020] 步骤c所述的获取优质边缘特征匹配点对，具体为：
[0021] 求B点集合与C点集合的交集，所述交集为D点集合；将A点集合中与D点集合无 对应关系的像素坐标点剔除，得到E点集合，E点集合与D点集合相互对应的像素坐标为优 质边缘特征匹配点对；
[0022] 步骤d所述的确定视差值范围，具体为：
[0023] 将E点集合和D点集合相对应的像素坐标点的横坐标相减，即优质边缘特征匹配 对应点的像素横坐标相减，并对得到的结果取绝对值的最大值，得到视差值最大值，视差值 范围定义为从〇到视差值最大值的1. 5倍；
[0024] 步骤e所述的匹配左图像和右图像，具体为：
[0025] 以左图像中待匹配的像素坐标为起始点，在不超过视差值范围内，在右图像中由 右向左依次搜索匹配对应点，直到遇到优质边缘特征匹配点为止。
[0026] 进一步地，如果在步骤e中，超出匹配范围仍未找到匹配的像素点，按其两侧优质 边缘特征点间位置比例关系赋予匹配对应点，匹配左图像和右图像。
[0027] 上述基于视觉测量的大型机械工件立体匹配方法，在步骤a和步骤b之间，还包括 去噪处理的步骤。
[0028] 上述基于视觉测量的大型机械工件立体匹配方法，在步骤f之后，还包括对视差 图进行后处理的步骤。
[0029] 进一步地，所述的后处理为中值滤波。
[0030] 有益效果：
[0031] 本发明基于视觉测量的大型机械工件立体匹配方法，能够同时提高匹配方法的精 度和速度，具体体现在：
[0032] 第一、由于本发明采用了通过匹配图像对的边缘特征来获取优质边缘特征匹配点 对的方法，因此能够滤除掉图像非边缘区域易误匹配的点，提高匹配率，从而提高匹配精 度；
[0033] 第二、由于本发明通过优质边缘特征匹配点对确定视差值范围，因此能够缩小待 匹配范围，减小匹配算法的运算量，从而提高匹配速度。
【附图说明】
[0034] 图1是本发明基于视觉测量的大型机械工件立体匹配方法流程图。
[0035] 图2是本发明基于视觉测量的大型机械工件立体匹配方法具体实施例三的左图 像。
[0036] 图3是本发明基于视觉测量的大型机械工件立体匹配方法具体实施例三的右图 像。
[0037] 图4是本发明基于视觉测量的大型机械工件立体匹配方法具体实施例三的视差 图。
【具体实施方式】
[0038] 下面结合附图对本发明的【具体实施方式】作进一步详细描述。
[0039] 具体实施例一
[0040] 本实施例的基于视觉测量的大型机械工件立体匹配方法，流程图如图1所示。该 方法包括以下步骤：
[0041] 步骤a、通过摄像机获取原始图像对，所述图像对包括左图像和右图像；
[0042] 步骤b、匹配图像对的边缘特征；
[0043] 步骤c、利用步骤b得到的匹配结果获取优质边缘特征匹配点对；
[0044] 步骤d、由优质边缘特征匹配点对确定视差值范围；
[0045] 步骤e、利用步骤c得到的优质边缘匹配点对和步骤d得到的视差值范围，匹配左 图像和右图像；
[0046] 步骤f、由所有的匹配对应点对求得视计算视差值阵列，生成视差图。
[0047] 具体实施例二
[0048] 本实施例的基于视觉测量的大型机械工件立体匹配方法，以以下两个矩阵为例来 说明本发明的方法。
[0049] 步骤a、通过摄像机获取原始图像对，所述图像对包括左图像和右图像；
[0050] 其中，左图像用矩阵表示为：
[0051]
[0052] 右图像用矩阵表示为：
[0053]
[0054] 步骤b、匹配图像对的边缘特征；^
'
[0055] 对左图像进行canny边缘提取，得到的结果为A点集合 {(1，2)，（1，5)，（2, 3)，（2, 5)};对右图像进行canny边缘提取，得到的结果为B点集合 {(1，1)，（1，4)，（2, 1)，（2, 4)};采用AD匹配代价函数在右图像中逐行找到与A点集合中每 个像素点相匹配的对应点，所述对应点为C点集合{(1，1)，（1，4)，（2, 1)}，所述C点集合与 A点集合相对应；
[0056] 需要说明的是，canny边缘提取为现有技术，由于本领域技术人员能够在相关资料 中查找到其具体算法，因此在本发明中不再重复说明；而AD匹配代价函数的计算公式为：<