专利名称：基于目标边缘特征与灰度相似性的稀疏视差获取方法
技术领域：
本发明涉及一种基于目标边缘特征与灰度相似性的稀疏视差获取方法，属于立体视觉技术领域。
背景技术：
立体匹配是双目立体视觉中恢复场景三维信息的关键步骤。三维空间场景通过摄像机的透视投影作用形成二维平面图像，在由高维空间向低维空间投影的过程中损失了大量的信息，造成由平面图像恢复三维场景信息的本身的歧义性。受摄像机的参数、场景光照不均、物体表面在不同方向的反射率等因素影响，两幅图像中对应点不可能具有完全一样的灰度和颜色特性，给恢复三维场景信息带来额外的困难。各种挑战性难题使得立体匹配成为制约双目立体视觉三维场景恢复的一个长久性的技术难题。
已有的立体匹配方法主要分为全局对应匹配法和局部模板相关匹配法。全局对应匹配方法以得到图像的稠密视差为目的，将立体匹配问题转化为优化问题，以立体匹配中的各种约束条件建立匹配代价函数，利用动态规划、图切法、模拟退火以及各种仿生智能优化方法寻找使匹配代价函数最小的对应关系作为匹配的结果。全局对应匹配方法将建立起图像中每个像素点的视差，得到稠密视差图，但是具有计算密集、运算时间长等缺点。一般用于对整个三维场景进行恢复和立体重构。
局部模板相关匹配方法以求取图像的稀疏视差为目的，从局部出发，利用对应点局部灰度的相似性，逐像素进行比较，取相似度最高的点作为对应点。局部模板相关法可以根据需要，只针对某些点进行比较，具有运算量小，匹配时间短的优势。特别是选择图像中的特征点作为待匹配点，将匹配点周围的灰度与特征相结合，进一步提高局部相关匹配的准确性。主要用于恢复场景中某些物体的深度、三维姿态等信息。
以恢复场景中目标物体的姿态信息为目的的双目立体匹配方法都采用稀疏匹配方法，已有的稀疏匹配算法普遍存在的问题是正确匹配率不高。发明内容
本发明为解决待匹配特征点的选取以及准确快速稀疏匹配问题，提出一种基于目标边缘特征与灰度相似性的稀疏视差获取方法，为双目视觉主动测量目标物体的姿态信息提供所需的稀疏视差信息。
本发明方法通过选取图像中目标的强边缘特征点作为待匹配点，将图像的特征相似性与灰度相似性相结合，运用灰度及灰度Census变换融合的相似性检测方法，通过交叉检测排除误匹配点，达到快速、稳定、准确完成立体匹配的目的。
基于目标边缘特征与灰度相似性的稀疏视差获取方法，具体包括如下步骤
步骤1，通过左右摄像机得到被测场景的立体图像对込(X，y)和Ik(X，y)，其中 Il(X，y)为左图像，Ir(X，y)为右图像，X、y是像素坐标。对Ili(x，y)、Ir(χ，y)进行极线校正，使其只存在水平方向上的视差。4
采用Canny图像边缘检测方法对两幅图像分别进行边缘检测，得到左右边缘图像分别为elp eIRO
步骤2，确定待匹配特征点。
得到边缘图像el。eIK后，以Ijx，y)为参考匹配图像，选择仏中待匹配物体表面包含边缘点最多的多个边缘连通分量作为多个待匹配边缘特征点，并组成集合Ec，其中包含N个待匹配边缘特征点，坐标分别为(Xl，Y1)、(x2, J2)........(xN, yN)。
步骤3，在Ik(X，y)中搜索待匹配边缘特征点的对应点，通过边缘特征和灰度相似性匹配方法对每一个对应点进行初始匹配。
已知被测场景的深度范围对应的最小视差为Clniin，最大视差为d_。特征和相似性匹配的具体过程为
①初始化匹配点的计数参数k=l ;
②分别将候选视差d、当前最小相似性代价preCost和匹配得到的视差dM初始化为 d=dmin, preCost= 00, dM=0 ；
③在待匹配边缘特征点集E。中选择一个未匹配特征点，其在左图像中的像素坐标为(X” Yi)；
④若右图像中的候选对应点(xk，yk-d)的左右Ioc个像素内没有边缘像素，则该点不是可能的对应点，跳到⑧；否则进入下一步；通常取Ioc小于等于10 ；
⑤计算待匹配边缘特征点和候选对应点的灰度相似性代价
权利要求
1.基于目标边缘特征与灰度相似性的稀疏视差获取方法，其特征在于包括以下步骤 步骤1，通过左右摄像机得到被测场景的立体图像对IJX，y)和IK(X，y)，其中k(x，y)为左图像，Ik(χ，y)为右图像，x、y是像素坐标；对IL(x, y)、IE(x, y)进行极线校正，使其只存在水平方向上的视差； 采用Canny图像边缘检测方法对两幅图像分别进行边缘检测，得到左右边缘图像分别为 eIL, eLE ； 步骤2，确定待匹配特征点； 得到边缘图像el·，eIK后，以IJx，y)为参考匹配图像，选择el·中待匹配物体表面包含边缘点最多的多个边缘连通分量作为多个待匹配边缘特征点，并组成集合Ec，其中包含N个待匹配边缘特征点，坐标分别为(X1, Y1)、(x2,12)........(xN, yN)； 步骤3，在IK(x，y)中搜索待匹配边缘特征点的对应点，通过边缘特征和灰度相似性匹配方法对每一个对应点进行初始匹配； 所述特征和相似性匹配的具体过程为 ①初始化匹配点的计数参数k=l； ②分别将候选视差d、当前最小相似性代价preCost和匹配得到的视差dM初始化为d=dmin, preCost= 00, dM=0 ;其中dmin为被测场景的深度范围对应的最小视差，dmax为最大视差; ③在待匹配边缘特征点集E。中选择一个未匹配特征点，其在左图像中的像素坐标为(XkJk)； ④若右图像中的候选对应点(xk，yk-d)的左右Ioc个像素内没有边缘像素，则该点不是可能的对应点，跳到⑧；否则进入下一步； ⑤计算待匹配边缘特征点和候选对应点的灰度相似性代价
2.根据权利要求I所述的基于目标边缘特征与灰度相似性的稀疏视差获取方法，其特征在于loc小于等于10。
3.根据权利要求I所述的基于目标边缘特征与灰度相似性的稀疏视差获取方法，其特征在于所述Census变换具体过程为以待求取Census变换的像素点(i,j)为中心像素，取宽度为(2胃。+1)像素的正方形区域；将除中心像素外的正方形区域中的每ー像素灰度值，与中心像素(i，j)的灰度值进行比较，若小于中心像素灰度值，则对应位置置I ;否则，对应位置为O ;将比较后得到的只含O和I的窗ロ按行依次排列，得到只含O和I的ニ进制位串，作为像素U，j)的Census变换。
全文摘要
本发明涉及一种基于目标边缘特征与灰度相似性的稀疏视差获取方法，属于立体视觉技术领域。本发明方法通过Canny图像边缘检测方法提取图像边缘特征，选取图像中目标的强边缘特征点作为待匹配点，将图像的特征相似性与灰度相似性相结合，运用灰度及灰度Census变换融合的相似性检测方法，通过交叉检测排除误匹配点，进一步提高匹配的正确率。为恢复物体的三维位置和姿态信息，提供必要的稀疏视差信息；具有正确率高、匹配速度快及匹配稳定的特点，能有效的为运用双目视觉系统测量，特别是主动测量物体的姿态信息提供所需要的稀疏视差信息。
文档编号G06K9/46GK102982334SQ201210436190
公开日2013年3月20日 申请日期2012年11月5日 优先权日2012年11月5日
发明者刘向东, 余银, 刘冰, 陈振 申请人:北京理工大学