基于视差图优化的立体匹配算法研究

传统的立体匹配算法通过计算两幅图像的像素点相似程度,从而找到左图像素点和右图像素点的对应关系,常采用的是一种局部最优的方法,所以其匹配精度很低。为了提高精度,当前策略主要是将问题转化为求解能量方程,进而来对全局空间进行优化。从一个新的角度即视差图优化来研究能量方程的求解,通过对扫描线算法、动态规划算法和图割算法深刻讨论来分析算法原理与运行图,从而理解各算法优缺点形成本质与问题转化的依据,可以进一步的改进其不足,为研究新的算法打下基础。

基于边缘特征的双目视觉室外地图构建方法研究

针对基于双目深度图的室外大规模地图构建计算冗长,而在无人系统的有限算力下,计算效率需求显著的情况,文中提出一种基于双目视觉立体匹配的三维地图构建方法。首先针对由立体匹配算法及原图引入的噪声误差等问题,采用双线性插值优化视差图;其次通过中值滤波以平滑视差图;最后利用Sobel算子实现对环境物体边缘特征点的提取,并二值化边缘特征图,优化深度值计算环节,在一定程度上提高地图构建的效率。实验结果表明,通过对KITTI数据集的地图构建,可得到的良好八叉树地图,效率提高了50%,证明了文中算法的可行性与有效性,能够满足无人系统在室外路径探索对三维地图的需求。

基于改进SGM的立木视差图生成方法

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征,为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题,提出一种基于改进的semiglobal matching(SGM)算法的立木视差图生成方法。针对SGM算法在图像纹理较弱和光照不稳定时生成的视差图效果不佳的问题,提出改进Census变换,该变换将Census中心像素值用周围像素的中值替代,提高初始代价的可靠性;在代价聚合过程中使用均值漂移算法进行图像分割,使算法具有较强鲁棒性的同时还有效降低了对重复和弱纹理区域的误匹配率。最后,分别采用自适应窗口填充无效值、中值滤波剔除不可靠视差值,使视差不连续的区域也能获得准确的视差值。在Middlebury公共数据集上对所提方法进行验证,所提方法的平均误匹配率约为5.23%,较传统的semiglobal block matching(SGBM)算法、BoyerMoore(BM)算法、SGM算法,分别提升9.47个百分点、9.345个百分点、8.96个百分点。自然环境下,所提改进的SGM算法可生成较高精确度的立木视差图。