基于十字交叉域的Census立体匹配算法优化研究

立体匹配算法在双目视觉中起着重要的作用。基于非参数变换的Census立体匹配算法在近几年得到了广泛的应用,但Census立体匹配算法在求取视差图的过程中过度依赖中心像素点灰度值。针对传统的Census算法过分依赖中心像素点造成的匹配精度不足,提出了一种基于十字交叉域的Census立体匹配算法。该算法通过十字交叉域找到参考像素周围和其颜色相近的像素,利用十字交叉域内的像素对参考像素代价值进行优化,从而改善Census算法过度依赖中心像素所造成的误匹配,提高视差图的精度。实验结果表明十字交叉域的Census立体匹配算法对图像的视差精度有所提高,并且在确保匹配精度的条件下,该算法相比于四路径代价聚合的Census算法代价聚合时间大大降低。

Census立体匹配算法的DSP实现

立体匹配是计算机立体视觉中最重要的步骤之一,由于计算量巨大,使得在各种实时应用中,都必须解决立体匹配的优化问题。立体匹配的实时性研究已经成为现代立体视觉的一个重要研究方向。本文从硬件和软件两个层次分析了立体匹配算法的基本加速方法和技巧,然后详细介绍了利用TiC64xDSP进行Census算法的优化。最后通过实验结果验证了本文提出算法的有效性。

基于反色均值化的非参数Census立体匹配算法

针对传统非参数Census变换过分依赖于变换窗口的中心像素灰度值的问题,提出了一种新颖的非参数Census变换的立体匹配算法。首先,该文研究了非参数Census变换并分析了其局限性;其次,考虑到像素空间位置,对于变换窗口进行反色处理后,求取邻域均值的反色来替代中心像素灰度值进行Census变换,提高了算法的抗干扰能力;最后,采用绝对误差和(SAD)方法和汉明距离作为相似性测度进行立体匹配,减少误匹配率,并通过左右一致性检测和亚像素插值来增大匹配的准确度。实验结果表明,此算法能够提高光照变换下匹配的鲁棒性,尤其对于深度不连续区域,适用于实时的立体匹配。

改进Census立体匹配算法研究综述

立体匹配算法在双目视觉中起着重要作用。基于非参数变换的Census立体匹配算法在近几年得到了广泛的应用,但Census立体匹配算法在求视差的过程中存在一定的不足。针对Census立体匹配算法的不足,近年来出现了诸多Census立体匹配算法的改进。介绍了Census立体匹配算法计算视差的基本原理,分析Census立体匹配算法在计算视差过程中存在的局限性;重点以分类形式归纳了改进Census立体匹配算法,将近年来改进的Census立体匹配算法分为6类;对每一类改进的Census立体匹配算法的优缺点、核心思想进行归纳总结,对6类改进的Census立体匹配算法进行对比分析,并总结分析了Census立体匹配算法的应用和发展趋势。

基于自适应权重的改进Census立体匹配算法

针对传统Census算法对噪声敏感且在弱纹理区域匹配精度低的不足,提出一种基于自适应权重的改进算法。在代价计算阶段,通过空间相似度加权计算得到参考像素值,设定阈值限定参考值与中心点像素的差异,使算法能够判断中心点是否发生突变并自适应选择中心参考像素值。在代价聚合阶段,引入多尺度聚合策略,将引导滤波作为代价聚合核函数,加入正则化约束保持代价聚合时尺度间的一致性。在视差计算阶段,通过胜者通吃法得到初始视差图。在视差优化阶段,对初始视差图做误匹配点检测及左右一致性检测,并对遮挡区域进行像素填充得到最终的视差图。基于Middlebury标准图的实验结果表明,该算法平均误匹配率为5.81%,对比于传统Census算法抗干扰性提升显著,并能在平均误匹配率表现上达到主流经典算法的性能水准。

一种改进的AD-Census立体匹配算法

本文提出了一种基于加权支持域的AD-Census立体匹配算法。该算法结合SAD和Census变换的匹配代价的特点来替代传统的匹配代价,考虑到图像的纹理结构和像素信息,可有效提高算法的匹配精度和抗干扰性;采用加权支持域的方法来替代传统的窗口累积法,同时考虑了局部区域的相似度和相近度,可有效改善深度不连续区域的匹配精度。实验结果表明,该算法计算简单,鲁棒性好,匹配精度高。

改进的SAD-Census立体匹配算法研究

在实际的三维工件测量环境中,外界光照、噪声均会对立体匹配结果产生巨大影响,从而影响最终三维重构的结果。本文提出了一种基于自适应权重的SAD-Census立体匹配算法,首先对Census立体匹配算法进行了改进,然后将代价聚合中构建的十字代价聚合区域最小臂长与空间阈值和颜色阈值的比值作为权重,融合SAD立体匹配算法和改进后的Census立体匹配算法计算视差图。最后通过对Middlebury立体匹配测试平台提供的标准图像对进行测试。测试结果表明,改进后的Census立体匹配算法具有更好的鲁棒性、在弱纹理区域匹配精度更高,基于自适应权重的SAD-Census可以得到准确的视差图。

改进Census变换与特征融合的立体匹配算法

针对局部立体匹配算法匹配精度较低问题,提出一种改进Census变换与特征融合的立体匹配算法。首先,使用变换窗口的邻域像素信息代替中心像素,解决传统Census变换过度依赖窗口中心像素问题;其次,引入图像的颜色信息与梯度信息构建融合代价计算函数,提高初始匹配代价的可靠性;为建立邻域像素间联系,引入单向动态规划思想进行代价聚合;最后,提出一种基于八方向的视差空洞填充方法对视差图进行优化。实验结果表明:该算法在Middlebury数据集上的平均误匹配率为3.77%,优于其他改进Census变换方法,具有较高的匹配精度。

改进代价计算的AD-Census立体匹配算法

针对现有AD-Census代价计算时,Census变换依赖中心像素,对场景光照、亮度敏感的问题,提出一种基于子区域均匀度变换的改进代价计算方法。对Middlebury数据集在无幅度失真、不同亮度、不同光照场景下的代价计算以及立体匹配实验的统计结果表明,改进后的算法在非遮挡区以及所有区域的误匹配率均低于改进前,在代价计算环节,整体区域平均降低了5.80%,最终立体匹配后的视差图平均降低了1.55%。改进后的算法在不同亮度以及不同光照场景下对匹配的精度提升更加地显著,验证了改进算法的有效性。

基于阈值和权重Census变换的煤矿井下图像立体匹配算法

双目图像立体匹配是实现煤矿井下无人辅助运输车自主避障和视觉侦察的关键技术,但煤矿井下高粉尘、光照条件不稳定等因素会导致视觉传感器采集到的图像产生椒盐噪声,使得立体匹配的误匹配率很高。为此,提出一种基于阈值和权重相结合Census立体匹配算法,减少椒盐噪声对立体匹配影响。具体改进包括:①先对支持窗口内所有像素的灰度值进行阈值处理,去除支持窗口内灰度值极大和极小的像素点,解决异常值对加权融合的影响;②再将中心点对应的4条斜对角像素进行加权融合代替中心点像素,选择中心像素点4条斜对角线上的像素点,步长取1~3,根据对应的步长分别赋予0.7、0.2、0.1的权重,将这12个像素点中有效的像素点分别乘上对应权重,然后除以有效权重之和,得到经过加权处理后的中心像素点值,解决传统算法对Census变换窗口中心点依赖的问题,从而提高匹配精度。试验结果表明:基于阈值和权重Census代价计算全部区域的误匹配率相比传统Census算法降低了5.64%;相比基于均值Census算法降低了1.71%,且在不同噪声下全部区域的误匹配率相比传统Census算法降低了15.93%;相比基于均值Census算法降低了16.62%;而在非遮挡区域,算法的误匹配率相对于传统Census算法降低17.19%,相对于基于均值Census算法降低18.11%。所提出的基于阈值和权重相结合Census立体匹配算法有效的增强了抗噪声的鲁棒性,降低了误匹配率,提高了匹配精度。

基于改进Census变换融合AD立体匹配算法研究

在立体匹配算法中,针对Census算法对于图像深度不连续、弱纹理区域匹配精度低、易受噪声干扰的问题,提出了一种改进Census变换结合自适应窗口的方法,利用梯度信息实现窗口的自适应选择,并将灰度绝对值计算(Absolute Difference,AD)和改进后的Census变换相融合,提升了算法的精度和抗噪声能力,在代价聚合阶段,通过不同的自适应窗口提供不同的自适应阈值,最后通过赢家通吃的算法(WTA)进行视差优化,进而得到最终的视差图。利用该改进算法对Middlebury平台提供的标准图像进行实验表明改进后的算法误匹配率降低,并有很好的抗噪声能力。

基于特征优化的Census立体匹配方法

针对传统Census立体匹配算法在弱纹理和边缘区域匹配精度较差的问题,提出一种基于特征信息优化的代价计算方法,在窗口中融入更多的差异信息以获得更精确的像素视差值。随后采用多方向路径独立的线扫描优化计算聚合代价以进一步提高匹配精度。为获得更好的遮挡区域匹配效果,提出一种基于差异填充的视差优化方法,对遮挡像素进行识别和视差填充。为提高算法的效率,提出一种基于降采样策略的算法运行模式,通过缩小视差搜索范围以减少硬件负荷。最后以五组标准图像为输入进行改进Census算法性能检验,结果显示,平均误匹配率为6.12%,较改进前降低了2.45%,算法效率平均提升17.7%。

基于变分立体匹配算法的GMAW熔池形貌三维重建

为实现完整熔池表面形貌三维传感,构建了双棱镜单摄像机立体视觉传感系统.针对熔池图像纹理缺乏造成的立体匹配困难的问题,引入了全局优化的变分立体匹配算法,通过建立包含灰度差异数据项和空间连续性约束项的能量函数的可行性泛函,经过迭代求解获得具有丰富细节的熔池表面稠密视差图.对自制非标准凹面形状进行立体匹配和三维重建,结果表明,宽度误差小于3.16%,深度误差小于4.82%.基于该算法实现了熔化极气体保护焊(gas metal arc welding,GMAW)的堆焊及V形坡口对焊条件下,不同熔透状态熔池稠密视差图计算和表面形貌的三维重建.

基于Pynq的半全局立体匹配算法实现

立体匹配算法作为双目立体视觉技术的核心算法,具有运算复杂度高、资源占用率高、实时性差的特点。而现有的基于FPGA实现方法多采用高性能FPGA芯片,利用其板卡丰富的资源进行纯verilog语言开发。这样做虽然实时性效果不错,但存在开发难度较大、周期较长、成本较高的弊端。论文针对该问题,提出了一种基于相对低廉的Pynq-z2开发板在PL+PS端协同开发的SGM立体匹配算法,将运算量大的部分在FPGA端进行硬件加速,部分代价优化算法在ARM端利用Python语言实现。实验表明,该算法可有效降低资源占用率,基本满足在相对低廉的嵌入式设备中实现的要求。

面向智能驾驶的轻量化GwcNet立体匹配算法研究

智能驾驶技术作为新一代智能交通系统的核心之一,受到了广泛关注。其中,感知融合技术在实现智能驾驶的精准定位和环境感知中起着至关重要的作用。在感知融合中使用的立体匹配算法更是关乎智能驾驶的安全性和准确性,是智能驾驶环境感知领域中重要的技术环节。针对智能驾驶汽车在硬件方面算力不足,但对立体匹配算法实时性和精度均有较高要求的问题,文章基于GwcNet,为智能驾驶环境感知模块设计了一种轻量化的立体匹配算法。利用ACV模型替代GwcNet立体匹配算法中参数量、运算量最大的3D卷积模块,使得算法的实时性和精度得到提升。为了进一步减少网络复杂度,减小ACV模块中的网络参数,提出一个Fast-ACV模型。最后在KITTI 2015数据集中对立体匹配算法进行对比分析。结果表明,所提出的轻量化GwcNet立体匹配算法在精度和实时性上均优于GwcNet算法。

基于改进Census变换的鲁棒立体匹配算法

针对局部立体匹配算法对噪声与光照变化敏感及在弱纹理区域匹配效果不佳的情况,提出一种基于改进Census变换与自适应参数引导滤波的立体匹配算法。该算法融合HSV通道值计算代价,对噪声与光照变化有较好的鲁棒性;在支持窗口内分别使用欧式距离加权与颜色加权获得Census变换参考值;集成AD与Census代价提高了单像素匹配代价的稳定性,降低了原Census变换对中心像素的依赖程度。在代价聚合过程中使用峰度系数对正则化参数进行自适应处理,通过视差计算获得视差图。在VS2017平台上对Middlebury数据库提供的图像对进行匹配实验,该算法在标准图像、加噪声图像及光照变化图像的各区域平均误匹配率分别是7.80%、10.72%和9.89%。结果表明:该算法可以降低误匹配率,同时能更好地适应噪声与光照变化。

基于改进Census变换与分区域聚合的立体匹配

立体匹配作为三维重建的关键步骤之一,针对基于Census变换的立体匹配算法在视差不连续区域以及弱纹理区域匹配精度较差,且易受光照不均与噪声干扰的问题,提出一种基于改进Census变换与分区域聚合的立体匹配算法。在Census变换阶段令窗口中所有像素点根据灰度值大小进行降序排序,选取灰度值为中位数的像素点替代窗口的中心像素;然后进行Hamming距离计算得到结果,再加权融合亮度或光照差的绝对值;接下来将代价聚合阶段的图像通过梯度大小划分为边缘和平滑区域,分别使用十字交叉域完成初始代价聚合;最终采用WTA找到初始视差值,经过一系列视差优化步骤获得最终视差图。在MiddleburyV3.0版本的测试平台上对该算法进行评测,实验结果表明,总体像素的视差平均误差为8.26%,相较于AD-Census算法下降了2.95%,具有较高的匹配精度,且对光照及噪声有较好的鲁棒性。

基于图像先验信息的立体匹配算法

立体匹配是双目视觉系统分析中的重要环节之一,直接决定三维信息重建的质量和效率。为提升立体匹配实时性与准确性,提出一种基于图像先验信息的立体匹配算法。算法首先采用BP神经网络MIV方法提取并筛选图像有效特征值,并以视觉系统应用环境不同将图像数据分为的简单背景图像和复杂背景图像,然后在测距1-2m的实验室条件,利用双目摄像头和CORE I7处理器采集图像数据,并在Visual Studio 2015中按照3:2对图像进行大小裁剪,最后基于BM优化算法与SGBM改进算法对图像进行立体匹配。简单背景仿真结果表明,未裁剪BM优化算法的测量误差未0.9%,仿真时间为2s,较其它算法而言,仿真时间最短,实时性最高;复杂背景仿真显示,裁剪后的SGBM改进算法,测量误差为0.4%,仿真时间2.5s,测量误差大幅降低。在图像先验信息的基础上,通过优化BM算法提高了立体匹配实时性,基于改进SGBM算法提高了立体匹配准确性,为双目视觉系统的实际应用提供了理论依据。

基于自适应窗口和改进Census变换的半全局立体匹配算法

针对基于Census变换的立体匹配算法匹配精度不理想、易受噪声干扰的问题,提出一种自适应窗口结合改进Census变换的方法。通过自适应选择变换窗口大小,并在Census变换中引入噪声容限参数,且将其改进Census代价与RGB颜色差值代价加权融合,再采用四路径代价聚合策略完成初始代价聚合,最后用WTA算法计算初始视差后通过后处理优化得到最终视差。实验结果表明所提算法误匹配率较低,抗噪性能有较好提升。

基于改进Census代价和优化引导滤波立体匹配算法

为了提高局部立体匹配的精度,提出了一种基于改进Census代价和优化引导滤波的立体匹配算法。针对传统Census代价计算在视差不连续区域代价计算不准确的问题,在Census变换过程中进行邻域像素有效性标记,通过给不同有效性处计不同代价值,降低无效像素对整体代价的影响;在引导滤波代价聚合阶段,采用两种大小的窗口计算线性系数,然后根据图像区域划分结果选取不同线性系数,解决了固定窗口尺寸造成的局部区域代价聚合不适应的问题;最后通过视差计算和视差优化得到最终视差图。在Middlebury v3立体匹配评估平台上进行实验,结果表明,本文算法在非遮挡区域和所有区域的平均误匹配率分别为18.17%和23.81%,与很多现有算法相比表现更优。