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。

一种基于自适应权重SAD与Census融合的匹配算法

立体匹配算法中的SAD算法与Census算法较为常用,本文分析了两种算法的特点,在改进SAD算法后,将其与Census算法融合,提出了自适应权重的SAD-Census算法。试验表明,与SAD算法和Census算法相比,该算法匹配效果更好,对实际场景拍摄图像的匹配也有较好的稳健性。

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变换的双目立体匹配算法

针对传统Census变换窗口中心点灰度值易受噪声影响而导致全局匹配精度低等问题,设计了一种基于改进Census变换的双目立体匹配算法.首先采用双边滤波的模板值替代传统Census变换窗口中心点的灰度值,为了增强初始代价计算的可靠性,加入Sobel算子,将其与灰度绝对误差和算法的匹配代价进行代价融合;然后选择动态十字交叉域建立相邻视差的联系;最后运用赢家通吃策略选择最佳的视差,并采用左右一致性检测和引导滤波优化视差图.实验结果表明,在无噪声情况下,改进算法的平均误匹配率比传统Census变换的降低了约46%,含噪声情况下降低了约53%,说明改进算法有较好的匹配精度和抗噪能力.

基于改进Census变换的抗噪立体匹配算法

针对传统Census变换在匹配代价计算中易受噪声影响、匹配精度较低的问题,提出一种引入噪声容限的四状态Census变换算法。在匹配代价计算中,首先将改进的Census匹配代价与灰度绝对差值和梯度代价进行融合,并加入相应的截断阈值,以提高初始匹配代价空间的可靠性。然后通过引导图滤波进行代价聚合,并采用赢家通吃策略计算初始视差值。最后通过左右一致性检验、视差填充和加权中值滤波来优化初始视差值,得到最终视差图。实验结果表明,所提算法的噪声鲁棒性优于传统Census变换算法,且立体匹配算法的整体误匹配率降低至5.59%。

改进Census变换与路径代价的立体匹配算法

为减少误匹配率,提升视差计算精度,提出了一种改进Census变换与路径代价的立体匹配算法。首先,通过采取设定阈值选取参考像素替换中心像素,并将灰度差绝对值算法(absolute difference,AD)和梯度代价归一化加权融合进行代价计算,以提升视差计算精度,增强算法稳定性;其次,设计了一种根据像素颜色差值确定惩罚因子的方法,实现了对不同区域匹配效果的提升;最后,采用加权中值滤波、视差非连续性调整等进行优化,进一步提升算法性能。在Middlebury 2.0测试平台选取14幅图像验证本文算法的有效性。结果表明:本文算法平均误匹配率为4.89%,有效地减少了误匹配率,视差效果良好。

基于双目立体视觉的连铸辊尺寸三维测量方法

针对连铸车间中,扇形段连铸辊尺寸人工测量效率低下的问题,提出了一种基于双目视觉系统的连铸辊尺寸测量方法。首先,对双目相机采集的图像进行预处理并采用Otsu法分割工件前后背景;接着,针对边缘检测精度不高的问题,将传统Canny边缘检测算法的梯度模板增加到8个以提取工件轮廓,结合多项式插值公式提取亚像素级别特征点;然后,在SAD与Census变换融合的立体匹配基础上引入RANSAC算法来消除错误匹配;最后,采用三角测量原理计算出零件的尺寸。实验结果表明,系统测量的平均相对误差为0.14%,测量方法具有较高的精度,其稳定性与精确性满足连铸辊的尺寸自动检测任务。

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。

特征融合的双目立体匹配算法加速研究与实现

随着图像分辨率和场景信息获取实时性需求的提高,业界对双目立体匹配算法的效率提出了更高的要求。针对该问题,提出了将SAD与Census变换特征融合的结果作为初始匹配代价,利用SGM算法进行代价聚合,采用赢家通吃策略计算视差,通过左右一致性检验检测出遮挡点并填充,使用中值滤波剔除异常值,最终获取优化后的视差图。采用统一计算设备架构(CUDA)对算法实现并行计算,针对立体匹配比较耗时的问题,该算法最大化地利用共享内存、寄存器内存以及CUDA流,实现了不同核函数之间的并行,大大提升了执行效率。结果表明,该算法在Middlebury立体匹配平台上,平均误匹配率下降了8.05%;在NVIDIA GeForce GTX 1650平台上运行450×375分辨率的图像,比原始SGM算法快687倍,运行高分辨率图像时依然能够实现实时显示性能。

基于改进Census变换与多特征融合的立体匹配算法

立体匹配是三维重建技术中的关键步骤,针对局部立体匹配算法在弱纹理区域、深度不连续区域匹配效果差,且容易受到噪声干扰的问题,提出了一种基于多特征融合的局部立体匹配算法。对传统的Census变换进行改进,使其对噪声具有更强的鲁棒性,并将其与颜色特征、梯度特征相融合进行代价计算;采用多尺度下的引导滤波算法进行代价聚合,并通过视差计算与优化得到视差图。在Middlebury数据集上的实验结果表明,所提算法抗噪能力强,且与当前较为优秀的局部立体匹配算法相比,匹配精度有了进一步提升。

超像素分割约束的自适应SAD与Census融合立体匹配算法

为提高立体匹配精度,提出一种超像素分割约束的自适应SAD与Census融合的立体匹配算法。针对SAD在匹配过程中无差别使用窗口内像素点灰度值引入的误差,首先用简单线性迭代聚类(SLIC)超像素分割方法对待匹配图进行处理,将分割结果结合窗口内邻域像素点和中心像素点的距离给SAD立体匹配过程中窗口内像素点灰度值赋予适当的权重;进行Census立体匹配过程,并对两种算法的匹配结果进行自适应融合;对初始视差图进行左右一致性检测和遮挡点填充等后处理过程。实验表明,提出算法与传统算法相比,匹配效果显著提高,可以很好地适应细节丰富的图像并且对于有垂直位移的图组也有较好的适应性,对于图像对比度及光照变化具有鲁棒性。

着陆避障中双目立体匹配方法与仿真

在着陆避障过程中,利用双目相机拍得的图片进行立体匹配得到稠密的地形高程图是一种有效的方式.文中对绝对误差之和(sum of absolute differences,SAD)、全Census变换以及稀疏Census变换立体匹配方法原理进行说明,针对SAD算法无法处理左右图像亮度不一致的情况提出了对匹配窗口进行灰度规范化以及加入LOG滤波的改进措施,并且对上述方法分别应用数据库图像和沙盘拍图进行仿真测试及比较,从匹配错误率和实时性的角度分析各算法在地外星体着陆这种特殊场景中的使用性能.