视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute...视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute Differences,SAD)算法的计算精度。接着,基于Census变换改进二进制链码方式,将邻域内像素的平均灰度值与梯度图像的灰度均值相融合,进而建立左右图像对应点的判断依据并优化其编码长度。然后,构建基于十字交叉法与改进的引导滤波器相融合的聚合方法,从而实现视差值再分配,以降低误匹配率。最后,通过赢家通吃(Winner Take All,WTA)算法获取初始视差,并采用左右一致性检测方法及亚像素法提高匹配精度,从而获取最终的视差结果。实验结果表明,在Middlebury数据集的测试中,所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%,测量200~900 mm距离的平均误差小于2%;而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。展开更多
针对双目测距系统中传统Census变换算法对中心像素点依赖性过大、代价计算耗时长等问题,提出一种改进型Census变换与绝对误差和(sum of absolute differences,SAD)相结合的算法。在中心像素周围选取固定的8个像素点,按照顺序两两比较像...针对双目测距系统中传统Census变换算法对中心像素点依赖性过大、代价计算耗时长等问题,提出一种改进型Census变换与绝对误差和(sum of absolute differences,SAD)相结合的算法。在中心像素周围选取固定的8个像素点,按照顺序两两比较像素值得到一个字节的比特串,由归一化处理将Census与SAD的初始代价统一为对应支持窗口的初始代价,得到对应的视差图进而测出距离;采用C++语言在Visual Studio2017集成环境下进行开发实验,验证改进型SAD-Census变换算法的有效性。结果表明:本文算法对高像素与低像素图像代价计算耗时随支持窗口的增大分别稳定在6.0,0.2 s,为AD-Census算法、传统Census变换及SAD算法耗时的1/5,1/4,1/3,立体匹配速度有较大提升;在被测物距摄像头光心800~2950 mm时,采用本文算法得到的距离与实际距离相对误差绝对值小于5%,精度满足测距要求。展开更多
文摘视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题,为此,本文提出一种基于多特征融合的立体匹配算法。首先,在代价计算阶段,通过高斯加权法赋予邻域像素点的权值,从而优化绝对差之和(Sum of Absolute Differences,SAD)算法的计算精度。接着,基于Census变换改进二进制链码方式,将邻域内像素的平均灰度值与梯度图像的灰度均值相融合,进而建立左右图像对应点的判断依据并优化其编码长度。然后,构建基于十字交叉法与改进的引导滤波器相融合的聚合方法,从而实现视差值再分配,以降低误匹配率。最后,通过赢家通吃(Winner Take All,WTA)算法获取初始视差,并采用左右一致性检测方法及亚像素法提高匹配精度,从而获取最终的视差结果。实验结果表明,在Middlebury数据集的测试中,所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%,测量200~900 mm距离的平均误差小于2%;而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。
