论文部分内容阅读
立体视觉深度计算,利用经过标定和校正的双目相机图像对进行图像特征匹配,并利用三角测量原理估算出三维场景中的物体距成像设备的真实深度,是计算机视觉的重要研究方向之一。立体视觉深度计算作为计算机视觉的基础构建模块,在三维场景重建、移动机器人自主导航、医学成像、工业检测等领域具有广泛应用。本文的主要研究工作如下:1)本文首先通过对几种常用的匹配代价计算方法(如基于区域的局部代价计算方法、Sobel算子以及Census变换等)和代价聚合方法(如基于区域的局部代价聚合算法、基于最小生成树的非局部代价聚合算法以及Semiglobal Matching算法等)在弱纹理区域中视差估计的性能对比,分析了传统的基于点匹配的视差估计方法的局限性。针对场景中弱纹理区域视差估计的难题,本文提出了一种基于平面约束的三维场景三角剖分深度估计算法。该算法采用基于Sobel滤波算子的支持点检测算法,并进行逐支持点比较计算其视差值,同时将参考图像进行图像分割及二次分割,将分割结果作为最小计算单元,用平面的计算代替逐像素的计算。采用Middlebury标准数据集上的四组测试图像,对上述视差估计算法进行实验分析,结果表明:在视差估计方面,对比 LIBELAS(Library for Efficient LArge-scale Stereo)算法,本文提出的算法在弱纹理区域的视差估计的错误率平均降低了1.95%;在算法速度方面,本文提出的算法比经典的SGM(Semiglobal Matching)算法平均耗时减少了 6.923s,比基于最小生成树的全局算法平均耗时减少了 3.39s。2)本文将平面约束的思想运用到后处理阶段,在进行左右一致性检查后,将待填充视差值的像素点分配到其所属的最近平面内,然后计算其所在平面的平面方程进而合理地诱导出该像素点的视差值。得益于平面约束的限制,本文提出的方法最终能够得到更加准确的稠密视差图,相比于其他的后处理方法,全图的视差估计错误率平均降低了 0.64%。