基于双目视觉的立体匹配算法研究

【摘要】：基于双目视觉的立体匹配研究是计算机视觉领域的一个重要节点，也是三维重建的关键步骤，直接影响着重建的效果。立体匹配有单目、双目及多目的算法研究。双目视觉有其固有的特点和优势，它直接模拟人类视觉系统，在机器人跟踪、视频监控、工业检测、虚拟现实等方面有着广泛的应用。因此，对基于双目视觉的立体匹配算法研究有着重要意义，本文就立体视觉中的匹配算法展开研究，主要研究成果如下： （1）针对传统局部匹配算法在图像深度不连续区域及弱纹理区域匹配精度不高的问题，本文提出了一种融合局部匹配和全局匹配的优点的立体匹配方法。首先，利用均值漂移算法对彩色图像进行分割；然后，在局部匹配代价函数中，采用了多窗口自适应算法进行局部匹配，并用分割出来的结果对代价函数进行约束；接着，采用像素可靠性约束对视差结果分类；最后，利用像素的可靠性分类指导传统的置信度传播，得到最终的优化结果。利用Middlebury提供的平台进行测试对比，结果表明本算法在图像的深度不连续区域及弱纹理区域实验效果较好。 （2）针对立体匹配中深度不连续问题及二维运算效率低问题，本文提出了基于微分平滑的一维动态规划立体匹配算法。首先讨论动态规划在立体匹配中的应用；其次分析了传统基于Potts模型动态规划的不足，提出新的基于微分方程平滑的动态规划立体匹配；接着，将提出的改进动态规划方法作用在图像上，得到最后的实验视差图。最后对实验结果进行评估，得到误差指标并和其他的算法作实验对比以证明本算法的优势，并且通过横向对比其他流行的二维全局优化算法的执行时间，得出本文算法的高效性以至于实际应用的可行性。 （3）基于双目视觉的立体匹配的一个重要步骤是摄像机标定，本文选择了一种可靠的标定处理库对摄像机进行标定：结合OpenCV视觉库与Matlab工具箱进行标定。Matlab工具箱对棋盘格的角点检测比较准确，所以得出的标定结果较为准确，而OpenCV视觉库有着高效地计算速率，对于后续的极线校正以及立体匹配的计算具有较低的时间复杂度，利于实时性的应用。最后，对实拍的图像进行校正并利用本文算法求取实际视差，得到了预期的结果。