[发明专利]一种基于自适应权值滤波的立体视觉匹配方法

说明书

本发明提出一种基于自适应权值滤波的立体视觉匹配方法，包括以下步骤S1，匹配代价初始化；S2，匹配代价自适应滤波叠加；S3，初始视差图创建；S4，视差图细化处理。本发明利用图像局部区域中幅值的相似性，通过分级聚类的算法得到一系列的采样点集，其赋予幅值相似的区域具有较大的权值，反之赋予较小的权值，图像滤波时将图像幅值与每层釆样点集对应权值相乘，然后将所有采样点集的乘积叠加起来得到滤波的结果，无需对每个像素的进行双边滤波，提高了算法的计算效率。

技术领域

本发明涉及双目立体视觉匹配方法，具体涉及一种基于自适应权值滤波的立体视觉匹配方法。

背景技术

智能机器人可通过自身携带的传感器有效获取环境和自身位姿的信息，同时完成环境中障碍物和目标的检测，并且自主规划从起始位置运动到目标位置的路径，从而实现对目标物体进行操作。其本身具有完备的感知、分析、决策和执行等模块,可以像人类一样独立地在环境中从事生产活动。

常用的机器人三维目标检测方法是双目立体视觉方法，其主要有两台摄像机组成。双目摄像机各自的内外参数分别进行标定，然后再利用二者之间的相对位置便可以完成立体视觉校正，在此基础上即可计算匹配点的三维坐标。双目立体视觉方法的准确性依赖于立体视觉匹配技术，立体视觉匹配是指根据对所选特征的相关计算，建立特征间的对应关系，将同一个空间点在两幅图像中的投影点对应起来。其得到的视差图能够恢复出场景的三维轮廓，因此可根据距离远近判断出场景中障碍物的区域。

现有的立体视觉匹配方法为了保证物体的边缘细节，使用双边滤波器进行噪声滤波，再使用滤波后的图像进行匹配，双边滤波器模型主要为空间域和幅值域的高斯核乘积，其滤波的权值表示W(i,j)为：

其中，i和j表示图像坐标，σs和σr表示高斯核函数，Ii和Ij分别表示图像坐标i和j的像素值，上述幅值滤波需要计算区域内所有i点和与其相邻的j点的差值，如区域内共有n个点，则计算复杂度为O(n2)，因此双边滤波器计算复杂度高，效率差，不能保证实时的立体视觉匹配。

发明内容

本发明目的在于解决现有基于双边滤波器的立体视觉匹配方法计算复杂度高，效率差，不能保证实时的立体视觉匹配的问题，提供一种基于自适应权值滤波的立体视觉匹配方法，该方法利用图像局部区域中幅值的相似性，通过分级聚类的算法得到一系列的采样点集，其赋予幅值相似的区域具有较大的权值，反之赋予较小的权值，图像滤波时将图像幅值与每层釆样点集对应权值相乘，然后将所有采样点集的乘积叠加起来得到滤波的结果。

为解决上述技术问题，本发明采用如下的技术方案：

一种基于自适应权值滤波的立体视觉匹配方法，具体包括以下步骤：

S1，匹配代价初始化；

S2，匹配代价自适应滤波叠加；

S3，初始视差图创建；

S4，视差图细化处理。

本发明与现有技术相比具有以下的有益效果：