[发明专利]用于视差计算的三维匹配建立方法

说明书

技术领域

本发明涉及三维测量领域，具体涉及用于视差计算的三维匹配建立方法。

背景技术

视差就是从有一定距离的两个点上观察同一个目标所产生的方向差异。从目标看两个点之间的夹角，叫做这两个点的视差角，两点之间的距离称作基线。只要知道视差角度和基线长度，就可以计算出目标和观测者之间的距离。在三维测量领域，即是指从两个摄像机中获取的图像上相同像素点之间的差异。三维匹配是根据对所选特征的计算，建立特征间的对应关系，将同一个空间点在不同图像中的映像点对应起来，并由此得到相应的视差图像的技术。传统的三维匹配都是基于摄像机标定而进行的，由于灰度及视差梯度的干扰，容易存在虚假匹配，进而影响三维匹配精度。

发明内容

本发明的目的在于提供用于视差计算的三维匹配建立方法，以解决现有技术中灰度及视差梯度干扰三维匹配精度的问题，实现对灰度及视差梯度进行量化计算、从而消除虚假匹配、提高精度的目的。

本发明通过下述技术方案实现：

用于视差计算的三维匹配建立方法，包括以下步骤：

(a)分别对两个摄像机进行标定，获得外参数矩阵R、平移向量t、以及两个摄像机各自的内参数矩阵A_l、A_r；

(b)设定两个摄像机获取的图像分别为母图像、子图像，建立两个摄像机的基本矩阵关系：F＝A_r^-T[t]×RA_l^-1；其中T为母图像灰度值；

(c)建立极线约束关系：m’^TFm＝0；其中m、m’为母图像、子图像中的一对相匹配的特征点；

(d)获取母图像、子图像中特征点附近的邻域图像，并计算出母图像中邻域图像内的灰度均值子图像的灰度值I、子图像中邻域图像内的灰度均值

(e)计算出灰度相似度S：

其中，(x、y)为m点坐标，(x’、y’)为m’坐标；

(f)计算视差梯度d_gr：

d_gr＝|d_a-d_b|/|d_cs(a_m,b_m)|

其中，d_a为一对相匹配的特征点的坐标差值，d_b为另一对相匹配的特征点的坐标差值，d_cs(a_m，b_m)为两对匹配点连线中点的矢量；

(g)根据计算出的灰度相似度、视差梯度，去除虚假匹配值，将剩余匹配点带入极线约束关系中，进行三维匹配。

针对现有技术中灰度及视差梯度干扰三维匹配精度的问题，本发明提出一种用于视差计算的三维匹配建立方法，首先对两个摄像机进行标定，获得外参数矩阵R、平移向量t、以及两个摄像机各自的内参数矩阵A_l、A_r。其中对摄像机标定的方法采用任意现有方法即可，在此不做赘述。设定两个摄像机获取的图像分别为母图像、子图像，建立两个摄像机的基本矩阵关系：F＝A_r^-T[t]×RA_l^-1；之后在被测物体表面选取特征点，建立极线约束关系：m’^TFm＝0。通过图像分析获取母图像、子图像中特征点附近的邻域图像，并计算出母图像中邻域图像内的灰度均值子图像的灰度值I、子图像中邻域图像内的灰度均值带入m、m’两点的二维坐标，计算灰度相似度S，S的计算公式如下：

再计算视差梯度：

d_gr＝|d_a-d_b|/|d_cs(a_m,b_m)|

计算出的灰度相似度、视差梯度后，根据测量精度需要排除掉灰度相似度过低、视差梯度过大的值，将剩余匹配点带入极线约束关系中，即能进行三维匹配。本发明相较于传统的三维匹配方法，克服了灰度、视差梯度所带来的误差，消除了虚假匹配，能够极大程度上提高测量精度。

优选的，灰度相似度低于0.8的匹配点作为虚假匹配值去除。

优选的，视差梯度大于0.2的匹配点作为虚假匹配值去除。

优选的，步骤(e)和(f)顺序可调。