[发明专利]基于双目立体视觉匹配的视差图像生成方法及系统有效
申请号: | 201910241340.6 | 申请日: | 2019-03-28 |
公开(公告)号: | CN109993781B | 公开(公告)日: | 2021-09-03 |
发明(设计)人: | 唐士斌;尹首一;赵新超;冯进丽;欧阳鹏;李秀东;王博 | 申请(专利权)人: | 北京清微智能科技有限公司 |
主分类号: | G06T7/33 | 分类号: | G06T7/33;G06T7/55 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 王涛;任默闻 |
地址: | 100056 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 双目 立体 视觉 匹配 视差 图像 生成 方法 系统 | ||
本发明提供一种基于双目立体视觉匹配的视差图像生成方法及系统,本申请通过一对散斑图像生成二值图像,并根据二值图像生成视差图像,一方面散斑图像包含的信息相对实物图简单,影响因素小,但却可以很好地反映出物体的表面属性,因此通过提取散斑信息计算视差图相比于传统的双目立体视觉方法(BM、SGBM等)可以有效降低匹配的计算量。基于此,本申请并未直接对散斑图求取视差,而是先将散斑图转化为两个二值图像,二值图像的每个像素点仅包括两种取值,基于二值图像实现双目立体匹配大大减小了像素匹配的计算量,对硬件负担较小,易于实现,计算迅速,能够用于人脸识别等深度传感器设备中。
技术领域
本发明属于图像处理领域,更具体的,涉及一种基于双目立体视觉匹配的视差图像生成方法、系统、电子设备及可读介质。
背景技术
深度传感器的快速发展为计算机视觉领域带来了新的变革,深度估计信息被充分应用于自动驾驶、3D重建、行为识别和活体检测相关难题解决方案中。目前主流深度传感器主要包含3种技术类型:飞行时间(time of flight,ToF)、结构光与双目视觉。
双目立体视觉是基于视差原理,利用成像设备(Camera)从不同的位置获取被测环境的两幅图像,通过同一物体在不同图像中的像素差,利用三维几何原理计算深度信息。但是目前双目立体视觉匹配方法复杂,计算处理量大,对设备负担较大,存在诸多不足。
发明内容
为了解决目前双目立体视觉技术存在的上述问题的至少一个,本发明提供一种基于双目立体视觉匹配的视差图像生成方法、系统、电子设备及可读介质,本申请通过一对散斑图像生成二值图像,并根据二值图像生成视差图像,一方面散斑图像包含的信息相对实物图简单,影响因素小,但却可以很好地反映出物体的表面属性,因此利用散斑图像大大减小了视差图生成的计算量,此外,本申请并未直接对散斑图求取视差,而是先将散斑图转化为两个二值图像,二值图像的每个像素点仅包括两种取值,大大减小了像素匹配的计算量,对硬件负担较小,易于实现,计算迅速,能够用于人脸识别等深度传感器设备中。
本发明第一方面提供一种基于双目立体视觉匹配的视差图像生成方法,包括:
基于获取的一对散斑图像,对应生成一对二值图像;所述一对散斑图像是物体在设定光束照射下经一对双目标定后的摄像头捕获的散斑的图像;
基于所述一对二值图像生成视差图像。
在某些实施例中,所述基于获取的一对散斑图像,对应生成一对二值图像,包括:
将获取的一对散斑图像对应转化为一对灰度图像;
将所述一对灰度图像对应转化为所述一对二值图像。
在某些实施例中,所述将所述一对灰度图像对应转化为所述一对二值图像,包括:
将每个灰度图像划分为若干尺寸相同的像素窗口;
对每个像素窗口内的像素点按照灰度值从大到小的顺序排序;
对排序中位于设定位置之前的第一赋值点和排列在设定位置之后的第二赋值点分别赋值为第一赋值及第二赋值,并将每个像素窗口转化为二值像素窗口;
基于若干所述像素窗口在每个灰度图中的位置,将若干二值像素窗口拼接为对应的两个二值图像。
在某些实施例中,所述一对二值图像为第一二值图像和第二二值图像,所述第一二值图像中的像素点为第一像素点,第二二值图像中的像素点为第二像素点;
所述基于所述一对二值图像生成视差图像,包括:
基于所有第一像素点和第二像素点的赋值,确定第一像素点与第二像素点之间一一对应的匹配关系;
根据每个第一像素点和第二像素点在二值图像中的位置,计算每个第一像素点与其具有匹配关系的第二像素点之间的位置偏差值;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京清微智能科技有限公司,未经北京清微智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910241340.6/2.html,转载请声明来源钻瓜专利网。