[发明专利]一种基于多尺度变换与ADCensus-JWGF的机电设备视觉信息立体匹配算法

说明书

本发明涉及一种基于多尺度变换与ADCensus‑JWGF的机电设备视觉信息立体匹配算法，是一种对现代化机电设备正常工作监测立体视觉分布式信息匹配的方法，属于目标追踪领域，其特征在于采用如下步骤：(1)确定Census变换过程；(2)确定Census匹配代价；(3)确定AD匹配代价；(4)确定融合匹配代价；(5)确定各尺度空间下图像代价聚合；(6)确定滤波图核函数；(7)确定最小代价聚合视差值；(8)确定JWGF结果。本发明融合AD算法和Census算法，将两者优势结合起来，提高了算法匹配效果准确性，保证抗干扰能力。采用基于金字塔式多尺度变化算法，引导滤波进行代价聚合，同时采用JWGF算法降低噪声，提高算法精度，增强算法鲁棒性，具有较好的匹配效果。

技术领域

本发明涉及目标追踪领域，主要是一种对现代化机电设备正常工作监测的立体视觉分布式信息匹配的 方法。

背景技术

目前，针对现代化机电设备正常工作监测的立体视觉分布式信息匹配问题，主要分为四个模块，主要 是代价计算、代价聚合、视差计算和视差优化。匹配算法有全局立体匹配、局部立体匹配方法以及半全局 立体匹配，基于图割法的全局立体匹配方法，能够利用多次迭代的方式，去除一般算法中存在的条纹现象， 但是模型匹配效率较慢，耗时较长，实时性较差。基于随机森林的置信度特征参数学习法、基于卷积神经 网络的匹配方法以及基于深度学习的端到端的半全局立体匹配方法，在精度上效果有很大的提升，但在执 行的过程中，需要大量的数据参与运算，不仅算法计算时间长，导致匹配延迟，并且整个过程需要一定的 设备支持。一般的算法常含有噪声的干扰，缺少边缘效应，存在视差阶梯效应等缺陷的存在。

在立体匹配的过程中，往往受到光照不一致、遮挡问题以及重复纹理和弱纹理问题，这些问题都导致 在一定区域内匹配时产生误匹配点的存在，使匹配后的结果误差率很高。为了解决上述问题，在确保精确 率的基础上提高实时性，必须建立一种高效准确的分布式视觉信息立体匹配算法，有效的减少模型匹配时 间，提高分布式立体信息匹配的效率，为目标追踪等领域提供一种有效的方法，促进我国国防建设和生产 现代化。因此，我们提出的本算法对于机电设备视觉信息立体匹配具有很好的融合性，在我们生活中有一 定的实用性。

发明内容

针对上述现有技术中存在的问题，本发明要解决的技术问题是提供一种基于多尺度变换与ADCensus- JWGF的机电设备视觉信息立体匹配算法，其具体流程如图1所示。

技术方案实施步骤如下：

(1)确定Census变换过程，变换表达式如下所示：

式中，q是变换窗口内各邻域像素点灰度值，p是变换窗口内中心像素点的灰度值。在变换过程中， 在变换窗口内，将中心像素的灰度值与邻域像素灰度值依次进行比较，若中心像素灰度值大于等于邻域像 素灰度值，则记为1，否则，记为0。

之后，计算每个中心像素点对应的二进制比特串Str(x,y)：

式中，Str(x,y)为变换窗口内中心像素点对应的二进制比特串，为二进制比特串的串联符，l和 r分别为变换窗口大小的二分之一，I(x,y)表示坐标为(x,y)的中心点的像素值，I(x+i,y+j)为坐标 处一定距离内的坐标像素点。

(2)确定匹配代价C_Census(x,y,d)：

计算完两幅图上所有的像素点二进制比特串，对应的比特串进行汉明距离：

C_Census＝Ham(Str_L(x,y),Str_R(x+d,y))