基于粗细结合匹配方法的立体视觉的研究.pdfVIP

基于粗细结合匹配方法的立体视觉研究+ 赵杰彭京李戈王晨 哈尔滨工业大学机器人研究所，哈尔滨150001 摘要立体视觉匹配技术是计算机视觉领域中的热点和难点。针对以往的区域匹配计算量大而 特征匹配算法复杂的缺点，本文提出一种粗细结合的匹配方法，采用区域匹配和特征匹配相结合的 方法同时使用两级阅值判断相关函数值实现双目立体视觉的匹配。在匹配的第一阶段实现粗匹配， 通过设置两级阚值得到最佳匹配点和候选匹配点；在匹配的第二阶段实现细匹配，利用视差相容原 理对粗匹配阶段得到的候选匹配点进行唯一性匹配。实验证明，该方法降低了歧义匹配概率，提高 了匹配的灵活性和可靠性。 关键词双目视觉立体匹配粗细结合两级阈值 1 引 言 针对不同视点的图像匹配问题的研究一直是立体视觉研究领域中的核心和难点，至今没有完全解决。 后的随机优化方法计算速度比较慢。因此，针对以往匹配方法的局限和不足，我们提出～种粗细结合的 匹配方法。在这种匹配方法中，采用了两级阈值判断最佳匹配点，减少了歧义匹配；通过粗细结合匹配 方法，提高了匹配的灵活性和可靠性；利用特征匹配和区域匹配相结合的方法，具有匹配速度快和算法 简单的优点。 2改进的匹配基元 在设计匹配算法时，首先必须根据应用的需要选择合适的匹配基元。根据匹配基元的不同，立体视 觉算法主要分为三大类：区域匹配、特征匹配和相位匹配14J。匹配基元的选择通常要考虑立体视觉应用 的背景、所采用的立体视觉匹配算法和匹配准则。针对特征明显的场景模型的应用背景并结合本文提出 J。 的匹配方法，我们采用一种区域基元和特征基元相结合匹配基元940 在算法的第一阶段利用这种混合基元，采用以特征匹配为主，特征匹配和区域匹配相结合的方法完 成粗匹配，具有特征匹配计算量小、处理速度快的优点，同时结合邻域灰度匹配简化了匹配算法的复杂 性。第二阶段细匹配主要以第一阶段得到的候选特征点为基元采用视差相容方法进行特征匹配。 3．粗细匹配算法设计 我们假设通过双目立体视觉系统得到的图像分别记为三和R，其中边缘特征点的集合分别记为{厶) ’十五863计划资助项目(2001AA422250) 乘】{Rj)，以特征点为中心的相关邻域窗口记为W，搜索范围记为％，对L中坐标为(工。，儿)的边缘特 征点L，在R中的搜索其匹配点的算法如下： 3．1 粗匹配阶段：通过两级阈值相关匹配选择最佳匹配点和候选匹配点 (1)确定搜索范围畎。 ∥。为根据左右两幅图像视差最大值在R上设置的搜索范围。根据双目视觉的极线约束，搜索可以 在极线上进行，但是考虑到标定误差的存在，我们对特征点在极线两侧邻域也进行搜索。 (2)对于每组可能的匹配，采用归一化的相关函数计算其灰度相关值Q(三，，R，)。 (3)对相关匹配值9(厶，R，)做两级阈值处理，得到最佳匹配点和候选匹配点。 在相关匹配中，一般取具有最大相关值的点作为最佳匹配点，但是往往存在某些细微结构的非常相 似，导致歧义匹配。因此，我们采用两级阈值来解决这个问题。 设绒。(‘，Rp)为特征点与其可能匹配点集中相关值的最大值，Q。(厶，Rq)为特征点与其可能匹 配点集中相关值的次大值。 设虽火值的阈值为Z，次大值的阈值为L，如果 Qm。(￡，，畏，)巧且级。(互，只目)‘瓦， 则R。为L的最佳匹配，不必在细匹配阶段进行唯一匹配的操作；否则，如果 p(厶，尺．)L， 则R．为厶的候选匹配点，所有满足此条件的点R，构成了厶的候选匹配点集M，(三．)，需要在下一阶段 进行细匹配。这种两级阈值处理的方法不仅提高了匹配的可信度，而且为第二阶段细匹配提供了候选点。 (4)按照上面的步骤，对图像R中的图像特征点R，在图像三中求得其最佳匹配点和候选匹配点集 ^彳。(R．)。如果三，和R．互为最佳匹配，则认为R，为厶的最佳匹配。 可见，粗匹配阶段的输出结果为一些最佳匹配点和候选匹配点集M“厶)和^靠(尺，)。 3．2细匹配阶段：利用