技術(shù)特征：

1.一種用于選擇用于視差計算的參數(shù)組的優(yōu)選值的方法，包括如下步驟：

獲得訓(xùn)練圖像和對應(yīng)的真實視差圖；

定義用于所述參數(shù)組中的各參數(shù)的初始取值范圍；

通過劃分所述初始取值范圍，生成所述各參數(shù)的參數(shù)取值組合；

用每個參數(shù)取值組合對所述訓(xùn)練圖像計算得到的各個計算視差圖；

針對每個參數(shù)取值組合，確定各個計算視差圖與真實視差圖之間的整體接近程度和分布接近程度；

選擇對應(yīng)于該訓(xùn)練圖像的所述參數(shù)組的更優(yōu)選的取值范圍，

其中，所述選擇所述參數(shù)組的更優(yōu)選的取值范圍的步驟包括：以所述整體接近程度和所述分布接近程度為特征在所述參數(shù)組的參數(shù)空間中進(jìn)行分割，以得到更優(yōu)選的取值范圍，使得所述整體接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化小于第一預(yù)定閾值，所述分布接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化小于第二預(yù)定閾值,且在所述更優(yōu)選的取值范圍內(nèi)的中心整體接近程度大于第三預(yù)定閾值。

2.根據(jù)權(quán)利要求1所述的方法，還包括：

在存在多個訓(xùn)練圖像的情況下：

確定參與投票的各個取值范圍，所述參與投票的各個取值范圍是對應(yīng)于多個訓(xùn)練圖像的各自的更優(yōu)選的取值范圍；

根據(jù)大多數(shù)原則，在參與投票的各個取值范圍內(nèi)進(jìn)行投票，以確定在大多數(shù)訓(xùn)練圖像中被確定為更優(yōu)選的取值范圍的取值范圍作為進(jìn)一步優(yōu)選的取值范圍。

3.根據(jù)權(quán)利要求1-2的任一所述的方法，還包括：

將所述優(yōu)選的取值范圍或所述進(jìn)一步優(yōu)選的取值范圍作為所述初始取值范圍，進(jìn)行預(yù)定次數(shù)的迭代計算，以得到最優(yōu)的取值范圍。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述整體接近程度用正確率來表示，所述正確率與在所有像素處的計算視差達(dá)到真實視差的正確的總數(shù)相關(guān)，

其中，所述整體接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化用所述正確率之間的差表示，其中，所述差越小，所述整體接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化越小。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述正確率用如下公式來表示：

N_g＝||{(x，y)：(x，y)∈R，d_g(x，y)＞0}||

N_c＝||{(x，y)：(x，y)∈R，d_g(x，y)＞0，d_c(x，y)＞0，|d_g(x，y)-d_c(x，y)|＜∈}||

$\mathrm{CR}=\frac{N_x}{N_g}$

其中，R是訓(xùn)練圖像,x，y是訓(xùn)練圖像中的像素的橫坐標(biāo)和縱坐標(biāo)，d_g是真實視差值,d_c是計算得到的視差值，∈為設(shè)定的閾值，CR為正確率，其中，所述正確率越大，所述整體接近程度越大。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述分布接近程度用錯誤像素掩碼圖來表示，所述錯誤像素掩碼圖表示在各像素處的計算視差是否未達(dá)到真實視差，

其中，所述分布接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化用差別率表示，所述差別率與各錯誤像素掩碼圖之間的在各像素處的差別相關(guān)，

其中，所述差別率越小，所述分布接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化越小。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述錯誤像素掩碼圖用如下公式表示：

$\mathrm{EPM}(x,y)=\left\{\begin{array}{cc}255& \mathrm{if}{d}_g(x,y)>0,d_c(x,y)=0\\ 255& \mathrm{if}{d}_g(x,y)>0,d_c(x,y)>0,|d_g(x,y)-d_c(x,y)|\≥\∈\\ 0& \mathrm{else}\end{array}\right.$

其中，x，y是訓(xùn)練圖像中的像素的橫坐標(biāo)和縱坐標(biāo)，d_g是真實視差值,d_c是計算得到的視差值，∈為設(shè)定的閾值，EPM(x，y)表示在訓(xùn)練圖像的各像素(x，y)處的錯誤像素掩碼，

其中，所述差別率用如下公式表示：

Nall＝||{(x，y)：(x，y)∈EPM_j，i}||

N_diff＝||{(x，y)：(x，y)∈EPM_j，i，EPM_j，i(x，y)≠EPM_j，neigh(x，y)}||

$\mathrm{DR}=\frac{N_{\mathrm{diff}}}{N_{\mathrm{all}}}$

其中，DR表示在兩個錯誤像素掩碼之間的差別率，j表示多個訓(xùn)練圖像中的第j個訓(xùn)練圖像，i表示第i個參數(shù)取值組合，EPM_j,neigh(x，y)表示在j個訓(xùn)練圖像的各像素(x，y)處的、對于第j個訓(xùn)練圖像、對于第i個參數(shù)取值組合鄰近的參數(shù)取值組合的錯誤像素掩碼。

8.根據(jù)權(quán)利要求1所述的方法，其中，所述中心整體接近程度是如下中的一種：

在所述更優(yōu)選的取值范圍內(nèi)的所有整體接近程度的平均值；以及

在所述更優(yōu)選的取值范圍內(nèi)的所有整體接近程度的中值。

9.根據(jù)權(quán)利要求1所述的方法，其中，所述以特征在所述參數(shù)組的參數(shù)空間中進(jìn)行分割的步驟通過以特征在所述參數(shù)空間中以各自的預(yù)定閾值進(jìn)行聚類的方式來實現(xiàn)。

10.一種用于選擇用于視差計算的參數(shù)組的優(yōu)選值的系統(tǒng)，包括：

獲得裝置，被配置為獲得訓(xùn)練圖像和對應(yīng)的真實視差圖；

定義裝置，被配置為定義用于所述參數(shù)組中的各參數(shù)的初始取值范圍；

生成裝置，被配置為通過劃分所述初始取值范圍，生成所述各參數(shù)的參數(shù)取值組合；

計算裝置，被配置為用每個參數(shù)取值組合對所述訓(xùn)練圖像計算得到的各個計算視差圖；

確定裝置，被配置為針對每個參數(shù)取值組合，確定各個計算視差圖與真實視差圖之間的整體接近程度和分布接近程度；

選擇裝置，被配置為選擇對應(yīng)于該訓(xùn)練圖像的所述參數(shù)組的更優(yōu)選的取值范圍，

其中，所述選擇裝置被配置為以所述整體接近程度和所述分布接近程度為特征在所述參數(shù)組的參數(shù)空間中進(jìn)行分割，以得到更優(yōu)選的取值范圍，使得所述整體接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化小于第一預(yù)定閾值，所述分布接近程度在所述更優(yōu)選的取值范圍內(nèi)的變化小于第二預(yù)定閾值,且在所述更優(yōu)選的取值范圍內(nèi)的中心整體接近程度大于第三預(yù)定閾值。