本發(fā)明涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，特別涉及一種立體匹配方法及系統(tǒng)。

背景技術(shù)：

立體匹配(stereo dense matching)是指根據(jù)所選特征的計(jì)算、建立特征間的對(duì)應(yīng)關(guān)系，將同一個(gè)空間物理點(diǎn)在不同圖像中的像點(diǎn)對(duì)應(yīng)起來(lái)。立體匹配是計(jì)算機(jī)視覺(jué)研究中一個(gè)重要熱點(diǎn)和難點(diǎn)，是機(jī)器人、醫(yī)學(xué)、人工智能等許多應(yīng)用中的關(guān)鍵技術(shù)之一。近年來(lái)，隨著移動(dòng)平臺(tái)的發(fā)展，對(duì)立體匹配方法的精度及實(shí)時(shí)性要求不斷提升。立體匹配算法分解為四個(gè)步驟：匹配代價(jià)計(jì)算、匹配代價(jià)聚合、視差計(jì)算、視差細(xì)化。按照約束方式的不同，立體匹配算法可分為局部匹配算法和全局匹配算法。

全局立體匹配算法主要是通過(guò)全局的優(yōu)化理論方法估計(jì)視差，建立全局能量函數(shù)，再通過(guò)最小化全局能量函數(shù)來(lái)得到最優(yōu)視差值。一般而言，全局匹配算法得到的結(jié)果精度較局部算法高，但其計(jì)算量較大、耗時(shí)較長(zhǎng)，不適合實(shí)時(shí)應(yīng)用。主要的算法有圖割(graph cuts)、信念傳播(belief propagation)、半全局匹配(semi-global matching)、動(dòng)態(tài)規(guī)劃(dynamic programing)等。目前，立體匹配的一個(gè)研究方向?yàn)椴捎镁矸e神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)的方法，可以獲得較經(jīng)典全局算法相當(dāng)或更高的精度。

局部匹配算法主要是采用局部?jī)?yōu)化方法進(jìn)行視差值估計(jì)，與全局立體匹配算法一樣，也是通過(guò)能量最小化方法進(jìn)行視差估計(jì)，不同的是在能量函數(shù)中，局部匹配算法只有數(shù)據(jù)項(xiàng)，而沒(méi)有平滑項(xiàng)。由于局部匹配算法對(duì)光照強(qiáng)度和對(duì)比度的變化比較敏感，當(dāng)圖像存在紋理特征重復(fù)、紋理較弱及遮擋現(xiàn)象比較嚴(yán)重的情況下會(huì)導(dǎo)致錯(cuò)誤匹配概率較高。常用的局部匹配算法主要有SAD(sum of absolute differences算法、CT(census transform)算法、ASW(adaptive support weight)算法、ELAS(efficient large area stereo matching)算法、IDR(iterative dense refinement)算法等。SAD算法是計(jì)算局部窗口的對(duì)應(yīng)像素差的絕對(duì)值，CT算法是先對(duì)窗口區(qū)域進(jìn)行變換，后按Hamming距離度量計(jì)算匹配代價(jià)。SAD和CT方法實(shí)現(xiàn)簡(jiǎn)單、快速，但精度很低。ASW算法根據(jù)生物視覺(jué)原理，改變SAD算法單一相同權(quán)重的方法，引入自適應(yīng)權(quán)重的思想，獲得了很高的匹配精度，但是自適應(yīng)權(quán)重導(dǎo)致的計(jì)算量非常大。IDR算法采用雙通道(two-pass)的方法簡(jiǎn)化實(shí)現(xiàn)ASW，并增加了迭代改進(jìn)的方法，從而獲得了較高的精度。IDR算法結(jié)構(gòu)非常利于并行處理，在CUDA架構(gòu)下優(yōu)化后可以得到很高的運(yùn)算效率；但I(xiàn)DR算法也存在兩個(gè)主要不足：在非CUDA架構(gòu)下運(yùn)行速度較慢，且內(nèi)存開(kāi)銷(xiāo)非常大。ELAS算法采用了與上述方法完全不同的思想：其首先采用sobel算子獲得圖像的強(qiáng)紋理的支撐點(diǎn)；然后使用支撐點(diǎn)幾何對(duì)圖像進(jìn)行Delaunay三角剖分，獲得像素點(diǎn)的視差平面估計(jì)；最后采用sobel算子測(cè)度計(jì)算匹配代價(jià)，并利用加權(quán)的方法得到視差的最優(yōu)估計(jì)。ELAS算法是目前運(yùn)行速度最快的立體匹配算法之一，精度也非常高，適于實(shí)時(shí)應(yīng)用場(chǎng)合。ELAS算法的主要不足表現(xiàn)為：算法結(jié)構(gòu)不利于并行化實(shí)現(xiàn)，且存在某些像素點(diǎn)無(wú)法計(jì)算視差的情況。

因此，如何在保證算法精度的前提下提高運(yùn)行效率，仍是立體匹配技術(shù)在移動(dòng)平臺(tái)應(yīng)用的一個(gè)難點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種立體匹配方法及系統(tǒng)，實(shí)現(xiàn)了快速匹配獲得高精度視差圖，特別適合移動(dòng)平臺(tái)或?qū)崟r(shí)性要求高的應(yīng)用領(lǐng)域。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種立體匹配方法，包括：

提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)；

根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形；其中，所述Delaunay三角形包括三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離；

利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平；

根據(jù)所述Delaunay三角形，所述視差條件概率及所述視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差。

可選的，提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)，包括：

利用FAST算子對(duì)左右圖提取特征點(diǎn)，并利用BRIEF進(jìn)行特征描述；

利用極線約束以及特征描述中的Hamming距離進(jìn)行特征點(diǎn)匹配，將匹配成功的特征點(diǎn)作為支撐點(diǎn)。

可選的，根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形，包括：

利用分治法對(duì)左圖的支撐點(diǎn)集合進(jìn)行Delaunay三角剖分；

利用公式計(jì)算得到所述左圖像素點(diǎn)與支撐點(diǎn)的最小支撐距離m；

利用高斯模型計(jì)算得到所述左圖像素點(diǎn)視差的先驗(yàn)概率P(dn|S)；

其中，D_p,i為對(duì)應(yīng)像素點(diǎn)與其所在Delaunay三角形的支撐點(diǎn)的歐氏距離，σ_p＝mσ，σ為方差，m為常數(shù)參數(shù)；dp為由支撐點(diǎn)確定的視差估計(jì)，且dp＝au_p+bv_p+c，參數(shù)a,b,c通過(guò)擬合三個(gè)支撐點(diǎn)平面獲得，dn為支撐點(diǎn)視差值，u_p和v_p分別為該像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

可選的，利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平，包括：

利用改進(jìn)census變換立體匹配算法計(jì)算所述左圖中像素點(diǎn)的視差條件概率及視差置信水平。

可選的，根據(jù)所述Delaunay三角形，所述視差條件概率及所述視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差，包括：

利用公式計(jì)算得到最優(yōu)后驗(yàn)視差d^*；

其中，為視差后驗(yàn)概率，f(dn)為改進(jìn)census變換立體匹配算法的Hamming距離，f_m(d)為條件視差的置信水平函數(shù)，S為支撐點(diǎn)，O為根據(jù)某種局部立體匹配算子的匹配代價(jià)，α為權(quán)重參數(shù)。

可選的，該立體匹配方法還包括：

利用左右一致性檢測(cè)方法檢測(cè)視差圖中誤匹配點(diǎn)。

可選的，利用左右一致性檢測(cè)方法檢測(cè)視差圖中誤匹配點(diǎn)之后，還包括：

根據(jù)WTA策略，利用所述誤匹配點(diǎn)左右兩側(cè)的視差值對(duì)所述誤差匹配點(diǎn)的視差值進(jìn)行替換。

本發(fā)明還提供一種立體匹配系統(tǒng)，包括：

支撐點(diǎn)確定模塊，用于提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)；

Delaunay三角形構(gòu)建模塊，用于根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形；其中，所述Delaunay三角形包括三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離；

概率計(jì)算模塊，用于利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平；

后驗(yàn)視差計(jì)算模塊，用于根據(jù)所述Delaunay三角形，所述視差條件概率及所述視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差。

可選的，所述Delaunay三角形構(gòu)建模塊，包括：

剖分單元，用于利用分治法對(duì)左圖的支撐點(diǎn)集合進(jìn)行Delaunay三角剖分；

距離計(jì)算單元，用于利用公式計(jì)算得到所述左圖像素點(diǎn)與支撐點(diǎn)的最小支撐距離m；

先驗(yàn)概率計(jì)算單元，用于利用高斯模型計(jì)算得到所述左圖像素點(diǎn)視差的先驗(yàn)概率P(dn|S)；

其中，D_p,i為對(duì)應(yīng)像素點(diǎn)與其所在Delaunay三角形的支撐點(diǎn)的歐氏距離，σ_p＝mσ，σ為方差，m為常數(shù)參數(shù)；dp為由支撐點(diǎn)確定的視差估計(jì)，且dp＝au_p+bv_p+c，參數(shù)a,b,c通過(guò)擬合三個(gè)支撐點(diǎn)平面獲得，dn為支撐點(diǎn)視差值，u_p和v_p分別為該像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

可選的，所述后驗(yàn)視差計(jì)算模塊具體為利用公式計(jì)算得到最優(yōu)后驗(yàn)視差d^*的模塊；

其中，為視差后驗(yàn)概率，f(dn)為改進(jìn)census變換立體匹配算法的Hamming距離，f_m(d)為條件視差的置信水平函數(shù)，S為支撐點(diǎn)，O為根據(jù)某種局部立體匹配算子的匹配代價(jià)，α為權(quán)重參數(shù)。

本發(fā)明所提供的立體匹配方法，包括：提取左右圖的特征點(diǎn)，并對(duì)特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)；根據(jù)支撐點(diǎn)構(gòu)建Delaunay三角形；其中，Delaunay三角形包括三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離；利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平；根據(jù)Delaunay三角形，視差條件概率及視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差；該方法利用快速、高精度、具有自適應(yīng)性的立體匹配方法，實(shí)現(xiàn)了快速匹配獲得高精度視差圖，特別適合移動(dòng)平臺(tái)或?qū)崟r(shí)性要求高的應(yīng)用領(lǐng)域；本發(fā)明還提供了一種立體匹配系統(tǒng)，具有上述有益效果，在此不再贅述。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例所提供的立體匹配方法的流程圖；

圖2為本發(fā)明實(shí)施例所提供的立體匹配系統(tǒng)的結(jié)構(gòu)框圖。

具體實(shí)施方式

本發(fā)明的核心是提供一種立體匹配方法及系統(tǒng)，實(shí)現(xiàn)了快速匹配獲得高精度視差圖，特別適合移動(dòng)平臺(tái)或?qū)崟r(shí)性要求高的應(yīng)用領(lǐng)域。

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在以下實(shí)施例內(nèi)容的描述中，采用立體匹配的通用術(shù)語(yǔ)，以左圖為基準(zhǔn)圖(reference image)，并約定左右圖已完成單目像機(jī)標(biāo)定(camera calibration)和立體標(biāo)定(stereo rectification)。

請(qǐng)參考圖1，圖1為本發(fā)明實(shí)施例所提供的立體匹配方法的流程圖；該方法可以包括：

S100、提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)；

具體的，該步驟主要為了獲取支撐點(diǎn)，本實(shí)施例并不對(duì)具體特征點(diǎn)的提取及匹配算法進(jìn)行限定。為了快速，高精度完成視差圖，這里可以選用具備計(jì)算速度快，精度高的相關(guān)算法。且進(jìn)一步為了使該立體匹配算法能夠很好的應(yīng)用于移動(dòng)平臺(tái)，選取的算法還應(yīng)該具有計(jì)算邏輯相對(duì)簡(jiǎn)單的特點(diǎn)。例如在進(jìn)行特征點(diǎn)匹配時(shí)可以利用極線約束以及特征點(diǎn)描述子快速進(jìn)行特征點(diǎn)匹配，匹配成功的特征點(diǎn)稱(chēng)為支撐點(diǎn)(support point)。這里極線約束將匹配搜索從二維降為一維，極大簡(jiǎn)化了復(fù)雜度提高了計(jì)算速度。適合移動(dòng)平臺(tái)或?qū)崟r(shí)性要求高的應(yīng)用領(lǐng)域。

優(yōu)選的，提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)可以包括：

利用FAST算子對(duì)左右圖提取特征點(diǎn)，并利用BRIEF進(jìn)行特征描述；

具體的，利用FAST(features from accelerated segment test)算子對(duì)左右圖提取特征點(diǎn)并用BRIEF(binary robust independent element feature)進(jìn)行特征描述。

其中，F(xiàn)AST特征點(diǎn)檢測(cè)是公認(rèn)的快速有效的特征點(diǎn)提取方法。FAST特征提取主要包括三個(gè)步驟：對(duì)固定半徑(通常半徑選為三個(gè)像素)圓上的像素進(jìn)行分割測(cè)試，并通過(guò)邏輯測(cè)試去除大量的非特征候選點(diǎn)；基于分類(lèi)的角點(diǎn)特征檢測(cè)，利用ID3分類(lèi)器根據(jù)16個(gè)特征判決候選點(diǎn)是否為角點(diǎn)特征；利用非極大值抑制進(jìn)行角點(diǎn)特征的驗(yàn)證。BRIEF描述子是在特征點(diǎn)周邊隨機(jī)取點(diǎn)對(duì)進(jìn)行灰度計(jì)算，直接獲得二進(jìn)制特征描述向量。BRIEF描述子具有兩個(gè)明顯優(yōu)勢(shì)：描述子所需字節(jié)少，內(nèi)存開(kāi)銷(xiāo)?。焕肏amming測(cè)度進(jìn)行匹配運(yùn)算速度非?？?。

利用極線約束以及特征描述中的Hamming距離進(jìn)行特征點(diǎn)匹配，將匹配成功的特征點(diǎn)作為支撐點(diǎn)。

具體的，使用極線約束以及特征點(diǎn)距離快速進(jìn)行特征點(diǎn)匹配，匹配成功的特征點(diǎn)稱(chēng)為支撐點(diǎn)(support point)。

其中，極線約束將匹配搜索從二維降為一維，極大簡(jiǎn)化了復(fù)雜度。考慮到視差空間(Disp)的限制，左圖特征點(diǎn)在右圖上的匹配點(diǎn)只能位于對(duì)應(yīng)外極線上的一個(gè)小區(qū)間。因此，本實(shí)施例可以使用WTA(winner takes all)策略，在視差空間內(nèi)選擇匹配代價(jià)最小的點(diǎn)作為匹配點(diǎn)，對(duì)應(yīng)的左圖像上p點(diǎn)的視差D_L(p)為

其中：d(d∈Disp)表示視差空間Disp中的可能視差，其取值一般為0到最大視差d_max之間的整數(shù)；H(.)表示對(duì)應(yīng)左右像素BRIEF描述子的Hamming距離。

S110、根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形；其中，所述Delaunay三角形包括三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離；

具體的，對(duì)左圖進(jìn)行Delaunay三角剖分的目的是將圖像分割成覆蓋整幅圖像平面且彼此相連的三角形網(wǎng)格，將視差圖描述為一系列具有相同或者相近視差值的三角形區(qū)域，三角形網(wǎng)格可以反映出像素點(diǎn)與其鄰近像素點(diǎn)間的拓?fù)溥B接關(guān)系。對(duì)于視差平滑區(qū)域，在保證邊緣細(xì)節(jié)的前提下，三角形劃分應(yīng)該足夠大以減少匹配的歧義性。在視差連續(xù)區(qū)域，頂點(diǎn)密度、數(shù)量應(yīng)盡量少，以加快匹配速度。在視差不連續(xù)區(qū)域，為了正確描述物體的形狀，頂點(diǎn)數(shù)量應(yīng)該足夠多，以便能更好地保證后續(xù)視差圖匹配的精度。

其中，Delaunay三角網(wǎng)具有以下優(yōu)點(diǎn)：結(jié)構(gòu)良好，數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單，數(shù)據(jù)冗余度小，存儲(chǔ)效率高，與不規(guī)則的地面特征和諧一致，可以表示線性特征，可適應(yīng)各種分布密度的數(shù)據(jù)等。

本實(shí)施例并不對(duì)進(jìn)行Delaunay三角剖分算法進(jìn)行限定，用戶(hù)可以根據(jù)自身對(duì)結(jié)果的要求進(jìn)行選擇，在算法選擇時(shí)可以考慮計(jì)算平臺(tái)硬件水平，對(duì)結(jié)果精度和計(jì)算速度的需求等。該Delaunay三角剖分算法可以包括有隨機(jī)增量法、三角網(wǎng)生長(zhǎng)法和分治法等。其中，隨機(jī)增量法的實(shí)現(xiàn)簡(jiǎn)單高效，占用內(nèi)存較小，但其時(shí)間復(fù)雜度高；三角網(wǎng)生長(zhǎng)法由于效率相對(duì)較低，目前采用較少；分治法的效率最高，而且剖分后的三角面片較為平滑，同時(shí)很好地保持了物體的邊緣特征。因此優(yōu)選的，本實(shí)施例可以使用分治法對(duì)支撐點(diǎn)集合進(jìn)行Delaunay三角剖分。本實(shí)施例中Delaunay三角形提供了該三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離(minimum support distance)等信息；具體的，根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形可以包括：

利用分治法對(duì)左圖的支撐點(diǎn)集合進(jìn)行Delaunay三角剖分；

利用公式計(jì)算得到所述左圖像素點(diǎn)與支撐點(diǎn)的最小支撐距離m；

利用高斯模型計(jì)算得到所述左圖像素點(diǎn)視差的先驗(yàn)概率P(dn|S)；

其中，D_p,i為對(duì)應(yīng)像素點(diǎn)與其所在Delaunay三角形的支撐點(diǎn)的歐氏距離，σ_p＝mσ，σ為方差，m為常數(shù)參數(shù)(可以依據(jù)經(jīng)驗(yàn)值進(jìn)行設(shè)定和修改)；dp為由支撐點(diǎn)確定的視差估計(jì)，且dp＝au_p+bv_p+c，參數(shù)a,b,c通過(guò)擬合三個(gè)支撐點(diǎn)平面獲得，dn為支撐點(diǎn)視差值，u_p和v_p分別為該像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

具體的，在利用分治法對(duì)左圖的支撐點(diǎn)集合進(jìn)行Delaunay三角剖分后，由于已知所有支撐點(diǎn)視差值，因此可在每一個(gè)三角形確定的平面內(nèi)估計(jì)包含其中的任一像素點(diǎn)的視差初值dp，并通過(guò)幾何關(guān)系得到該像素與相鄰三個(gè)支撐點(diǎn)的最小支撐距離m(minimum support distance)。

S120、利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平；

具體的，該步驟主要為了計(jì)算得到左圖中任意像素點(diǎn)的視差條件概率及視差置信水平(confidence level)，并不對(duì)具體的視差計(jì)算方法進(jìn)行限定。由于改進(jìn)census變換立體匹配算法計(jì)算具有結(jié)構(gòu)簡(jiǎn)單，計(jì)算速度快等優(yōu)點(diǎn)。因此，優(yōu)選的，利用改進(jìn)census變換立體匹配算法計(jì)算所述左圖中像素點(diǎn)的視差條件概率及視差置信水平。

具體的，census變換是一種非參數(shù)局部變換。它的缺點(diǎn)是結(jié)果過(guò)于依賴(lài)于中心像素。因此本實(shí)施例采用基于鄰域信息的改進(jìn)census變換立體匹配算法(a modified census transform based on the neighborhood information for stereo matching algorithm)。該改進(jìn)census變換立體匹配算法針對(duì)傳統(tǒng)census變換在視差不連續(xù)區(qū)域和噪聲干擾情況下誤匹配率較高的情況，提出了一種利用鄰域相關(guān)信息的改進(jìn)census變換立體匹配算法。應(yīng)用兩位信息來(lái)表示像素與中心像素、像素與鄰域灰度均值的灰度差異對(duì)census變換進(jìn)行了改進(jìn)，通過(guò)Hamming距計(jì)算得到初始匹配代價(jià)；經(jīng)過(guò)并行分層權(quán)重代價(jià)聚合提高匹配精度，并降低代價(jià)聚合計(jì)算復(fù)雜度。

該改進(jìn)census變換立體匹配算法使中心像素的表示更加精確；使變換后的圖像在視差不連續(xù)區(qū)域的信息表示更為豐富；同時(shí)減少了噪聲對(duì)匹配質(zhì)量的影響。經(jīng)測(cè)試表明，該算法結(jié)構(gòu)簡(jiǎn)單，復(fù)雜度低，具有較高的魯棒性，有效地提高了匹配精度。該步驟采用Hamming距離來(lái)表示視差條件概率P(O|dn)：

其中，f(dn)為改進(jìn)census變換立體匹配算法的Hamming距離，f_m(d)為條件視差的置信水平函數(shù)。從統(tǒng)計(jì)學(xué)的角度看，視差條件概率表征了視差dn的置信水平。

S130、根據(jù)所述Delaunay三角形，所述視差條件概率及所述視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差。最優(yōu)后驗(yàn)視差即為視差的最優(yōu)后驗(yàn)估計(jì)

具體的，根據(jù)Delaunay三角形中的先驗(yàn)概率，最小支撐距離以及視差條件概率及視差置信水平，利用貝葉斯原理獲得最優(yōu)的后驗(yàn)視差(posterior disparity)，即為該像素的最佳視差。根據(jù)視差先驗(yàn)概率模型及條件概率模型得到貝葉斯參數(shù)估計(jì)模型：P(dn|S,O)∝P(dn|S)*P(O|dn)，可得如下結(jié)果：

其中，為視差后驗(yàn)概率，f(dn)為改進(jìn)census變換立體匹配算法的Hamming距離，f_m(d)為條件視差的置信水平函數(shù)，S為支撐點(diǎn)，O為根據(jù)某種局部立體匹配算子的匹配代價(jià)，α為權(quán)重參數(shù)，dn為視差。

需要特別說(shuō)明的是，本發(fā)明提供了最優(yōu)視差估計(jì)的一種貝葉斯立體匹配方法，其中的支撐點(diǎn)提取以及條件概率的算法是可替換的，并調(diào)整相應(yīng)的模型參數(shù)。

基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的立體匹配方法，該方法根據(jù)條件視差的置信水平、像素點(diǎn)與支撐點(diǎn)的幾何拓?fù)潢P(guān)系，確定先驗(yàn)概率和條件概率的權(quán)重參數(shù)，可以獲得更為精確的視差后驗(yàn)估計(jì)。相比與現(xiàn)有技術(shù)中ELAS算法經(jīng)驗(yàn)固化權(quán)重參數(shù)相比，該方法充分利用了先驗(yàn)視差和條件視差的所包含的信息，模型更加合理。參數(shù)具有自適應(yīng)性。該方法中參數(shù)模型的先驗(yàn)概率和條件概率的權(quán)重參數(shù)是根據(jù)置信水平、幾何拓?fù)潢P(guān)系自適應(yīng)確定的。事實(shí)上，參數(shù)模型只需要確定經(jīng)驗(yàn)參數(shù)α和σ(可根據(jù)試驗(yàn)測(cè)定)，σ_p和P(O|dn)是自適應(yīng)變化的，更具有靈活性。參數(shù)模型形式簡(jiǎn)單，運(yùn)算高效。即該方法利用快速、高精度、具有自適應(yīng)性的立體匹配方法，實(shí)現(xiàn)了快速匹配獲得高精度視差圖，特別適合移動(dòng)平臺(tái)或?qū)崟r(shí)性要求高的應(yīng)用領(lǐng)域。

基于上述技術(shù)方案，為了提高立體匹配的精度，該方法還可以包括：

利用左右一致性檢測(cè)方法檢測(cè)視差圖中誤匹配點(diǎn)。

具體的，使用左右一致性檢測(cè)方法檢測(cè)出誤匹配點(diǎn)。利用上述實(shí)施例得到的左圖和右圖的視差圖，如果右視差圖中的像素點(diǎn)向左偏移與視差值大小相同的單位像素后，與左視差圖中相應(yīng)位置像素點(diǎn)的值相同，則為可靠匹配點(diǎn)，否則為誤匹配點(diǎn)。在檢測(cè)到誤匹配點(diǎn)后該方法還可以包括：

根據(jù)WTA策略，利用所述誤匹配點(diǎn)左右兩側(cè)的視差值對(duì)所述誤差匹配點(diǎn)的視差值進(jìn)行替換。

具體的，對(duì)于計(jì)算出來(lái)的誤匹配點(diǎn)，通過(guò)WTA策略用左右兩側(cè)的視差值替換即可。提高立體匹配的精度。

進(jìn)一步，此時(shí)視差圖可能仍然存在少數(shù)噪點(diǎn)，需要進(jìn)一步除噪，可以使用快速中值濾波濾除，最后通過(guò)插值優(yōu)化得到亞像素精度的視差，使得視差圖更為完整、正確。

基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的立體匹配方法，該方法在構(gòu)建貝葉斯先驗(yàn)概率模型時(shí)，采用了FAST特征提取算子和BRIEF描述算子，提升了支撐點(diǎn)的效率和稠密度，使得先驗(yàn)概率更為精確；在構(gòu)建貝葉斯條件概率模型時(shí)，采用改進(jìn)CT算法(即改進(jìn)census變換算法)，更加快速精確；更為重要的是，該方法的貝葉斯參數(shù)估計(jì)模型充分考慮了先驗(yàn)視差的幾何拓?fù)浣Y(jié)構(gòu)和條件概率的置信水平，具有參數(shù)自適應(yīng)性、形式簡(jiǎn)單、運(yùn)算高效的特點(diǎn)。

下面對(duì)本發(fā)明實(shí)施例提供的立體匹配系統(tǒng)進(jìn)行介紹，下文描述的立體匹配系統(tǒng)與上文描述的立體匹配方法可相互對(duì)應(yīng)參照。

請(qǐng)參考圖2，圖2為本發(fā)明實(shí)施例所提供的立體匹配系統(tǒng)的結(jié)構(gòu)框圖；該系統(tǒng)可以包括：

支撐點(diǎn)確定模塊100，用于提取左右圖的特征點(diǎn)，并對(duì)所述特征點(diǎn)進(jìn)行特征點(diǎn)匹配確定支撐點(diǎn)；

Delaunay三角形構(gòu)建模塊200，用于根據(jù)所述支撐點(diǎn)構(gòu)建Delaunay三角形；其中，所述Delaunay三角形包括三角形內(nèi)所有像素點(diǎn)視差的先驗(yàn)概率以及像素點(diǎn)與支撐點(diǎn)的最小支撐距離；

概率計(jì)算模塊300，用于利用視差計(jì)算方法計(jì)算左圖中像素點(diǎn)的視差條件概率及視差置信水平；

后驗(yàn)視差計(jì)算模塊400，用于根據(jù)所述Delaunay三角形，所述視差條件概率及所述視差置信水平，利用貝葉斯原理計(jì)算得到最優(yōu)后驗(yàn)視差。

基于上述實(shí)施例，所述Delaunay三角形構(gòu)建模塊200可以包括：

剖分單元，用于利用分治法對(duì)左圖的支撐點(diǎn)集合進(jìn)行Delaunay三角剖分；

距離計(jì)算單元，用于利用公式計(jì)算得到所述左圖像素點(diǎn)與支撐點(diǎn)的最小支撐距離m；

先驗(yàn)概率計(jì)算單元，用于利用高斯模型計(jì)算得到所述左圖像素點(diǎn)視差的先驗(yàn)概率P(dn|S)；

其中，D_p,i為對(duì)應(yīng)像素點(diǎn)與其所在Delaunay三角形的支撐點(diǎn)的歐氏距離，σ_p＝mσ，σ為方差，m為常數(shù)參數(shù)；dp為由支撐點(diǎn)確定的視差估計(jì)，且dp＝au_p+bv_p+c，參數(shù)a,b,c通過(guò)擬合三個(gè)支撐點(diǎn)平面獲得，dn為支撐點(diǎn)視差值，u_p和v_p分別為該像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)。

基于上述實(shí)施例，所述后驗(yàn)視差計(jì)算模塊400具體為利用公式計(jì)算得到最優(yōu)后驗(yàn)視差d^*的模塊；

其中，為視差后驗(yàn)概率，f(dn)為改進(jìn)census變換立體匹配算法的Hamming距離，f_m(d)為條件視差的置信水平函數(shù)，S為支撐點(diǎn)，O為根據(jù)某種局部立體匹配算子的匹配代價(jià)，α為權(quán)重參數(shù)。

基于上述任意實(shí)施例，該系統(tǒng)還可以包括：

一致性檢測(cè)模塊，用于利用左右一致性檢測(cè)方法檢測(cè)視差圖中誤匹配點(diǎn)。

基于上述任意實(shí)施例，該系統(tǒng)還可以包括：

替換模塊，用于根據(jù)WTA策略，利用所述誤匹配點(diǎn)左右兩側(cè)的視差值對(duì)所述誤差匹配點(diǎn)的視差值進(jìn)行替換。

基于上述任意實(shí)施例，該系統(tǒng)還可以包括：

除噪模塊，用于使用快速中值濾波濾除，最后通過(guò)插值優(yōu)化得到亞像素精度的視差，使得視差圖更為完整、正確。

基于上述技術(shù)方案，本發(fā)明實(shí)施例提供的立體匹配系統(tǒng)，采用貝葉斯最大后驗(yàn)估計(jì)的思想獲得視差最優(yōu)估計(jì)。該系統(tǒng)首先利用支撐點(diǎn)快速匹配獲得視差的先驗(yàn)概率(prior probability)，其中先驗(yàn)概率與支撐點(diǎn)視差、像素點(diǎn)幾何、最小距離相關(guān)；通過(guò)改進(jìn)census變換立體匹配算法計(jì)算條件概率(conditional probability)，其中條件概率與匹配代價(jià)、置信水平相關(guān)；最后，根據(jù)先驗(yàn)概率和條件概率獲得后驗(yàn)概率(posterior probability)，通過(guò)最大化后驗(yàn)概率獲得視差的最優(yōu)估計(jì)。特別地，該系統(tǒng)使用的貝葉斯模型中的參數(shù)具有自適應(yīng)性。

說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的系統(tǒng)而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。

專(zhuān)業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤(pán)、可移動(dòng)磁盤(pán)、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。

以上對(duì)本發(fā)明所提供的立體匹配方法及系統(tǒng)進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。