Stereo matching algorithm with guided filter and modified dynamic programming

Dense stereo correspondence is a challenging research problem in computer vision field. To address the poor accuracy behavior of stereo matching, we propose a novel stereo matching algorithm based on guided image filter and modified dynamic programming. Firstly, we suggest a combined matching cost by incorporating the absolute difference and improved color census transform (ICCT). Secondly, we use the guided image filter to filter the cost volume, which can aggregate the costs fast and efficiently. Then, in the disparity computing step, we design a modified dynamic programming algorithm, which can weaken the scanning line effect. At last, final disparity maps are gained after post-processing. The experimental results are evaluated on Middlebury Stereo Datasets, showing that our approach can achieve good results both in low texture and depth discontinuity areas with an average error rate of 5.14 % and strong robustness.     

一种利用动态规划和左右一致性的立体匹配算法

立体匹配是计算机视觉领域研究的一个重要课题,为了得到准确、稠密的视差图,提出了一种利用动态规划和左右一致性的立体匹配算法。该算法首先分别以左、右图像为基元图像,计算各自的视差空间图像,在视差空间图像上利用动态规划,计算得到左视差图和右视差图;然后通过使用左右视差图之间的一致性关系,消除误匹配点,得到较为准确的部分视差图;最后利用视差图的顺序约束关系,给出未匹配视差点的搜索空间计算方法,并利用一种简单有效的方法来计算这些点的视差值。在一些标准立体图像对上所做的实验结果表明,该算法效果良好。     

行列双动态规划的改进自适应立体匹配算法

在各种立体匹配算法中,利用动态规划算法求解可有效地提高立体匹配的速度和精确度,同时具有实时性好、易于实现的优点。利用动态规划算法的优点,提出一种基于行列动态规划的自适应立体匹配算法,采用改进的自适应代价函数和能量最小化模型,对最优化问题进行求解。在求解的过程中,基于行动态规划得到的列方向视差值的变化给予对应数据项不同的奖励值,以减少行动态规划产生的明显条纹,最后使用列动态规划得出最终结果。实验结果表明,该算法能够减少总体的匹配错误率,减少明显的条纹瑕疵,取得较理想的立体匹配效果。     

基于线性滤波的树结构动态规划立体匹配算法

传统的动态规划立体匹配算法能有效保证匹配精度的同时提高运行速度, 但得到的视差深度图会出现明显的条纹现象,同时在图像弱纹理区域以及边缘存在较高的误匹配. 针对该问题,提出了一种新的基于线性滤波的树形结构动态规划立体匹配算法. 算法首先运用改进的结合颜色和梯度信息参数可调的自适应测度函数构建左右图像的匹配代价, 然后以左图像为引导图对构建的匹配代价进行滤波; 再运用行列双向树形结构的动态规划算法进行视差全局优化, 最后进行视差求精得到最终的视差图.理论分析和实验结果都表明, 本文的算法能有效地改善动态规划算法的条纹现象以及弱纹理区域和边缘存在的误匹配.     

基于直线间结构信息的立体视觉图像动态匹配方法

针对立体视觉匹配问题，介绍一种改进的动态规划图像匹配方法，它将边缘直线相似测度分为局部相似测度和全局相似测度，在后者中加入图像边缘直线之问的结构关系信息，并在动态搜索最优匹配路径的过程中利用结构关系约束删除不合理的匹配路径。仿真实验结果证明，采用该方法解决立体视觉中边缘线段的匹配问题，不仅提高了匹配的准确率，而且大大减少了匹配时间。     

一种沿区域边界的动态规划立体匹配算法

提出一种基于图像区域分割的立体匹配算法.与通常的沿扫描行进行动态规划的立体匹配算法不同,该算法以图像"区域"为基元计算视差.首先使用相关法得到初始视差,然后利用一种区域边界上的多种子动态规划算法对视差进行精细计算,最终通过插值得到整个图像的稠密视差.实验结果表明,此算法速度较快、可靠性较高.     

基于双序列比对算法的立体图像匹配方法*

在分析现有立体匹配方法的基础上,提出一种基于双序列比对算法的立体图像匹配方法。将立体图像对中同名极线上的像素灰度值看做是一对字符序列,使用基于动态规划思想的双序列比对算法对这些对字符序列进行匹配,以获取立体图像视差。为验证该方法的可行性和适用性,采用人脸立体图像对进行实验。实验结果表明,使用该方法进行立体图像匹配能获得光滑的、稠密的视差图。基于动态规划思想的双序列比对算法能够有效地解决立体图像匹配问题,从而为图像的立体匹配提供了一个实用有效的方法。     

基于控制点的分层双向动态规划立体匹配算法

提出一种基于控制点的分层双向动态规划立体匹配算法．首先，利用改进Volumetric迭代算法获取具有高可靠度的控制点，将其作为具有正确视差的匹配点．其次，在高可靠度控制点的指导下，利用分层双向动态规划算法在DSI（disparity-space image）视差空间图中进行初匹配，进而在Delta DSI（delta disparity-space image）视差变化空间图中进行精匹配，从而获取高密度视差图．实验结果表明，该算法不仅可以改善传统直接动态规划立体匹配算法产生的带状条纹瑕疵，而且计算速度较快，匹配结果也优于传统动态规划的匹配结果．     

一种改进的区域双目立体匹配方法

双目立体匹配是机器视觉中的热点、难点问题。分析了区域立体匹配方法的优缺点,提出了改进的区域立体匹配方法。首先,采集双目视觉图像对对图像对进行校正、去噪等处理,利用颜色特征进行图像分割,再用一种快速有效的块立体匹配算法对图像进行立体匹配。然后,在匹配过程中使用绝对误差累积(SAD)的小窗口来寻找左右两幅图像之间的匹配点。最后,通过滤波得到最终的视差图。实验表明:该方法能够有效地解决重复区域、低纹理区域、纹理相似区域、遮挡区域等带来的误匹配问题,能得到准确清晰的稠密视差图。     

一种测量高光物体的双目Helmholtz立体视觉方法

提出了一种基于迭代动态规划的双目Helmholtz立体视觉算法,并将其应用于高光物体的测量。算法首先对获取的Helmholtz图像对作图像校正,然后确定扫描线的端点,最后设计了一种迭代动态规划方法建立匹配获取视差图,从而恢复出高光物体的表面深度。实验采用光线跟踪方法获取带有高光的双目Helmholtz图像,视差图结果表明该方法能够有效地恢复出高光物体的深度信息。     

改进型SIFT立体匹配算法研究

针对机器人视觉系统立体匹配中存在的匹配重复或错误等问题,提出了一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT算法）和余弦相似度匹配规则的立体匹配方法。该方法以左、右两幅图像中特征向量较多的图像作为基准匹配图像,另一幅图像作为待匹配图像;再由二者的特征向量之间的余弦相似度所建立的匹配规则进行立体匹配。实验结果表明,改进型立体匹配方法有效地降低了匹配错误或重复比,具有较强的鲁棒性,匹配效果较佳,更加有利于机器人视觉系统的三维重建与定位。     

基于线条特征的双目立体视觉系统

本文阐述了一个以线条特征为匹配基元的双目立体视觉系统.匹配算法以环境相似性度 量为核心,以多层表示为基础,采用由粗而精的控制策略,通过预测、归并、分解、传播四过程实 现.匹配算法考虑到实际环境中的双目立体图象的非理想性及抽取出来的线条特征的非完整 性,允许某种程度的纵向偏差,引入中心主轴概念,在分解过程中建立对应,计算视差.首先由 前三个过程建立起可靠的粗层次的对应,称之为骨架对应,然后利用连续性约束假设将骨架对 ,应的结果由传播过程逐级传播到整幅图象中去.     

Stereo matching using weighted dynamic programming on a single-direction four-connected tree

In recent years, stereo matching based on dynamic programming (DP) has been widely studied and various tree structures are proposed to improve the matching accuracy. However, previous DP-based algorithms do not incorporate all the smoothness functions determined by the edges between the adjacent pixels in the image, which will usually lead to lower matching accuracies. In this paper, we propose a novel stereo matching algorithm based on weighted dynamic programming on a single-direction four-connected (SDFC) tree. The SDFC tree structure is a new tree structure which includes all the edges in the image and the disparity of a pixel can be affected by all the edges in the image. However, in the SDFC tree, conventional DP-based algorithms will make the pixels that are far away from the root node provide higher energy than the nearby pixels, which will decrease the matching accuracy. So, the weighted dynamic programming approach is proposed to optimize the energy function on the new tree structure, and all the pixels in the SDFC tree are treated equivalently. Dynamic programming in the SDFC tree of every pixel in the image separately is very time-consuming, so a fast DP optimization method is designed for the SDFC tree, which reduces the computational complexity of the proposed weighted DP algorithm to 12 times of conventional DP based algorithm. Experiments show that our algorithm not only produces quite smooth and reasonable disparity maps which are close to the state-of-the-art results, but also can be implemented quite efficiently. Performance evaluations on the Middlebury data set show that our method ranks top in all the DP-based stereo matching algorithms, even better than the algorithms that apply segmentation techniques. Experimental results in an unmanned ground vehicle (UGV) test bed show that our algorithm gets very good matching results in different outdoor conditions, even on the asphaltic road which is considered to be textureless. This illustrates the robustness of our algorithm.     

基于SIFT特征描述子的立体匹配算法

目前,立体匹配是计算机视觉领域最活跃的研究课题之一。为了克服传统的局部特征匹配算法对噪声和图像灰度的非线性变换敏感的缺点,本文提出了一种新的基于SIFT(Scale Invariant Feature Transform)特征描述子的立体匹配算法。该算法利用图像梯度信息,构造基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。实验结果表明,该方法匹配精度高,对图像灰度的非线性变换比较鲁棒,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。     

金字塔双层动态规划立体匹配算法

针对控制点修正的动态规划立体匹配算法存在控制点求取时阀长、实时性差的问题．提出一种金字塔双层动态规划立体匹配算法．采用金字塔算法求取低、商分辨率图像，然后分别在低、商分辨宰图像上求取候选控制点集和最终控制点集，并用最终控制点集修正商分辨率图像上的动态规划立体匹配．由干候选控制点集的求取在低分辨率图像上进行，算法用时大为减少．实验证明，此算法匹配率商、速度快．     

立体视觉中的双目匹配方法研究

本文首先对已有的双目立体视觉方法进行分析和总结 ,并依所选取的匹配特征和匹配方法的不同而将其分为利用灰度图像区域间相似性、特征点相关、边界或二阶导数过零点、二值拉普拉斯图像匹配、校正透视形变、动态规划、利用区域分割的结果和立体视觉连续性原理的各种演绎等类 ;然后对用金字塔图匹配边界基元的双目立体视觉方法进行了重点探讨 ;本文还对利用基极线约束实现匹配进行详细分析与推导     

改进的跨尺度引导滤波立体匹配算法

作为双目三维重建中的关键步骤,双目立体匹配算法完成了从平面视觉到立体视觉的转化.但如何平衡双目立体匹配算法的运行速度和精度仍然是一个棘手的问题.本文针对现有的局部立体匹配算法在弱纹理、深度不连续等特定区域匹配精度低的问题,并同时考虑到算法实时性,提出了一种改进的跨多尺度引导滤波的立体匹配算法.首先融合AD和Census变换两种代价计算方法,然后采用基于跨尺度的引导滤波进行代价聚合,在进行视差计算时通过制定一个判断准则判断图像中每一个像素点的最小聚合代价对应的视差值是否可靠,当判断对应的视差值不可靠时,对像素点构建基于梯度相似性的自适应窗口,并基于自适应窗口修正该像素点对应的视差值.最后通过视差精化得到最终的视差图.在Middlebury测试平台上对标准立体图像对的实验结果表明,与传统基于引导滤波器的立体匹配算法相比具有更高的精度.     

基于径向基神经网络的立体匹配算法*

针对双目视觉中的图像立体匹配问题,提出了一种基于径向基神经网络的立体匹配算法。该算法提取图像的尺度不变特征变换（SIFT）特征建立特征匹配矩阵,对特征匹配向量进行约简,最后将约简的特征匹配向量输入径向基神经网络进行识别输出。仿真和实际图像实验表明,该算法的匹配正确率比标准的SIFT有所到提高。     

动态噪声影响的移动视觉立体匹配算法

为解决移动视觉系统的动态噪声问题,提出了一种可适应动态噪声的立体匹配算法。对视觉图像进行分割,利用Kalman滤波算法估计噪声对图像分割的影响,并以此动态调整分割精度,以分割边缘特征点作为基元利用置信度传播(belief propagation,BP)算法提取出边缘特征点视差,最后根据特征点视差统一对分割区域进行赋值,得出最终视差图。实验结果表明,该算法不仅符合移动视觉系统的动态实时性要求,而且能适应动态噪声影响,得出精度较高的立体匹配结果。     

双目视觉小波域SIFT匹配与极线约束算法研究

研究双目立体视觉技术,特征的提取和匹配是双目视觉的最基本的问题。目前,SIFT已经被证明鲁棒性最好的局部不变特征描述符。但是SIFT算法产生的误匹配较多,精度偏低,为了解决这一问题,同时降低算法特征提取与匹配的复杂度,达到双目立体视觉实时性的要求,文中提出了一种结合小波变换和SIFT特征点的双目立体视觉匹配方法。首先,对双目视觉系统采集的左、右图像进行小波分解,把分解得到的低频图像作为输入,用SIFT算法进行特征点的初始匹配,再利用极线约束的理论求得精确匹配。实验结果表明,该方法具有较强的适应性,能够在减少误匹配的同时,大大加快运算速度。