基于自适应权重AD-Census变换的双目立体匹配

针对AD-Census变换采用固定权重将AD变换代价与Census变换代价合成的双目立体匹配代价无法体现像素点区域特征的问题,提出一种基于自适应权重AD-Census变换的双目立体匹配算法。算法首先通过增加相邻像素点的灰度差阈值条件改善十字支撑自适应窗口;然后以每个像素点的十字支撑自适应窗口的最短臂长为自变量,利用指数形式的函数,进行AD变换代价与Census变换代价合成权重的自适应设置。由于像素点十字支撑自适应窗口的最短臂长能够反映像素点的区域特性,因此自适应设置的权重大小与像素点的区域特性直接相关,计算图像边缘区域像素点的匹配代价时,AD变换的权重大;计算平滑区域像素点的匹配代价时,Census变换的权重大。Middlebury第3代双目立体匹配评估平台的结果显示,基于自适应权重AD-Census变换的双目立体匹配性能与基于AD-Census变换的双目立体匹配性能相比,所有图像集的全部像素点的视差平均误差减小了25%,非遮挡像素点的视差平均误差减小了20%,性能得到了提升;平台上包括Adir在内的多个图像集的匹配结果表明基于自适应权重AD-Census变换的双目立体匹配更适合含纹理丰富、存在重复区域的图像。     

自适应窗口和半全局立体匹配算法研究

针对区域立体匹配算法中匹配窗口的选择和在图像中视差不连续、弱纹理区域误匹配率较高的难题,提出了一种自适应窗口和半全局算法相结合的立体匹配算法.该算法先通过基于灰度的自适应窗口算法计算初始匹配代价,然后利用相邻像素之间的视差梯度作为约束,采用半全局立体匹配算法以得出视差图.最后对左右视差图进行左右一致性遮挡检测,获得精确的稠密视差图.针对不同的图像信息采用自适应窗口和半全局算法相结合的立体匹配算法,剔除、修正了视差不连续、弱纹理区域的误匹配点,得到匹配效果较好的视差图.实验结果表明:该算法有效降低了视差图在视差不连续、弱纹理区域和遮挡处的误匹配率.     

基于双权重聚合的立体匹配算法

针对传统的局部立体匹配算法通常采用基于窗口聚合匹配的方法获得视差图,采用分割与平面拟合的方法进行视差精炼,算法性能过度依赖于窗口尺寸、分割与数据拟合的精度的问题,提出了基于双边滤波的双权重聚合方法,利用快速匹配代价的方法进行聚合,在视差精炼阶段采用双曲线平滑聚合匹配代价的策略;这种不依赖于窗口大小的算法有利于提高匹配精度。仿真实验结果表明,本文算法在低纹理区域和深度不连续区域均得到了较高的立体匹配精度;针对实际场景进行的立体匹配,可以得到较高精度的视差图及三维重建效果。     

基于邻域信息约束与自适应窗口的立体匹配算法

针对传统的Census立体匹配算法对噪声敏感,在视差不连续区域容易出现误匹配的问题,提出了一种基于邻域信息约束与自适应窗口的立体匹配算法.首先,针对传统Census算法对中心像素依赖高的问题,采用邻域十字窗口的加权平均和的方式对中心像素进行赋值.然后,通过设置自适应阈值,将支持窗口的邻域像素与中心像素进行相似性的二次代价计算并与初始代价进行融合,对匹配结果进行进一步约束.在代价聚合阶段,采用颜色阈值不断变化的三约束法进行窗口的构建,并在聚合过程中引入噪声剔除策略.最后,在视差精化阶段采用左右一致性检测与区域投票相结合的方法对视差图进一步优化.使用Middlebury测试平台的标准立体图像进行实验,结果表明:该方法能够有效降低图像对高斯噪声的敏感性,并在误匹配率上低于多种立体匹配算法.     

改进导向滤波器立体匹配算法

针对基于滤波器的立体匹配算法精度不高以及易受外界环境影响的问题,提出基于改进导向滤波器的立体匹配算法.在传统梯度向量中加入经过预处理后图像的梯度信息,结合Census变换计算匹配代价.构建自适应窗口,采用改进的导向滤波器聚合匹配代价;经过视差处理获得高精度的视差图,在低纹理区域能取得较好的匹配结果.实验结果表明,相比其他基于滤波器的立体匹配算法,该算法在Middlebury和KITTI平台上的测试结果具有更高的精度;对光照失真条件具有更好的鲁棒性,能应用于室外场合;计算复杂度与匹配窗口大小无关,具有较好的实时性.     

改进的基于多尺度融合的立体匹配算法

针对局部立体匹配算法在弱纹理或视差不连续区域匹配精度低等问题,提出了一种结合卷积神经网络(CNN)和特征金字塔结构(FPN)的多尺度融合的立体匹配算法。在卷积神经网络的基础上应用了特征金字塔,实现立体图像的多尺度特征提取和融合,提高了图像块的匹配相似度;利用引导图滤波器(guided filtering)快速有效地完成代价聚合,在视差的选择阶段采用改进的动态规划(DP)算法获得初始视差图,对初始视差图精细化得到最后的视差图。所提算法在Middlebury数据集上提供的图像进行训练和测试,结果表明该算法得到的视差图具有较好的效果。     

基于图像分割和可变窗的联合立体匹配

提出一种基于图像分割和可变窗的联合立体匹配算法。首先对参考图像和目标图像进行图像分割,根据视差在同一色彩分割区域平滑的假设,计算出分割区域的匹配代价;然后由窗口内的匹配误差均值、误差方差、偏向误差确定最佳可变窗并求出其匹配代价;最后综合两类匹配代价通过局部优化方法获得稠密视差图。实验结果表明,该算法能够较好的处理低纹理和深度不连续区域,得到较高匹配精度的同时降低了匹配时间。     

区域的实时立体匹配的改进算法

针对在立体匹配研究领域中弱纹理区域的匹配问题,文中提出了一种基于区域的实时立体匹配改进算法.采用匹配测度函数像素灰度差的绝对值和（Sum of Absolute Differ-ence,SAD）,通过平均误差阈值算法检测出高误差能量;针对遮挡区域造成的不可信视差预测点,进行误差能量计算;利用滤波加速算法减少计算匹配窗口相似性复杂度,既降低了误匹配率,又提高了算法的运行速度.实验结果表明,改进算法的误匹配像素百分比明显减小,且能满足系统对实时性的要求.     

融合自适应权重和置信传播的立体匹配算法

为了提高传统置信传播立体匹配算法在深度不连续区域的准确率问题,该文提出一种融合局部自适应权重和置信传播的立体匹配算法。该方法采用改进的局部自适应权重算法,获得初始视差估计,通过左右一致性检测出不可信象素点;对分割后的图像,采用新的消息传播策略,进行消息的不对称传递。实验结果表明,该算法对深度不连续和弱纹理区域均有较好的匹配结果,能获得比较理想的视差图。     

基于双目视觉的焊缝图像立体匹配

针对焊接图像缺乏纹理的问题,研究了一种弱纹理检测跨尺度聚合的立体匹配算法。根据张氏标定法,对双目视觉传感器进行标定,得到了双目视觉传感器的外部和内部参数。然后,对双目视觉传感器获取的焊缝图片进行中值滤波、二值化等一系列图片预处理。利用弱纹理检测跨尺度聚合算法对焊缝图像进行立体匹配,得出焊缝图像视差图,再从视差中恢复距离,得到了焊枪的高度信息。对双目视觉传感器采集的焊缝图像进行实验,实验结果验证了弱纹理检测跨尺度聚合的立体匹配算法的可靠性。     

非参数变换和改进动态规划的立体匹配算法

针对传统稠密立体匹配方法在非纹理区、深度不连续处和遮挡处存在错误匹配率过高的问题,提出一种基于非参数变换和改进动态规划相结合的立体匹配算法.采用稀疏非参数变换相关方法计算初始局部匹配代价,并利用行列双向约束动态规划算法对匹配代价进行全局优化,在获取初始视差后分别对原始图像每一像素点进行可信性与纹理性检测,最后利用视差平面拟合结果代替非纹理与非可信区域像素点的原始视差,得到稠密视差图.实验表明,该算法具有较高的鲁棒性与匹配精度,尤其在处理图像的非纹理区、深度不连续处和遮挡处,可获得精确的匹配结果.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

基于像素点分类和颜色分割的树型滤波立体匹配

针对树型滤波匹配算法只需颜色一个要素计算权重而引起的匹配错误,提出一种基于像素点分类和颜色分割的树型滤波局部立体匹配算法。首先,在计算初始匹配代价时,按照稳定度将像素点分类;其次根据参考图像的颜色信息将其建立为代价树,并在建树的过程中根据颜色分割约束获得颜色分割图像;利用颜色分割图像和像素点分类信息,改进代价树中各边的权值;最后执行树型滤波,并获得稠密的视差图,从而完成立体匹配。采用Middlebury数据集进行的实验结果表明,该算法相比传统的树型滤波算法,在各区域的精度上都有一定的提升。     

基于凸集论的稠密视差图优化算法

针对计算机视觉领域中立体匹配算法在图像无纹理区产生的误匹配问题,提出以全变差函数为凸约束集,使用次梯度投影法,对通过初始视差变换后的立体图像对之间的像素误差函数和视差二次平滑因子形成的严格凸函数进行求解,寻求立体图像对之间的最优视差图。实验结果表明,该方法不仅能保留初始视差图的边缘,而且减少了由先前立体匹配算法求得的视差图在无纹理区产生的误匹配点,取得了良好的视差图优化效果。     

立体匹配中边界信息的强化算法

为解决立体匹配中边界模糊、无纹理区域的边界误匹配、初始匹配代价过于粗糙等问题,设计了一种基于改进数据项的图像边界信息强化算法。通过归一化匹配代价削弱匹配不利的像素点;通过设置权值强化边界信息,对边界进行匹配约束。实验证明,新的能量函数能在边界区域得到正确视差;消除了大量无纹理区域的不连续线段;以较少的迭代次数提高了优化效果。在图片无纹理区域可降低14％的错误率。     

一种改进自适应权重稀疏区域立体匹配算法

立体匹配是根据两幅或者多幅具有一定视差的图像,获得图像之间视差图的过程.针对自适应权重立体匹配算法难以同时满足精度和速度的不足,提出一种符合人眼视觉特性的改进自适应权重稀疏区域立体匹配算法.首先对权重公式进行改进,改进后根据公式计算每个点的权重,其次对图像进行稀疏的区域匹配获得稠密视差图,然后将所得视差图进行左右一致性检测及遮挡填充,最后对视差图进行中值滤波,以去除孤立的误匹配点和噪声点.实验结果表明,改进方法比Yoon的自适应权重算法匹配效率提高了90多倍,比SSD精度提高了12.34%,能够快速的获得精确的视差图,满足系统对实用性的要求.     

基于多尺度注意力网络的立体匹配方法

为解决网络深度与训练图像块大小耦合问题及进一步提高弱纹理区域及边缘处的匹配精度,提出了一种基于多尺度注意力网络的立体匹配方法.该方法将立体匹配过程分为2个阶段：第1阶段提出了一种成本网络用于计算匹配成本,该网络由基础网络层和缩放层组成.第2阶段提出了一种基于多尺度注意力的视差求精网络,该视差求精网络综合了多种视差线索,并加入多尺度注意力机制进一步提高立体匹配精度.该方法在KITTI 2012、KITTI 2015和SceneFlow数据集上的3像素坏点百分比分别为1.13%,1.87%和2.29%.实验结果表明,与国内外同类方法相比,采用多尺度注意力网络的立体匹配方法在匹配精度上获得了较大的提升,尤其是在弱纹理区域及物体边缘处表现较好.     

像素扩展自适应窗口立体匹配算法

针对局部立体匹配方法中的视差图前景膨胀问题,依据格式塔视觉理论,采用基于像素扩展的自适应窗口立体匹配方法减少视差图中前景膨胀现象的产生。该方法首先通过扩展约束条件建立待匹配像素点窗口模型;然后通过待匹配点对的窗口相对重合率进行预匹配判定,在视差搜索范围内逐点筛选出满足匹配条件的窗口区域;最后利用窗口规则化的互相关系数方法以及平滑视差平面分割获得最终视差值。实验结果表明:该算法可以获得较准确的稠密视差图,提高立体像对中深度不连续区域和遮挡区域的匹配精度,在Bicycle2、Classroom2、Hoops和Staircase图像中平均误匹配率为14.9%。     

结合CNN与分割约束的立体匹配算法

为了解决弱纹理与遮挡区域中难以准确匹配对应点的问题,在马尔可夫随机场(Markov random field,MRF)框架下,提出一种结合卷积神经网络(convolutional neural network,CNN)与分割线索的立体匹配算法.首先,采用特征表达能力强的CNN提取立体图像特征并匹配区域块.同时,对图像进行区域分割.然后,基于CNN匹配结果构造MRF能量函数数据项.基于分割结果定义能量函数项,通过其他区域约束弱纹理和遮挡区域的匹配过程.最后,最优化求解能量函数计算视差.在Middlebury与KITTI数据集上验证该算法和能量函数各项的作用,并与近2年提出方法进行性能比较.结果表明,该算法准确度更高,应对弱纹理与遮挡区域效果更好.     

基于改进SGM的工件高度定位研究

针对工业环境中光照条件不稳定、图像纹理信息缺乏等因素导致目标视差图获取困难的问题，提出一种基于改进半全局立体匹配(semi-global matching, SGM)算法的工件高度定位方法。采用Census变换窗口内像素的平均值代替原变换的中心像素值，使算法对噪声更具鲁棒性，减少了原算法对中心像素的依赖。引入Sobel算子对图像边缘进行检测，依据左右视图的梯度差值划分像素点类别，对路径聚合中的惩罚系数进行自适应调整，通过后续优化处理，得到了最终视差图。为验证本文所述工件高度定位系统的可行性和有效性，搭建机器人实验平台，对所提算法进行实验验证。实验结果表明，本文的改进算法与传统SGM算法相比，误匹配率下降约为8.76%,匹配精确度显著提高，工件高度的平均定位误差约为0.708 mm,满足系统抓取要求。该研究为机械臂精确定位工件高度提供了思路。