基于自适应权重的遮挡信息立体匹配算法

针对传统局部立体匹配算法在深度不连续区域误匹配率高的问题,提出一种基于自适应权重的遮挡信息立体匹配算法。首先,采用左右一致性检测算法检测参考图像与目标图像的遮挡区域;然后利用遮挡信息,在代价聚合阶段降低遮挡区域像素点所占权重,在视差优化阶段采用扫描线传播方式选择水平方向最近点填充遮挡区域的视差;最后,根据Middlebury数据集提供的标准视差图为视差结果计算误匹配率。实验结果表明,基于自适应权重的遮挡信息匹配算法相对于自适应权重算法误匹配率降低了16%,并解决了局部立体匹配算法在深度不连续区域误匹配率高的问题,提高了算法的匹配精确性。     

基于改进Census变换的立体匹配算法

针对基于传统Census变换的立体匹配方法精度不高的问题, 提出一种基于坐标模板Census变换的立体匹配方法。该方法首先设计一个坐标为高斯分布的变换模板指导Census变换; 其次, 以Census变换结果之间的Hamming距离作为匹配代价求取初始视差, 同时使用SSE4. 2指令提高Hamming距离计算效率; 再次, 使用非局部代价聚合方法优化视差结果; 最后, 获得精度较高的视差图像。实验结果表明, 该算法具有较好的匹配精度和较高的匹配效率。     

Joint view synthesis and disparity refinement for stereo matching

Typical stereo algorithms treat disparity estimation and view synthesis as two sequential procedures. In this paper, we consider stereo matching and view synthesis as two complementary components, and present a novel iterative refinement model for joint view synthesis and disparity refinement. To achieve the mutual promotion between view synthesis and disparity refinement, we apply two key strategies, disparity maps fusion and disparity-assisted plane sweep-based rendering (DAPSR). On the one hand, the disparity maps fusion strategy is applied to generate disparity map from synthesized view and input views. This strategy is able to detect and counteract disparity errors caused by potential artifacts from synthesized view. On the other hand, the DAPSR is used for view synthesis and updating, and is able to weaken the interpolation errors caused by outliers in the disparity maps. Experiments onMiddlebury benchmarks demonstrate that by introducing the synthesized view, disparity errors due to large occluded region and large baseline are eliminated effectively and the synthesis quality is greatly improved.     

彩色图像对自适应匹配算法

提出了两种方法来提高图像匹配的精度。一种方法是改变自适应匹配窗口的选择方法,与原来的矩形窗口相比较,提出的窗口选取方法能在低纹理区域得到包含有效信息量更多、更接近实际边界的窗口。此外,通过降低边界点相似度在计算过程中的权重来降低边界点影响力,使得视差不连续区域的匹配精度得到提高。算法采用了Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones分别进行实验验证。实验表明文中提出的两种方法对四幅图像的匹配精度均有所提高。     

基于区域增长的自适应稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵,在区域增长过程中的匹配窗内计算其纹理数量,然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时,该匹配窗就能够表征该匹配窗中心点的特征,因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。     

双目视觉的匹配算法综述

双目视觉是获取对现实世界立体感知的重要方法,在自动驾驶等领域得到了普遍 的应用。立体匹配是实现双目感知的前提,该算法对左右摄像机拍摄的照片进行像素级的匹配, 生成稠密视差图,从而获取了三维坐标信息。概述了立体匹配算法近 20 年来的发展过程,围绕 基于人工特征和深度学习两个方向进行了综述,对算法实现过程中的代价计算、代价聚合、视 差计算和视差求精进行分析讨论,评估了算法的准确性和时间复杂度。最后总结了立体匹配算 法面对的挑战和对未来发展的展望。     

双目立体匹配算法的研究与进展

立体匹配一直是计算机视觉领域的一个中心研究问题.首先综合介绍了立体匹配算法的研究概况,论述了双目立体匹配算法中各种约束的核心概念和适用范围;然后重点归纳分析了立体匹配算法的分类及其发展过程中的各种演化算法,对其关键技术进行了剖析和比较,并总结了目前存在的主要难题和可能的解决途径;最后对该领域存在的问题和技术发展趋势进行了分析和讨论.     

基于秩空间的二次立体匹配

提出了一种基于秩空间的区域立体匹配算法。首先对立体图像进行秩（rank）变换,将图像从灰度空间变换到秩空间,消除因噪声和两个摄像机参数不一致产生的干扰,再根据自然视频序列每幅图像多数景物景深变化不大的事实,把视差分解为全局视差与局部视差之和,在秩空间进行二次立体匹配：先在最大窗口内估计全局视差,然后在这个最大窗口内采用块匹配方式进行二次匹配求各点的实际视差。该二次立体匹配算法有效地消除了误匹配,提高正确匹配率。实验结果证明,提出的算法优于传统的基于区域的立体匹配方法。     

多种相似性测度结合的局部立体匹配算法

针对立体匹配中匹配代价和支持窗口难以选择的问题,提出一种将多种相似性测度相结合的局部立体匹配算法．首先,构造匹配代价,结合图像的 Census 变换、WLD（Weber 局部描述符）特征、图像色彩信息以及图像梯度信息作为匹配代价;然后,使用引导滤波器对匹配代价进行聚合;最后,针对 WTA（赢者全取）策略引入的视差选择歧义问题和左右一致性检测（LRC）引入的水平条纹问题,提出了一种基于可信度和加权滤波的视差修正算法．利用 Middlebury 测试平台提供的标准测试图像对本文算法进行测试,其平均错误匹配率为 5.30%,与 FastBilateral 算法等一些公认的性能优异算法相比,本文算法提高了匹配准确率．     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。     

SIFT特征点引导的区域立体匹配算法

根据SIFT特征对旋转、尺度缩放、亮度变化保持不变性的特点,提出基于SIFT特征和边缘特征点的区域匹配方法。该方法确定符合SIFT特征的边缘为可靠特征点,并确定其视差;根据视差梯度原理确定其他点的视差,最后生成稠密的视差图。实验结果表明,SIFT特征的引入,提高了特征点视差的准确性,一些弱纹理区的匹配也有所改善。     

一种快速立体视觉边缘匹配算法

提出了一种立体视觉边缘匹配快速算法。通过小波变换,得到了图像的边缘和边缘幅角 并定义了边缘幅角约束。由视差梯度的分布密度函数,导出了左图像连续边缘上相邻两点在右图像 中的对应点的坐标间的相互约束关系,从而限定了右图像中匹配点的搜索范围。最后给出了基于视 差梯度约束和边缘幅角约束的快速边缘匹配算法。     

基于强相似点检测快速双目立体匹配算法

立体匹配是双目视觉的一个重要分支领域,能够通过深度图还原出三维信息,但由于其计算量庞大,实时性难以得到保障。为此,提出了一种基于强相似点的快速立体匹配算法。首先,将双目图像通过对极处理,使匹配区域固定在同一水平线上,减少匹配区域;其次,对图像进行灰度转化,并将搜索范围内与待匹配点灰度值接近的点定义为强相似点,对强相似点所在块进行匹配代价计算,并得出该点最优视差,对不存在强相似点的待匹配点进行正常视差计算;最后将进行视差修正与滤波,得到最终视差图。经Middlebury算法测试平台的提供数据进行验证,结果表明在不损失精确率的前提下,该方法相对于SAD速度提高70%左右,为立体匹配算法的实际应用奠定了良好基础,在视觉导航、障碍物检测方面也有着良好的应用前景。     

基于极线校正的最小二乘立体匹配

本文减少了最小二乘转换参数,通过三个几何转换参数和两个辐射转换参数建立对应关系,采用经极线校正的立体像对,使对应点的搜索在相同扫描行上进行,减小了搜索空间,提高了匹配速度,且把匹配方法嵌入到多尺度空间中以提高匹配速度,通过视差后处理进一步提高匹配精度。采用自适应窗口技术解决由于存在矩阵不可逆情况而导致大量不可匹配点和在地形平坦、灰度变化不明显的区域不匹配或误匹配率高的缺点。试验结果表明了,本算法精度高,匹配率高的优点,有相当的使用价值。     

基于多尺度聚合神经网络的双目视觉立体匹配方法

为了改善机器人、无人驾驶领域采用深度神经网络实现双目视觉立体匹配存在参数量大、GPU资源成本高的问题,提出一种多尺度聚合的立体匹配方法。首先设计一个结合多尺度的特征提取网络,利用空洞卷积在不改变分辨率下获得更为丰富的特征,引入注意力机制,再将不同分辨率下特征交叉融合以完善特征信息;其次,改变代价卷获取方式,在低尺度下聚合得到代价卷,不断结合高尺度相似信息以迭代更新,将多个代价卷进行交叉融合以得到最终代价卷;最后,结合注意力机制的精细化模块修正初始视差图中的异常值与不连续区域,得到最终视差图。实验结果表明,该算法能够在较低参数量,以及低成本GPU资源下运行,且获得较好的匹配精度。     

基于可变窗口视差优化的并行立体匹配

针对现有局部立体匹配算法在计算精度和执行效率之间的权衡问题,提出一种基于可变窗口视差优化的并行立体匹配方法。为弥补ESAW（Exponential Step Adaptive Weight）代价聚合方法所造成的精度损失,在视差优化阶段,为每个误差点建立一个基于颜色相似度和欧式距离的可变窗口,并将误差点分为遮挡和误匹配两类,针对不同的类型采用不同的优化策略;利用CUDA（Compute Unified Device Architecture）技术将算法在图形处理器上进行并行优化和验证。实验结果表明,与现有Middlebury测试平台中列出的并行立体匹配算法相比,具有更好的计算精度。     

基于损失自注意力机制的立体匹配算法研究

针对现有的立体匹配算法在阴影、物体边缘和光照反射等区域匹配困难且存在大量错误结果的问题,设计了一种可拆卸的损失自注意力网络（loss self-attention net,LSAnet）查找图像中的匹配困难区域。LSAnet的网络各层相互稠密连接,应用了空洞卷积来扩大感受野,并以立体匹配算法生成的损失分布为标签,能够动态地进行有监督训练,最终生成匹配困难区域掩膜辅助立体匹配网络进行更好的优化;同时,改进了立体匹配网络中经典的特征匹配代价卷结构,降低了后续3D卷积的计算负荷,提高了匹配效率。实验结果表明,该算法相比于基准算法精度更高,并且可以提高算法对于匹配困难区域的鲁棒性。     

基于改进Census变换的多特性立体匹配算法

针对当前立体匹配算法存在的匹配准确率低，难以达到实用的高精度水平的问题，提出了一种基于改良的Census变换与色彩信息和梯度测度相结合的多特性立体匹配算法，实现高精度的双目立体匹配。算法首先在初始代价匹配阶段，将改进的Census变换、色彩和梯度测度赋权求和得出可靠的初始匹配代价；在聚合阶段，采取高效快捷的最小生成树聚合，获得匹配代价矩阵；最后根据胜者为王法则得到初始视差图，并引入左右一致性检测等策略优化视差图，获得高精度的视差图，实验阶段对源自Middlebury上的标准测试图进行测试验证，实验结果表明，经本文算法处理得到的15组测试数据集的视差图在非遮挡区域的平均误匹配率为6.81%，算法实时响应性优良。