基于改进Census变换和自适应权重的立体匹配算法_张杰.pdf

电 子 测 量 技 术E L E C T RON I CME A S U R EME N TT E CHNO L O G Y第4 5卷 第2 3期2 0 2 2年1 2月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 1 0 0 2 3基于改进C e n s u s变换和自适应权重的立体匹配算法张 杰1,2,3 王增才1,2,3 闫 明1,2,3(1.山东大学机械工程学院 济南 2 5 0 0 6 1;2.山东大学高效洁净机械制造教育部重点实验室 济南 2 5 0 0 6 1;3.山东大学机械工程国家级实验教学示范中心 济南 2 5 0 0 6 1)摘 要:针对传统C e n s u s算法过于依赖中心像素,从而易受噪声影响和A D-C e n s u s算法不能充分利用不同算法的优势等问题,本文提出了一种改进的C e n s u s变换和自适应权重的立体匹配算法。首先利用C e n s u s变换窗口内的均值及中心点与四个方向邻域像素的信息,将相近像素点自动归为一类,提高了C e n s u s变换对噪声的鲁棒性。其次引入S A D算法与S o b e l边缘检测,根据梯度信息来确定S A D与C e n s u s变换的权重,提高了算法在不同区域的适应性。最后采用十字交叉域的代价聚合方式及后续优化得到最终的视差图。将不同图像的视差图在M i d d l e b u r y平台上进行验证,本文所提算法的平均误差为9.3 3%较A D-C e n s u s算法下降了3.3 9%。较其它算法在视差不连续区域及重复纹理区具有更好的匹配精度,对噪声及光照也具有更好的鲁棒性。关键词:C e n s u s变换;自适应权重;立体匹配;边缘检测;十字交叉域中图分类号:T P 3 0 1.6 文献标识码:A 国家标准学科分类代码:5 1 0.4 0 5 0S t e r e o m a t c h i n g a l g o r i t h m b a s e d o n i m p r o v e d C e n s u s t r a n s f o r m a n d a d a p t i v e w e i g h tZ h a n g J i e1,2,3 W a n g Z e n g c a i1,2,3 Y a n M i n g1,2,3(1.S c h o o l o f M e c h a n i c a l E n g i n e e r i n g,S h a n d o n g U n i v e r s i t y,J i n a n 2 5 0 0 6 1,C h i n a;2.K e y L a b o r a t o r y o f E f f i c i e n t a n d C l e a n M a c h i n e r y M a n u f a c t u r i n g o f M i n i s t r y o f E d u c a t i o n,S h a n d o n g U n i v e r s i t y,J i n a n 2 5 0 0 6 1,C h i n a;3.M e c h a n i c a l E n g i n e e r i n g N a t i o n a l E x p e r i m e n t a l T e a c h i n g D e m o n s t r a t i o n C e n t e r,S h a n d o n g U n i v e r s i t y,J i n a n 2 5 0 0 6 1,C h i n a)A b s t r a c t:A i m i n g a t t h e p r o b l e m t h a t t h e t r a d i t i o n a l C e n s u s a l g o r i t h m i s t o o d e p e n d e n t o n t h e c e n t e r p i x e l,w h i c h i s s u s c e p t i b l e t o n o i s e,a n d t h e A D-C e n s u s a l g o r i t h m c a n n o t m a k e f u l l u s e o f t h e a d v a n t a g e s o f d i f f e r e n t a l g o r i t h m s,t h i s p a p e r p r o p o s e s a n i m p r o v e d C e n s u s t r a n s f o r m a t i o n a n d a d a p t i v e w e i g h t s t e r e o m a t c h i n g a l g o r i t h m.F i r s t l y,t h e m e a n v a l u e o f t h e C e n s u s t r a n s f o r m w i n d o w a n d t h e p i x e l i n f o r m a t i o n o f t h e c e n t e r p o i n t a n d n e i g h b o r h o o d i n f o u r d i r e c t i o n s a r e u s e d t o a u t o m a t i c a l l y c l a s s i f y t h e c l o s e p i x e l s i n t o o n e c l a s s,w h i c h i m p r o v e s t h e r o b u s t n e s s o f t h e C e n s u s t r a n s f o r m a g a i n s t n o i s e.S e c o n d l y,t h e S A D a l g o r i t h m a n d S o b e l e d g e d e t e c t i o n a r e i n t r o d u c e d,a n d t h e w e i g h t o f S A D a n d C e n s u s t r a n s f o r m i s d e t e r m i n e d a c c o r d i n g t o t h e g r a d i e n t i n f o r m a t i o n,w h i c h i m p r o v e s t h e a d a p t a b i l i t y o f t h e a l g o r i t h m i n d i f f e r e n t r e g i o n s.F i n a l l y,t h e f i n a l d i s p a r i t y m a p i s o b t a i n e d b y t h e c o s t a g g r e g a t i o n m e t h o d o f t h e c r o s s-d o m a i n a n d s u b s e q u e n t o p t i m i z a t i o n.T h e p a r a l l a x m a p s o f d i f f e r e n t i m a g e s a r e v e r i f i e d o n t h e M i d d l e b u r y p l a t f o r m,a n d t h e a v e r a g e e r r o r o f t h e p r o p o s e d a l g o r i t h m i s 9.3 3%,w h i c h i s 3.3 9%l o w e r t h a n t h e A D-C e n s u s a l g o r i t h m.C o m p a r e d w i t h o t h e r a l g o r i t h m s,t h e a l g o r i t h m h a s b e t t e r m a t c h i n g a c c u r a c y i n t h e p a r a l l a x d i s c o n t i n u o u s r e g i o n a n d r e p e a t e d t e x t u r e r e g i o n,a n d b e t t e r r o b u s t n e s s a g a i n s t n o i s e a n d l i g h t.K e y w o r d s:c e n s u s t r a n s f o r m;a d a p t i v e w e i g h t;s t e r e o m a t c h i n g;e d g e d e t e c t i o n;c r o s s f i e l d 收稿日期:2 0 2 2-0 5-1 90 引 言 随着计算机软硬件的发展,双目视觉系统越来越成为研究的热点。尤其在无人驾驶、机器人导航、三维测量以及工业自动化等领域1-3有着非常广泛的应用价值。而立体匹配是双目视觉系统研究的重点,它是寻找双目或多目图像中的对应点进而估计场景深度信息的过程,是双目视觉研究的基础。现有的立体匹配算法可分为全局、半全局和局部立体匹配算法。全局算法通常是通过求取全局最小能量函数来获取视差图,主要有图割法4、动态规划法5、置54 第4 5卷电 子 测 量 技 术信传播法6等。虽然其具有较高的匹配精度,但算法复杂,难以并行。半全局匹配算法7是在二维图像上以近似于一维路径的优化方法来优化能量函数,保留了动态规划的匹配精度并且降低了算法的复杂性。局部立体匹配算法是以局部窗口的思想对匹配点一定范围内的局部特性进行匹配并比较。其 中 主 要 包 括 绝 对 差 和(S A D)8、平 方 差 和(S S D)9、归一化互相关(N C C)1 0以及C e n s u s变换1 1等。其中S A D算法匹配速度快,在高纹理区域具有较高的匹配精度,但对光照条件较为敏感。C e n s u s变换属于非参数变换算法,对光照等外部条件具有很好的鲁棒性,但由于过度依赖中心像素点,易受噪声影响。近年来针对局部立体匹配算法的不同特点,很多学者进行了大量研究。M a等1 2在传 统C e n s u s变 换 的 基 础 上 提 出 了 基 于 窗 口 均 值 的C e n s u s变换,在一定程度上提高了C e n s u s变换对噪声的鲁棒性。曹毅等1 3针对C e n s u s变换的劣势,提出了一种基于重排序的C e n s u s变换方法。陈映光等1 4提出了一种结合中心点左右插 值 点 信 息 的C e n s u s变 换 算 法。M e i等1 5根据A D算法与C e n s u s算法的优缺点,将两者结合,提出了一种融合代价的A D-C e n s u s立体匹配算法,既保证了高纹理区域的匹配精度,又对光照等外部因素具有较好的鲁棒性。李聪聪等1 6将改进C e n s u s变换结合图像分割法来计算匹配代价,使得立体匹配的精度在一定程度上有所提升。基于以上分析,针对C e n s u s变换过于依赖中心像素,易受噪声影响。而目前的研究虽然在一定程度上对其进行了优化,但图像窗口内的信息利用率较小,对于较大的噪声突变适应性不高且单一算法优势有限,不能很好的提高立