本发明专利技术实施例涉及图像处理领域，公开了一种单目散斑结构光图像匹配方法、电子设备及存储介质，其中方法包括：获取结构光相机的物体散斑图、同源红外图像和参考散斑图；对所述物体散斑图和所述参考散斑图上对应的像素点进行代价矩阵计算，得到三维代价矩阵；构建所述同源红外图像上各像素点的十字交叉域；根据所述同源红外图的十字交叉域对所述三维代价矩阵进行代价聚合，得到所述物体散斑图中各像素点的聚合代价值；将所述各像素点的聚合代价值中的最大值对应的视差值作为相应像素点的视差值。本方案通过引入与结构光散斑图像的同源红外图像对每个视差层进行代价聚合，使得在一个自然的分割区域中视差值的分布一致或相似，从而获得更加准确的视差估计。从而获得更加准确的视差估计。从而获得更加准确的视差估计。
【技术实现步骤摘要】
单目散斑结构光图像匹配方法、电子设备及存储介质
[0001]本专利技术涉及图像处理领域，特别涉及一种单目散斑结构光图像匹配方法、电子设备及存储介质。
技术介绍
[0002]机器视觉是获取自然界场景的深度信息的重要方法。常见的方案主要包括双目深度相机、结构光相机和时间飞行法(Time of Flight，TOF)深度相机三个方向。其中，双目深度相机深度恢复时间长，且体积大无法满足实时性；TOF的成本较高、且准确性与其标定的材料种类有关；结构光相机由于其抗干扰性强、成本低，所以得到了更多的应用。
[0003]结构光相机方案是一种主动双目视觉技术。每个结构光相机包括两个基本组件：一个红外激光投射器和一个红外摄像头。其基本思路是将已知的结构化图案投射到被观测物体上，这些结构化图案将根据物体的几何形状和拍摄距离而发生相应的形变。红外摄像头从另一个角度进行观测，通过分析观测图案(物体散斑图)与原始图案(参考散斑图)之间发生的形变，可以得到图案上各像素的视差，再根据相机的内外参数恢复出深度。
[0004]由于单目散斑结构光是通过向被摄物体投射随机不规则散斑，此时散斑的梯度信息过于敏感；且常用的结构光匹配算法仅考虑了物体散斑图和参考散斑图的相互对应关系，其缺陷是各像素间的视差值是相互独立的，并且不满足视差一致性假设：即在一个自然的分割区域中视差值的分布应一致或相似。
技术实现思路
[0005]本专利技术实施方式的目的在于提供一种单目散斑结构光图像匹配方法、电子设备及存储介质，通过引入与结构光散斑图像的同源红外图像对每个视差层进行代价聚合，使得在一个自然的分割区域中视差值的分布一致或相似，从而获得更加准确的视差估计。
[0006]为解决上述技术问题，本专利技术的实施方式提供了一种单目散斑结构光图像匹配方法，包括：
[0007]获取结构光相机的物体散斑图、同源红外图像和参考散斑图；
[0008]对所述物体散斑图和所述参考散斑图上对应的像素点进行代价矩阵计算，得到三维代价矩阵；
[0009]构建所述同源红外图像上各像素点的十字交叉域；
[0010]根据所述同源红外图的十字交叉域对所述三维代价矩阵进行代价聚合，得到所述物体散斑图中各像素点的聚合代价值；
[0011]将所述各像素点的聚合代价值中的最大值对应的视差值作为相应像素点的视差值。
[0012]本专利技术的实施方式还提供了一种电子设备，包括：
[0013]至少一个处理器；以及，
[0014]与所述至少一个处理器通信连接的存储器；其中，
[0015]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的单目散斑结构光图像匹配方法。
[0016]本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的单目散斑结构光图像匹配方法。
[0017]本专利技术实施方式相对于现有技术而言，通过获取结构光相机的物体散斑图、同源红外图像和参考散斑图；对物体散斑图和参考散斑图上对应的像素点进行代价矩阵计算，得到三维代价矩阵；构建同源红外图像上各像素点的十字交叉域；根据同源红外图的十字交叉域对所述三维代价矩阵进行代价聚合，得到物体散斑图中各像素点的聚合代价值；将各像素点的聚合代价值中的最大值对应的视差值作为相应像素点的视差值。本方案通过引入与结构光散斑图像的同源红外图像对每个视差层进行代价聚合，使得在一个自然的分割区域中视差值的分布一致或相似，从而获得更加准确的视差估计。
附图说明
[0018]图1是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图一；
[0019]图2是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图二；
[0020]图3是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图三；
[0021]图4是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图四；
[0022]图5是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图五；
[0023]图6是根据本专利技术实施方式的单目散斑结构光图像匹配方法的具体流程图六；
[0024]图7是根据本专利技术实施方式的电子设备的结构示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
[0026]本专利技术的一实施方式涉及一种单目散斑结构光图像匹配方法，如图1所示，本实施例提供的单目散斑结构光图像匹配方法，包括如下步骤。
[0027]步骤101：获取结构光相机的物体散斑图、同源红外图像和参考散斑图。
[0028]具体地，通过结构光相机(简称“相机”)拍摄目标物体的散斑图，作为物体散斑图；参考散斑图为已知距离的平面散斑图。同时，在拍摄物体散斑图的同时，利用同源的红外镜头拍摄目标物体的同源红外图像。
[0029]步骤102：对物体散斑图和参考散斑图上对应的像素点进行代价矩阵计算，得到三维代价矩阵。
[0030]其中，可以初步设置物体散斑图上的一个像素点可以和参考散斑图上的多个像素点相对应，即初步设置物体散斑图和参考散斑上像素点的视差搜索区间。
[0031]具体地，针对物体散斑图和参考散斑图上对应的像素点进行代价矩阵计算时，可分别计算物体散斑图上每一像素点与对应参考散斑图上多个像素点之间的多个代价值，将
物体散斑图上所有像素点中每个像素点对应的所有代价值叠放在一起，从而得到三维代价矩阵其中，第三维为平面代价矩阵的数量维度，该数量维度的值即为物体散斑图上每个像素点所对应的代价值的数量。在计算每两个像素点之间的代价值时，可采用但不局限于差的绝对值之和(Sum of absolute differences，SAD)算法实现。SAD算法是一种图像匹配算法。本实施例中，针对待计算代价矩阵的两个像素点，直接采用SAD算法对两像素点所在的图像块进行匹配，即将两个图像块中对应像素点的数值之差的绝对值求和，据此评估两个图像块的相似度。最后，根据图像块的相似度确定物体散斑图和参考散斑图上相应像素点的代价值，形成所有像素点对应的代价矩阵，进而构建三维代价矩阵。
[0032]步骤103：构建同源红外图像上各像素点的十字交叉域。
[0033]其中，十字的含义是每个像素点都会有一个十字臂，臂上的所有像素点的颜色(亮度)值和该像素点的颜色(亮度)值相近。相邻位置上颜色相近的两个像素有相似的视差值。使用同源红外图，构建红外图像的十字交叉域。
[0034]步骤104：根据同源红外图的十字交叉域对三维代价矩阵进行代价聚合，得到物体本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种单目散斑结构光图像匹配方法，其特征在于，包括：获取结构光相机的物体散斑图、同源红外图像和参考散斑图；对所述物体散斑图和所述参考散斑图上对应的像素点进行代价矩阵计算，得到三维代价矩阵；构建所述同源红外图像上各像素点的十字交叉域；根据所述同源红外图的十字交叉域对所述三维代价矩阵进行代价聚合，得到所述物体散斑图中各像素点的聚合代价值；将所述各像素点的聚合代价值中的最大值对应的视差值作为相应像素点的视差值。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述物体散斑图和所述参考散斑图进行图像局部对比度归一化处理；所述对所述物体散斑图和所述参考散斑图上对应的像素点进行初始代价矩阵计算，包括：对所述图像局部对比度归一化处理后的物体散斑图和所述参考散斑图上对应的像素点进行初始代价矩阵计算。3.根据权利要求2所述的方法，其特征在于，所述图像局部对比度归一化处理，包括：以图像中任一像素点位置为中心，计算局部二维窗口内所有像素点的灰度的平均值μ和标准差σ；采用如下公式计算所述像素点的图像局部对比度归一化值I
LCN
：其中，I的为所述像素点的灰度，K为常量值。4.根据权利要求1所述的方法，其特征在于，所述对所述物体散斑图和所述参考散斑图上对应的像素点进行初始代价矩阵计算，得到三维代价矩阵，包括：确定所述物体散斑图上任一点坐标(x,y)和对应的所述参考散斑图上的坐标(x+d,y)；其中d为预设数值区间内的多个数值；利用邻域窗口，采用如下公式计算所述三维代价矩阵SAD(x,y,d)：其中，所述邻域大小为(2n+1)*(2m+1)，I
w
为所述物体散斑图，I
c
为所述参考散斑图，I
w
(x+i,y+j)为所述物体散斑图上坐标位置的灰度值，I
c
(...
【专利技术属性】
技术研发人员：王海彬，户磊，化雪诚，刘祺昌，李东洋，
申请(专利权)人：合肥的卢深视科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。