一种基于灰度用于骨料重建的快速立体匹配方法组成比例

本发明专利技术公开了一种基于灰度用于骨料重建的快速立体匹配方法，在缩小匹配时视差搜索区间的同时减少匹配像素点个数来缩减计算量，从而达到快速匹配的目的。所述减少匹配像素点个数的方法是仅获取ROI像素进行匹配。所述ROI为含有骨料信息的像素区域。本发明专利技术相较于基于特征的立体匹配方法，在保证实时性的情况下，可以获得精度更高、更为稠密的视差图，不需要再进行插值处理。相较于基于灰度的立体匹配方法，可以在保证高精度重建的前提下大幅度减少算法的计算量，缩短计算时间提高效率。缩短计算时间提高效率。缩短计算时间提高效率。

【技术实现步骤摘要】
一种基于灰度用于骨料重建的快速立体匹配方法


[0001]本专利技术涉及立体视觉领域，具体涉及一种基于灰度用于骨料重建的快速立体匹配方法。

技术介绍

[0002]骨料是高楼、桥梁建造等工程中一个非常重要的原材料，它的各项三维形态参数对混凝土最后成型的质量至关重要。对于骨料三维形态参数的检测最初采用的是人工筛分检测的方法，但其存在着周期长、精度低、主观性影响大等问题。随着计算机数字图像技术的兴起，许多学者就开始利用骨料二维图像来测定骨料的三维形态参数，但数字图像技术发展至今，即便是趋于成熟的二维图像检测技术也难以克服其固有缺陷，即二维图像检测技术不能获取骨料在第三维的高度信息。为了应对这些问题，基于数字图像的三维检测技术应运而生，具体步骤就是对骨料进行重建，进而对重建后的骨料计算其三维形态参数，本专利技术所述的立体匹配即为三维重建中最主要的步骤。
[0003]本专利技术所涉及的用于骨料重建的立体匹配方法要求生成稠密高精度的视差图，只能选择基于灰度的立体匹配方法。而在现有技术中，基于灰度的立体匹配方法虽然可以生成稠密的视差图，但同时带来的问题就是计算量大、计算时间长，很难能达到实时性的要求。而在骨料的工业三维检测中，最看重的就是时间成本。
[0004]申请公布号为CN104867133A的专利公开了一种快速的分布立体匹配方法，该方法提出利用均值漂移算法对待匹配图像进行彩色图像分割，并以任意大小和形状的分割区域作为支持窗口形成基于图像分割的视差约束，进而进行基于固定窗口的立体匹配。虽然这种方法理论上可实现基于固定分割窗口的立体匹配，一定程度上限制了视差搜索区间，从而减少视差匹配的计算量缩减匹配时间。但首先均值漂移算法在分割时由于不能限定分割区域的个数，分割的图片会出现许多的噪点区域，特别是对于表面颜色区分度不高的骨料图片，并不能取得一个良好的分割效果。其次，即使可以进行相关优化得到一个好的分割效果，文中所提的对每个分割图像块采用零均值归一化互相关度量函数进行分割区域的代价计算并在代价最大(匹配图像对分割区域的相关度最大)时获得的视差值d
s
作为分割区域所有像素点的估计视差，这样的方法虽然一定程度上可以对视差进行估计，但也大大的增加了计算量。最后，仅仅限制视差搜索区间是在一定程度上减少了计算量，但依旧难以达到实时匹配的效果。

技术实现思路

[0005]本专利技术的目的在于针对上述问题，提出了一种基于灰度用于骨料重建的快速立体匹配方法，解决现有基于灰度的立体匹配计算量大、计算耗时长的问题。
[0006]在本专利技术所述的骨料重建中，骨料作为重建对象，不需要重建的背景却占据了图片的绝大部分区域。因此本专利技术采用的技术思想是只对含有骨料信息的区域进行高精度重建，技术方案是：一种基于灰度用于骨料重建的快速立体匹配方法，在缩小匹配时视差搜索
区间的同时减少匹配像素点个数来缩减计算量，从而达到快速匹配的目的。所述减少匹配像素点个数的方法是仅获取ROI像素进行匹配。所述ROI为含有骨料信息的像素区域。主要包括以下步骤：
[0007]步骤1：被测骨料左右图像的采集及预处理；
[0008]对采集设备进行内外参标定后，采集被测骨料图像，得到被测骨料左右图像对I
p
，I
q
，利用标定得到的内外参数对骨料图像进行畸变校正和极线校正得到校正后的骨料图像I
′
p
，I
′
q
；
[0009]步骤2：第一次立体匹配获取有效视差区间；
[0010]对步骤1中校正后的图像大小为h
×
w的骨料图像I
′
p
，I
′
q
下采样n倍，采样后得到骨料图像I
″
p
，I
″
q
，图像大小为像素个数为I
′
p
，I
′
q
的随后对I
″
p
，I
″
q
进行立体匹配得到骨料的初始视差图D，剔除误匹配点及无效匹配点，再获取初始视差图D的最大视差和最小视差组成初始有效视差区间d
e
：
[0011]d
e
＝[min(d
x,y
):max(d
x,y
)]；(x,y)∈D
[0012]其中，d
x,y
为像素坐标为(x,y)的视差值(视差图中像素值等于视差值)，(x,y)为视差图D的像素坐标；
[0013]步骤3：图像分割获取被测骨料图像ROI；
[0014]将步骤1中得到的I
′
p
，I
′
q
在采用分割算法进行图像分割之后得到二值分割图像对S
p
，S
q
，再进行反色处理得到S
′
p
，S
′
q
，为保证骨料的边缘信息被充分保留，需要对S
′
p
，S
′
q
进行形态学
‑
腐蚀操作根据实际需求扩大ROI得到S
″
p
，S
″
q
，随后将S
″
p
，S
″
q
与校正图像对I
′
p
，I
′
q
进行像素叠加，公式如下，S
″
i
(x,y)+I
′
i
(x,y)为同名像素点，即像素坐标相同的点的像素值之和：
[0015][0016]其中，R
i
表示ROI图像，S
″
i
(x,y)表示经过形态学腐蚀操作之后的二值图像中像素坐标为(x,y)的像素值，I
′
i
(x,y)为经过校正后的骨料图像中像素坐标为(x,y)的像素值，(p,q)中p代表左图，q代表右图；像素叠加后像素值小于255的像素点像素值保持原像素值，大于或等于255的像素点像素值置为255，从而得到带有ROI信息的ROI图像对R
p
，R
q
，其中像素值小于255的区域为ROI；
[0017]步骤4：ROI第二次立体匹配及非ROI的视差填补；
[0018]对ROI图像对R
p
，R
q
进行立体匹配以及非ROI的视差填补工作；首先对步骤2中得到的有效视差区间d
e
进行与下采样同等倍数的放大得到视差区间d
′
e
以适应原分辨率图像的视差搜索：
[0019]d
′
e
＝n
×
[min(d
x,y
):max(d
x,y
)]；n∈R
+
；(x,y)∈D...

【技术保护点】

【技术特征摘要】
1.一种基于灰度用于骨料重建的快速立体匹配方法，其特征在于，该方法包括以下步骤：步骤1：被测骨料左右图像的采集及预处理；对采集设备进行内外参标定后，采集被测骨料图像，得到被测骨料左右图像对I
p
，I
q
，利用标定得到的内外参数对骨料图像进行畸变校正和极线校正得到校正后的骨料图像I
′
p
，I
′
q
；步骤2：第一次立体匹配获取有效视差区间；对步骤1中校正后的图像大小为h
×
w的骨料图像I
′
p
，I
′
q
下采样n倍，采样后得到骨料图像I
″
p
，I
″
q
，图像大小为像素个数为I
′
p
，I
′
q
的随后对I
″
p
，I
″
q
进行立体匹配得到骨料的初始视差图D，剔除误匹配点及无效匹配点，冉获取初始视差图D的最大视差和最小视差组成初始有效视差区间d
e
：d
e
＝[min(d
x，y
)：max(d
x，y
)]；(x，y)∈D其中，d
x，y
为像素坐标为(x，y)的视差值(视差图中像素值等于视差值)，(x，y)为视差图D的像素坐标；步骤3：图像分割获取被测骨料图像ROI；将步骤1中得到的I
′
p
，I
′
q
在采用分割算法进行图像分割之后得到二值分割图像对S
p
，S
q
，再进行反色处理得到S
′
p
，S
′
q
，为保证骨料的边缘信息被充分保留，需要对S
′
p
，S
′
q
进行形态学
‑
腐蚀操作根据实际需求扩大ROI得到S
″
p
，S
″
q
，随后将S
″
p
，S
″
q
与校正图像对I
′
p
，I
′
q
进行像素叠加，公式如下，S
″
i
(x，y)+I
′
i
(x，y)为同名像素点，即像素坐标相同的点的像素值之和：其中，R
i
表示ROI图像，S
″
i
(x，y)表示经过形态学腐蚀操作之后的二值图像中像素坐标为(x，y)的像素值，I
′
i
(x，y)为经过校正后的骨料图像中像素坐标为(x，y)的像素值，(p，q)中p代表左图，q代表右图；像素叠加后像素值小于255的像素点像素值保持原像素值，大于或等于255的像素点像素值置为255，从而得到带有ROI信息的ROI图像对R
p
，R
q
，其中像素值小于255的区域为ROI；步骤4：ROI第二次立体匹配及非ROI的视差填补；对ROI图像对R
p
，R
q
进行立体匹配以及非ROI的视差填补工作；首先对步骤2中得到的有效视差区间d
e
进行与下采样同等倍数的放大得到视差区间d
′
e
以适应原分辨率图像的视差搜索：d
′
e
＝n
×
[min(d
x，...

【专利技术属性】
技术研发人员：梁利华，祝雷，苏彬彬，闭淦程，丁浩禹，陈海宁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：