基于斜面参数优化的全局立体匹配算法研究

斜面参数优化全局立体匹配算法研究 本文研究的主要目的是解决现有立体匹配算法在非平行平面区域匹配中出现的“阶梯效应”问题。为了解决这个问题，提出了一种斜面参数优化的全局立体匹配算法。该算法用斜面参数替代视差值作为全局匹配算法的优化变量，并结合粒子滤波思想实现斜面参数的（近似）连续取值及能量函数的连续域全局优化。 论文中首先介绍了立体视觉研究的目标是模拟人眼成像原理，实现现场景三维重建。其应用涉及航空航天、工业测量及机器人自主导航等领域。立体匹配作为立体视觉的核心，主要任务在于建立立体图像对中像素之间的一一对应关系，其结果将作为场景深度计算的基础。 然而，立体匹配算法的性能直接影响场景三维重建的效果，遗憾的是，立体匹配作为成像的逆过程，是一个不可解的NP-hard问题。早期的研究人员为了使得该问题可解，提出了一系列的假设条件对问题进行约束，包括视差整数取值、视差一致性约束、灰度一致性约束及唯一性约束等等。 在这些约束条件下，可以得到立体匹配问题的解，并将其结果以视差图的形式展现出来。但是，这种结果却有些差强人意，因为研究人员在视差图上发现了明显的阶梯状纹理——“阶梯效应”，特别是在非平行平面区域，这种现象会更加明显。 为解决“阶梯效应”问题，研究人员采取了多种措施，包括在视差图优化阶段通过插值获取亚像素视差，或者将整数视差扩展为以特定间隔采样的亚像素视差直接进行立体匹配。同样地缩小“阶梯”的间隔，匹配效果得到了改善，但这种基础的措施有治标不治本的嫌疑。 本文提出的斜面参数优化全局立体匹配算法，可以同时消除传统匹配算法中视差离散取值及视差一致性约束带来的影响，从根本上消除“阶梯效应”。实验结果表明，该算法在有效消除“阶梯效应”的同时降低了误匹配率。 本文提出的斜面参数优化全局立体匹配算法是一种有效的解决“阶梯效应”问题的方法，对于立体视觉研究领域具有重要的理论和实践价值。