激光散射斑點(diǎn)輔助下的雙目立體匹配算法與裝置的制造方法
【專利摘要】本發(fā)明提出了一種激光散射斑點(diǎn)輔助下的雙目立體匹配算法與裝置，在左右視角2個攝像機(jī)中間增加一個激光器裝置，給目標(biāo)增加了激光散射斑點(diǎn)，使得本來沒有紋理或紋理稀疏的目標(biāo)區(qū)域變成豐富的紋理區(qū)域，然后通過基于特征點(diǎn)匹配的算法得到立體匹配結(jié)果。在得到特征點(diǎn)匹配的初步結(jié)果后，本發(fā)明還提出一種鄰近點(diǎn)距離和角度約束條件對結(jié)果進(jìn)行篩選，有效的減少誤匹配的數(shù)目，顯著提高匹配的正確率。本發(fā)明采用的裝置簡單，成本較低，算法復(fù)雜度小，擁有很好的實(shí)用價值。
【專利說明】
激光散射斑點(diǎn)輔助下的雙目立體匹配算法與裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及計算機(jī)視覺領(lǐng)域處理技術(shù)，特別涉及一種激光散射斑點(diǎn)輔助下的雙目 立體匹配算法與裝置。
【背景技術(shù)】
[0002] 雙目立體匹配是指從左右視角2個攝像機(jī)拍攝同一場景的兩幅圖像中找出匹配點(diǎn) 對，進(jìn)而求出原始場景的深度信息。雙目立體視覺在機(jī)器人導(dǎo)航、數(shù)字化醫(yī)學(xué)、三維測量和 虛擬現(xiàn)實(shí)等領(lǐng)域都有廣泛的應(yīng)用，是計算機(jī)視覺領(lǐng)域的重要問題之一。
[0003] 目前立體匹配方法主要分為兩類:基于局部約束的算法和基于全局約束的算法。 基于局部約束的算法只使用興趣點(diǎn)周圍的局部信息，因此計算復(fù)雜度較低，但容易受噪聲 的影響，對紋理稀疏區(qū)域的匹配效果不理想，代表方法有特征匹配法、區(qū)域匹配法?；谌?局約束的算法是對掃描線或整個圖像數(shù)據(jù)的信息進(jìn)行約束，建立匹配能量函數(shù)，再通過各 種方法求得能量函數(shù)的極值。這類算法由于是全局尋優(yōu)，所以匹配準(zhǔn)確度較高，但求解過程 較為復(fù)雜，時間消耗較多，代表方法有動態(tài)規(guī)劃法、圖割法。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明的目的是提供一種激光散射斑點(diǎn)輔助下的 雙目立體匹配算法與裝置。
[0005] 為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明采用的技術(shù)方案是：
[0006] -種激光散射斑點(diǎn)輔助下的雙目立體匹配算法，包括以下步驟：
[0007] Sl.激光散射斑點(diǎn)輔助下的雙目立體匹配裝置
[0008] 激光散射斑點(diǎn)輔助下的雙目立體匹配裝置包括左右兩個攝像機(jī)以及設(shè)置在左右 兩個攝像機(jī)之間的紅外激光器，所述紅外激光器的前方設(shè)置有一塊毛玻璃，紅外激光器對 準(zhǔn)目標(biāo)射出準(zhǔn)直后的激光束，通過毛玻璃進(jìn)行散射，從而在目標(biāo)表面得到所需的散斑圖 案。；兩個攝像機(jī)都對著目標(biāo)進(jìn)行拍攝的，拍攝的圖像包括目標(biāo)以及目標(biāo)表面的散斑圖案。 其中：紅外激光器為kinect紅外激光器。為了讓散斑圖案分別的更加均勻，將kinect紅外激 光器放置在左右兩個攝像機(jī)之間的靠中間的位置，但不嚴(yán)格要求在正中間，通過這樣的裝 置，可以使得拍攝的左右視圖均具有豐富的紋理信息，然后通過基于下面的特征點(diǎn)匹配的 算法得到立體匹配結(jié)果。
[0009] S2.通過左右兩個攝像機(jī)拍攝左右兩個視角的圖像分別記為左視圖和右視圖；
[0010] S3.通過圖像金字塔和分區(qū)域Harris角點(diǎn)檢測分別提取左、右視圖的特征點(diǎn)；
[0011] 首先對左視圖進(jìn)行特征點(diǎn)提取，方法如下：對左視圖進(jìn)行金字塔處理，得到3層金 字塔圖像，然后分別對這3層金字塔圖像進(jìn)行分區(qū)域的Harris角點(diǎn)檢測，得到3個特征點(diǎn)集 合，然后將3個特征點(diǎn)集合進(jìn)行合并，得到最終的特征點(diǎn)集合D 1;
[0012] 采用與左視圖同樣的方式對右視圖進(jìn)行特征點(diǎn)提取，得到右視圖的特征點(diǎn)集合 D2 ;
[0013] S4.采用二進(jìn)制特征描述子對每個特征點(diǎn)進(jìn)行描述，得到一個128維的比特字符串 即該特征點(diǎn)對應(yīng)的特征向量；
[0014] S5.通過特征向量的最近鄰距離比進(jìn)行匹配，得到初始的特征點(diǎn)的匹配集合；
[0015] S6.通過一種鄰近點(diǎn)距離和角度約束條件對初始特征點(diǎn)匹配集合進(jìn)行篩選，剔除 不符合條件的匹配點(diǎn)對，得到最終的特征點(diǎn)匹配集合，即為立體匹配結(jié)果。
[0016]本發(fā)明的步驟S3中，對左視圖進(jìn)行金字塔處理，得到3層金字塔圖像，其中：第1層 金字塔對應(yīng)原始圖像，第2層金字塔為對第1層圖像實(shí)施1/2的下采樣所得，第3層金字塔為 對第2層圖像實(shí)施1 /2的下采樣所得。
[0017]本發(fā)明的步驟S3中，分別對3層金字塔圖像進(jìn)行分區(qū)域的Harris角點(diǎn)檢測的具體 方法是:首先將該層金字塔圖像均勻分為多個子區(qū)域，在每個子區(qū)域中使用Harris角點(diǎn)檢 測算法進(jìn)行特征點(diǎn)檢測，如果檢測出多個特征點(diǎn)，則選擇角點(diǎn)響應(yīng)值最大的特征點(diǎn)，如果沒 有檢測出特征點(diǎn)，則選取子區(qū)域的中間點(diǎn)作為特征點(diǎn)，通過這種提取特征點(diǎn)的方法，每層金 字塔圖像的每個子區(qū)域都有一個特征點(diǎn)。
[0018]本發(fā)明的步驟S4的方法為：
[0019]在左視圖中，選擇特征點(diǎn)集合Di中的一特征點(diǎn)doti，以特征點(diǎn)doti為中心，半徑為 15的左視圖圖像區(qū)域作為該特征點(diǎn)如七對應(yīng)的圖像區(qū)域，然后在特征點(diǎn)Clot1對應(yīng)的圖像區(qū) 域里隨機(jī)選擇兩個點(diǎn)（圖像區(qū)域中普通的圖像點(diǎn))組成一個點(diǎn)對(x，y)，一共進(jìn)行128次這樣 點(diǎn)對的隨機(jī)選擇，則得至I」128個點(diǎn)對( Xi，yi)，對每一個點(diǎn)對(X，y)，有一個0或1的取值：
[0020]
[0021 ]其中g(shù)(x)、g(y)分別是點(diǎn)X和y的強(qiáng)度值；
[0022] 這樣128個點(diǎn)對可以組成一個128維的比特字符串vec:
[0023]
[0024] 依照上面的方法，對左視圖的特征點(diǎn)集合D1進(jìn)行特征描述，左視圖的特征點(diǎn)集合0丄 中的每一個特征點(diǎn)可以得到一個128維的二進(jìn)制向量vec，記為該特征點(diǎn)對應(yīng)的特征向量； [0025]同理，對右視圖的特征點(diǎn)集合D2進(jìn)行特征描述，右視圖的特征點(diǎn)集合出中的每一個 特征點(diǎn)可以得到一個128維的二進(jìn)制向量vec，記為該特征點(diǎn)對應(yīng)的特征向量。
[0026] 本發(fā)明的步驟S5的方法為:通過最近距離比對兩個特征點(diǎn)集合DjPD2進(jìn)行特征匹 配，共得到M對特征點(diǎn)匹配結(jié)果{(du，d2i) I CUiEDhd2iED2J = I,…，M};其中du是D沖的特 征點(diǎn)，d2i是D2中的特征點(diǎn)，i表示匹配的序號，一共有M對。
[0027] 本發(fā)明的步驟S6中，假設(shè)(dn，d21)和(d12，d22)是匹配集合的距離較近的兩個匹配 對，則鄰近點(diǎn)距離約束條件定義如下：
[0028；
[0029] 其中￡1是距離約束閾值，取值0.2;
[0030]點(diǎn)dll到di2的向量用α表示，點(diǎn)d2i到d22的向量用β表示，貝幌個向量夾角的約束條件 如下：
[0031]
[0032] 其中￡2是角度約束閾值，取值10度。
[0033]本發(fā)明的步驟S6的方法是：
[0034] S6.1任選匹配集合中的一個匹配對，計算它和近鄰的10個匹配對的鄰近點(diǎn)距離約 束和角度約束，記錄違反上述兩種約束條件的次數(shù)作為該匹配對的錯誤率；
[0035] S6.2統(tǒng)計所有匹配對的錯誤率，如果每個匹配對的錯誤率都為0，則結(jié)束；否則將 錯誤率最大的匹配對作為誤匹配從匹配集合中剔除，再轉(zhuǎn)到步驟S6.1;
[0036]當(dāng)剔除所有誤匹配后，匹配點(diǎn)對從開始的M對降低到N對，記新的匹配集合也即最 終的立體匹配結(jié)果為{(dli，d2i) |(11#〇1，(12#〇2 4 = 1，~少}，其中(^是〇1中的特征點(diǎn)，(^ 是出中的特征點(diǎn)，i表示匹配的序號，一共有N對。
[0037]本發(fā)明的有益技術(shù)效果：
[0038] 對于現(xiàn)有的圖像立體匹配方法，在全體像素上建立能量函數(shù)，導(dǎo)致求解過程非常 耗時。本發(fā)明通過激光器裝置，給目標(biāo)增加了激光散射斑點(diǎn)，使得本來沒有紋理或紋理稀疏 的目標(biāo)區(qū)域變成豐富的紋理區(qū)域，這種紋理豐富的目標(biāo)圖像可以采用算法復(fù)雜度較低的特 征點(diǎn)匹配方法，大大提高計算效率。本發(fā)明在得到特征點(diǎn)匹配的初步結(jié)果后，還提出兩種新 的約束條件對結(jié)果進(jìn)行篩選，有效的減少誤匹配的數(shù)目，顯著提高匹配的正確率。本發(fā)明采 用的裝置簡單，成本較低，算法復(fù)雜度小，擁有很好的實(shí)用價值。
【附圖說明】
[0039] 圖1是本發(fā)明激光散射斑點(diǎn)輔助下的雙目立體匹配裝置的原理示意圖；
[0040] 圖2是本發(fā)明激光散射斑點(diǎn)輔助下的雙目立體匹配算法的流程圖；
【具體實(shí)施方式】
[0041] 激光在散射體表面的漫反射或通過一個透明散射體(如毛玻璃)時，在散射表面或 附近的光場中可以觀察到一種無規(guī)分布的亮暗斑點(diǎn)，這種斑點(diǎn)稱為激光散射斑點(diǎn)。利用這 種裝置可以使得本來沒有紋理或紋理稀疏的區(qū)域變成豐富的紋理區(qū)域。
[0042] 基于上述原理，本發(fā)明提供一種激光散射斑點(diǎn)輔助下的雙目立體匹配裝置，包括 左右兩個攝像機(jī)以及設(shè)置在左右兩個攝像機(jī)之間的紅外激光器，所述紅外激光器的前方設(shè) 置有一塊毛玻璃，紅外激光器對準(zhǔn)目標(biāo)射出準(zhǔn)直后的激光束，通過毛玻璃進(jìn)行散射，從而在 目標(biāo)表面得到所需的散斑圖案。兩個攝像機(jī)都對著目標(biāo)進(jìn)行拍攝的，拍攝的圖像包括目標(biāo) 以及目標(biāo)表面的散斑圖案。
[0043] 基于上面的激光散射斑點(diǎn)輔助下的雙目立體匹配裝置，可以使得拍攝的左右視圖 均具有豐富的紋理信息，然后通過本發(fā)明提供的激光散射斑點(diǎn)輔助下的雙目立體匹配算法 得到立體匹配結(jié)果。
[0044] 激光散射斑點(diǎn)輔助下的雙目立體匹配算法，包括以下步驟：
[0045] 第一步.通過左右兩個攝像機(jī)拍攝左右兩個視角的圖像分別記為左視圖和右視 圖；
[0046] 第二步.通過圖像金字塔和分區(qū)域Harris角點(diǎn)檢測分別提取左、右視圖的特征點(diǎn)；
[0047] 為了使特征點(diǎn)適應(yīng)多尺度的需求，參考傳統(tǒng)的圖像金字塔思想，根據(jù)輸入圖像構(gòu) 造 η層的金字塔圖像(η取3)，第1層金字塔對應(yīng)原始圖像，第2層金字塔為對第1層圖像實(shí)施 1/2的下采樣所得，第3層金字塔為對第2層圖像實(shí)施1/2的下采樣所得。這樣一幅圖像可以 得到3層金字塔圖像，分別對這3層金字塔圖像進(jìn)行處理（即特征點(diǎn)提?。?，得到3個特征點(diǎn)集 合，然后進(jìn)行合并，得到最終的特征點(diǎn)集合。
[0048] 在對每一層金字塔圖像進(jìn)行特征點(diǎn)提取時，為了使選取的特征點(diǎn)比較均勻地分布 于圖像之中，本發(fā)明首先將該圖像均勻分為多個子區(qū)域，在每個區(qū)域中使用Harris角點(diǎn)檢 測算法進(jìn)行特征點(diǎn)檢測，如果檢測出多個特征點(diǎn)，則選擇角點(diǎn)響應(yīng)值最大的特征點(diǎn)，如果沒 有檢測出特征點(diǎn)，則選取子區(qū)域的中間點(diǎn)作為特征點(diǎn)。通過這種提取特征點(diǎn)的方法，圖像的 每個子區(qū)域都有一個特征點(diǎn)。
[0049] 本步驟中，首先對左視圖進(jìn)行特征點(diǎn)提取，方法如下:對左視圖進(jìn)行金字塔處理， 得到3層金字塔圖像，然后分別對這3層金字塔圖像進(jìn)行分區(qū)域的Harris角點(diǎn)檢測，得到3個 特征點(diǎn)集合，然后進(jìn)行合并，得到最終的特征點(diǎn)集合D 1;
[0050] 采用與左視圖同樣的方式對右視圖進(jìn)行特征點(diǎn)提取，得到右視圖的特征點(diǎn)集合 D2 ;
[0051] 第三步，采用二進(jìn)制特征描述子對每個特征點(diǎn)進(jìn)行描述，得到一個128維的比特字 符串即該特征點(diǎn)對應(yīng)的特征向量；
[0052]以左視圖為例，選擇特征點(diǎn)集合Di中的一特征點(diǎn)doti，以特征點(diǎn)doti為中心，半徑 為15的左視圖圖像區(qū)域作為該特征點(diǎn)如七對應(yīng)的圖像區(qū)域，然后在圖像區(qū)域里隨機(jī)選擇兩 個點(diǎn)組成一個點(diǎn)對(x，y)，一共進(jìn)行128次，則得到128個點(diǎn)對(Xi，yi)，對每一個點(diǎn)對(x，y)， 有一個0或1的取值：
[0053]
[0054] 其中g(shù)(x)、g(y)分別是點(diǎn)X和y的強(qiáng)度值。
[0055] 這樣128個點(diǎn)對可以組成一個128維的比特字符串vec:
[0056]
[0057] 這樣每一個特征點(diǎn)可以得到一個128維的二進(jìn)制向量vec，記為該特征點(diǎn)對應(yīng)的特 征向量。一個128維的比特字符串vec長度僅為16字節(jié)，遠(yuǎn)低于同等維數(shù)下sift描述器的512 字節(jié)。對于兩個特征向量進(jìn)行匹配時，采用漢明距離僅需計算兩個特征向量對應(yīng)位不同的 數(shù)量，這樣的匹配方式能夠有效降低匹配的計算量、大大提高匹配的效率。
[0058] 分別對左視圖和右視圖的特征點(diǎn)集合01和02進(jìn)行特征描述，每一個特征點(diǎn)都會得 到一個特征向量。
[0059]第四步、通過特征向量的最近鄰距離比進(jìn)行匹配，得到初始的特征點(diǎn)的匹配集合；
[0060] 然后通過經(jīng)典的特征匹配方法一一最近距離比對兩個特征點(diǎn)集合〇1和出進(jìn)行特征 匹配，共得到M對特征點(diǎn)匹配結(jié)果{(du，d 2i) I duED1，d2ieD2，i = 1，…，M};其中du是D沖的 特征點(diǎn)，d2i是D2中的特征點(diǎn)，i表示匹配的序號，一共有M對。
[0061] 第五步、通過一種鄰近點(diǎn)距離和角度約束條件對初始特征點(diǎn)匹配集合進(jìn)行篩選， 剔除不符合條件的匹配點(diǎn)對，得到最終的特征點(diǎn)匹配集合，即為立體匹配結(jié)果。
[0062] 雖然最近鄰距離比匹配策略較為嚴(yán)格，匹配正確率較高，但依然存在一些誤匹配。 為了剔除匹配集合中的誤匹配對，本發(fā)明提出兩種約束條件:鄰近點(diǎn)距離拘束和角度約束， 限制兩個距離較近的特征點(diǎn)之間的距離變化和角度變換，使匹配集合中的每一個匹配對與 其鄰近的一些匹配對的相容性得到最大的滿足。假設(shè)是(dn，d 21)和(d12，d22)是匹配集合的 距離較近的兩個匹配對，則距離約束條件定義如下：
[0063]
[0064] 其中￡1是距離約束閾值，這里取值0.2。
[0005]點(diǎn)dii到di2的向量用α表示，點(diǎn)d2i到d22的向量用β表示，貝幌個向量夾角的約束條件 如下：
[0066]
[0067]其中￡2是角度約束閾值，這里取值10度。
[0068] 本步驟中篩選過程如下：
[0069] (1)任選匹配集合中的一個匹配對，計算它和近鄰的10個匹配對的距離和角度約 束，記錄違反上述兩種約束條件的次數(shù)作為該匹配對的錯誤率；
[0070] (2)統(tǒng)計所有匹配對的錯誤率，如果每個匹配對的錯誤率都為0,則算法結(jié)束;否則 將錯誤率最大的匹配對作為誤匹配從匹配集合中剔除，再轉(zhuǎn)到步驟(1)。
[0071] 通過這種距離和角度的約束，能夠有效的剔除匹配集合中的誤匹配，進(jìn)一步提供 匹配準(zhǔn)確率。
[0072] 當(dāng)剔除所有誤匹配后，匹配點(diǎn)對從開始的M對降低到N對，記新的匹配集合也即最 終的立體匹配結(jié)果為{(如，(12〇|(11#〇1，(12#〇2 4 = 1，~』}，其中(^是〇1中的特征點(diǎn)，(^ 是出中的特征點(diǎn)，i表示匹配的序號，一共有N對。
[0073] 以上包含了本發(fā)明優(yōu)選實(shí)施例的說明，這是為了詳細(xì)說明本發(fā)明的技術(shù)特征，并 不是想要將
【發(fā)明內(nèi)容】
限制在實(shí)施例所描述的具體形式中，依據(jù)本
【發(fā)明內(nèi)容】
主旨進(jìn)行的其他 修改和變型也受本專利保護(hù)。本
【發(fā)明內(nèi)容】
的主旨是由權(quán)利要求書所界定，而非由實(shí)施例的 具體描述所界定。
【主權(quán)項】
1. 一種激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:包括W下步驟：51. 激光散射斑點(diǎn)輔助下的雙目立體匹配裝置 激光散射斑點(diǎn)輔助下的雙目立體匹配裝置包括左右兩個攝像機(jī)W及設(shè)置在左右兩個 攝像機(jī)之間的紅外激光器，所述紅外激光器的前方設(shè)置有一塊毛玻璃，紅外激光器對準(zhǔn)目 標(biāo)射出準(zhǔn)直后的激光束，通過毛玻璃進(jìn)行散射，從而在目標(biāo)表面得到所需的散斑圖案;兩個 攝像機(jī)都對著目標(biāo)進(jìn)行拍攝的，拍攝的圖像包括目標(biāo)W及目標(biāo)表面的散斑圖案；52. 通過左右兩個攝像機(jī)拍攝左右兩個視角的圖像分別記為左視圖和右視圖；53. 通過圖像金字塔和分區(qū)域Harris角點(diǎn)檢測分別提取左、右視圖的特征點(diǎn)； 首先對左視圖進(jìn)行特征點(diǎn)提取，方法如下：對左視圖進(jìn)行金字塔處理，得到3層金字塔 圖像，然后分別對運(yùn)3層金字塔圖像進(jìn)行分區(qū)域的化rris角點(diǎn)檢測，得到3個特征點(diǎn)集合，然 后將3個特征點(diǎn)集合進(jìn)行合并，得到最終的特征點(diǎn)集合化； 采用與左視圖同樣的方式對右視圖進(jìn)行特征點(diǎn)提取，得到右視圖的特征點(diǎn)集合化；54. 采用二進(jìn)制特征描述子對每個特征點(diǎn)進(jìn)行描述，得到一個128維的比特字符串即該 特征點(diǎn)對應(yīng)的特征向量；55. 通過特征向量的最近鄰距離比進(jìn)行匹配，得到初始的特征點(diǎn)的匹配集合；56. 通過一種鄰近點(diǎn)距離和角度約束條件對初始特征點(diǎn)匹配集合進(jìn)行篩選，剔除不符 合條件的匹配點(diǎn)對，得到最終的特征點(diǎn)匹配集合，即為立體匹配結(jié)果。2. 根據(jù)權(quán)利要求1所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:步驟 S3中，對左視圖進(jìn)行金字塔處理，得到3層金字塔圖像，其中：第1層金字塔對應(yīng)原始圖像，第 2層金字塔為對第1層圖像實(shí)施1/^2的下采樣所得，第3層金字塔為對第2層圖像實(shí)施1/^2的下 采樣所得。3. 根據(jù)權(quán)利要求1或2所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于： 步驟S3中，分別對3層金字塔圖像進(jìn)行分區(qū)域的化rris角點(diǎn)檢測的具體方法是:首先將該層 金字塔圖像均勻分為多個子區(qū)域，在每個子區(qū)域中使用化rris角點(diǎn)檢測算法進(jìn)行特征點(diǎn)檢 巧。，如果檢測出多個特征點(diǎn)，則選擇角點(diǎn)響應(yīng)值最大的特征點(diǎn)，如果沒有檢測出特征點(diǎn)，貝U 選取子區(qū)域的中間點(diǎn)作為特征點(diǎn)，通過運(yùn)種提取特征點(diǎn)的方法，每層金字塔圖像的每個子 區(qū)域都有一個特征點(diǎn)。4. 根據(jù)權(quán)利要求1所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:步驟 S4的方法為： 在左視圖中，選擇特征點(diǎn)集合化中的一特征點(diǎn)doti，W特征點(diǎn)doti為中屯、，半徑為15的 左視圖圖像區(qū)域作為該特征點(diǎn)doti對應(yīng)的圖像區(qū)域，然后在特征點(diǎn)doti對應(yīng)的圖像區(qū)域里 隨機(jī)選擇兩個點(diǎn)組成一個點(diǎn)對(X，y)，一共進(jìn)行128次，則得到128個點(diǎn)對(xi，yi)，對每一個 點(diǎn)對(x，y)，有一個0或1的取值：其中g(shù)(x)、g(y)分別是點(diǎn)X和y的強(qiáng)度值； 運(yùn)樣128個點(diǎn)對可W組成一個128維的比特字符串vec:依照上面的方法，對左視圖的特征點(diǎn)集合化進(jìn)行特征描述，左視圖的特征點(diǎn)集合化中的 每一個特征點(diǎn)可W得到一個128維的二進(jìn)制向量vec，記為該特征點(diǎn)對應(yīng)的特征向量； 同理，對右視圖的特征點(diǎn)集合化進(jìn)行特征描述，右視圖的特征點(diǎn)集合化中的每一個特征 點(diǎn)可W得到一個128維的二進(jìn)制向量vec，記為該特征點(diǎn)對應(yīng)的特征向量。5. 根據(jù)權(quán)利要求4所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:步驟 S5的方法為:通過最近距離比對兩個特征點(diǎn)集合化和化進(jìn)行特征匹配，共得到Μ對特征點(diǎn)匹 配結(jié)果Kdii，d2i) I diiEDi，d2iED2,i = l,…，Μ};其中dii是Di中的特征點(diǎn)，d2i是〇2中的特征 點(diǎn)，i表示匹配的序號，一共有Μ對。6. 根據(jù)權(quán)利要求5所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:步驟 S6中，假設(shè)(dll，d21)和(dl2，d22)是匹配集合的距離較近的兩個匹配對，則鄰近點(diǎn)距離約束條 件定義如下： 其中ε 1是距離約束闊值，取值0.2;點(diǎn)dll到di2的向量用α表不，點(diǎn)d2i至帖2的向量用β表不，則兩個向量夾角的約束條件如 下：其中E2是角度約束闊值，取值10度。7. 根據(jù)權(quán)利要求6所述的激光散射斑點(diǎn)輔助下的雙目立體匹配算法，其特征在于:步驟 S6的方法是： S6.1任選匹配集合中的一個匹配對，計算它和近鄰的10個匹配對的鄰近點(diǎn)距離約束和 角度約束，記錄違反上述兩種約束條件的次數(shù)作為該匹配對的錯誤率； S6.2統(tǒng)計所有匹配對的錯誤率，如果每個匹配對的錯誤率都為0，則結(jié)束；否則將錯誤 率最大的匹配對作為誤匹配從匹配集合中剔除，再轉(zhuǎn)到步驟S6.1; 當(dāng)剔除所有誤匹配后，匹配點(diǎn)對從開始的Μ對降低到N對，記新的匹配集合也即最終的 立體匹配結(jié)果為{(dii,d2i) I diieDi,d2iED2, i = l,…，Ν}，其中dii是Di中的特征點(diǎn)，d2i是〇2 中的特征點(diǎn)，i表示匹配的序號，一共有N對。8. -種激光散射斑點(diǎn)輔助下的雙目立體匹配裝置，其特征在于:包括左右兩個攝像機(jī) W及設(shè)置在左右兩個攝像機(jī)之間的紅外激光器，所述紅外激光器的前方設(shè)置有一塊毛玻 璃，紅外激光器對準(zhǔn)目標(biāo)射出準(zhǔn)直后的激光束，通過毛玻璃進(jìn)行散射，從而在目標(biāo)表面得到 所需的散斑圖案。
【文檔編號】G06T7/00GK105844616SQ201610153485
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】羅文峰
【申請人】湖南優(yōu)象科技有限公司