本發(fā)明涉及三維測量領(lǐng)域，具體涉及用于視差計算的三維匹配建立方法。

背景技術(shù)：

視差就是從有一定距離的兩個點上觀察同一個目標(biāo)所產(chǎn)生的方向差異。從目標(biāo)看兩個點之間的夾角，叫做這兩個點的視差角，兩點之間的距離稱作基線。只要知道視差角度和基線長度，就可以計算出目標(biāo)和觀測者之間的距離。在三維測量領(lǐng)域，即是指從兩個攝像機(jī)中獲取的圖像上相同像素點之間的差異。三維匹配是根據(jù)對所選特征的計算，建立特征間的對應(yīng)關(guān)系，將同一個空間點在不同圖像中的映像點對應(yīng)起來，并由此得到相應(yīng)的視差圖像的技術(shù)。傳統(tǒng)的三維匹配都是基于攝像機(jī)標(biāo)定而進(jìn)行的，由于灰度及視差梯度的干擾，容易存在虛假匹配，進(jìn)而影響三維匹配精度。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供用于視差計算的三維匹配建立方法，以解決現(xiàn)有技術(shù)中灰度及視差梯度干擾三維匹配精度的問題，實現(xiàn)對灰度及視差梯度進(jìn)行量化計算、從而消除虛假匹配、提高精度的目的。

本發(fā)明通過下述技術(shù)方案實現(xiàn)：

用于視差計算的三維匹配建立方法，包括以下步驟：

(a)分別對兩個攝像機(jī)進(jìn)行標(biāo)定，獲得外參數(shù)矩陣r、平移向量t、以及兩個攝像機(jī)各自的內(nèi)參數(shù)矩陣al、ar；

(b)設(shè)定兩個攝像機(jī)獲取的圖像分別為母圖像、子圖像，建立兩個攝像機(jī)的基本矩陣關(guān)系：f＝ar^-t[t]×ral^-1；其中t為母圖像灰度值；

(c)建立極線約束關(guān)系：m’^tfm＝0；其中m、m’為母圖像、子圖像中的一對相匹配的特征點；

(d)獲取母圖像、子圖像中特征點附近的鄰域圖像，并計算出母圖像中鄰域圖像內(nèi)的灰度均值子圖像的灰度值i、子圖像中鄰域圖像內(nèi)的灰度均值

(e)計算出灰度相似度s：

其中，(x、y)為m點坐標(biāo)，(x’、y’)為m’坐標(biāo)；

(f)計算視差梯度dgr：

dgr＝|da-db|/|dcs(am,bm)|

其中，da為一對相匹配的特征點的坐標(biāo)差值，db為另一對相匹配的特征點的坐標(biāo)差值，dcs(am，bm)為兩對匹配點連線中點的矢量；

(g)根據(jù)計算出的灰度相似度、視差梯度，去除虛假匹配值，將剩余匹配點帶入極線約束關(guān)系中，進(jìn)行三維匹配。

針對現(xiàn)有技術(shù)中灰度及視差梯度干擾三維匹配精度的問題，本發(fā)明提出一種用于視差計算的三維匹配建立方法，首先對兩個攝像機(jī)進(jìn)行標(biāo)定，獲得外參數(shù)矩陣r、平移向量t、以及兩個攝像機(jī)各自的內(nèi)參數(shù)矩陣al、ar。其中對攝像機(jī)標(biāo)定的方法采用任意現(xiàn)有方法即可，在此不做贅述。設(shè)定兩個攝像機(jī)獲取的圖像分別為母圖像、子圖像，建立兩個攝像機(jī)的基本矩陣關(guān)系：f＝ar^-t[t]×ral^-1；之后在被測物體表面選取特征點，建立極線約束關(guān)系：m’^tfm＝0。通過圖像分析獲取母圖像、子圖像中特征點附近的鄰域圖像，并計算出母圖像中鄰域圖像內(nèi)的灰度均值子圖像的灰度值i、子圖像中鄰域圖像內(nèi)的灰度均值帶入m、m’兩點的二維坐標(biāo)，計算灰度相似度s，s的計算公式如下：

再計算視差梯度：

dgr＝|da-db|/|dcs(am,bm)|

計算出的灰度相似度、視差梯度后，根據(jù)測量精度需要排除掉灰度相似度過低、視差梯度過大的值，將剩余匹配點帶入極線約束關(guān)系中，即能進(jìn)行三維匹配。本發(fā)明相較于傳統(tǒng)的三維匹配方法，克服了灰度、視差梯度所帶來的誤差，消除了虛假匹配，能夠極大程度上提高測量精度。

優(yōu)選的，灰度相似度低于0.8的匹配點作為虛假匹配值去除。

優(yōu)選的，視差梯度大于0.2的匹配點作為虛假匹配值去除。

優(yōu)選的，步驟(e)和(f)順序可調(diào)。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下的優(yōu)點和有益效果：

本發(fā)明用于視差計算的三維匹配建立方法，克服了灰度、視差梯度所帶來的誤差，消除了虛假匹配，能夠極大程度上提高測量精度。

附圖說明

此處所說明的附圖用來提供對本發(fā)明實施例的進(jìn)一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明實施例的限定。在附圖中：

圖1為本發(fā)明具體實施例的流程示意圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面結(jié)合實施例和附圖，對本發(fā)明作進(jìn)一步的詳細(xì)說明，本發(fā)明的示意性實施方式及其說明僅用于解釋本發(fā)明，并不作為對本發(fā)明的限定。

實施例1：

如圖1所示的用于視差計算的三維匹配建立方法，包括以下步驟：(a)分別對兩個攝像機(jī)進(jìn)行標(biāo)定，獲得外參數(shù)矩陣r、平移向量t、以及兩個攝像機(jī)各自的內(nèi)參數(shù)矩陣al、ar；(b)設(shè)定兩個攝像機(jī)獲取的圖像分別為母圖像、子圖像，建立兩個攝像機(jī)的基本矩陣關(guān)系：f＝ar^-t[t]×ral^-1；其中t為母圖像灰度值；(c)建立極線約束關(guān)系：m’^tfm＝0；其中m、m’為母圖像、子圖像中的一對相匹配的特征點；(d)獲取母圖像、子圖像中特征點附近的鄰域圖像，并計算出母圖像中鄰域圖像內(nèi)的灰度均值子圖像的灰度值i、子圖像中鄰域圖像內(nèi)的灰度均值(e)計算出灰度相似度s：

其中，(x、y)為m點坐標(biāo)，(x’、y’)為m’坐標(biāo)；(f)計算視差梯度dgr：

dgr＝|da-db|/|dcs(am,bm)|

其中，da為一對相匹配的特征點的坐標(biāo)差值，db為另一對相匹配的特征點的坐標(biāo)差值，dcs(am，bm)為兩對匹配點連線中點的矢量；(g)根據(jù)計算出的灰度相似度、視差梯度，去除虛假匹配值，將剩余匹配點帶入極線約束關(guān)系中，進(jìn)行三維匹配。其中，灰度相似度低于0.8的匹配點作為虛假匹配值去除。視差梯度大于0.2的匹配點作為虛假匹配值去除。

以上所述的具體實施方式，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施方式而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。