立體匹配演算法不足

2021-10-05 14:41:12 字數 1560 閱讀 3632

根據不同的標準,立體匹配演算法有不同的分類方法。首先,根據匹配基元的不同,立體匹配演算法可分為:基於區域的匹配演算法,基於特徵的匹配演算法和基於相位的匹配演算法。

1.基於區域的匹配演算法。主要利用左右檢視中,區域性視窗之間灰度資訊的的相關程度進行匹配。該演算法可利用所有的影象資訊,最大限度地恢復場景細節特徵,在視差連續且紋理豐富的區域有著較高的精確度,能得到稠密的視差圖。但該演算法存在下幾個問題:

(1)弱紋理或重複紋理區域,匹配效果不好;

(2)對光照、雜訊等外界環境比較敏感;

(3)該演算法在視差不連續區域匹配效不好;

(4)支援視窗大小選擇困難。

2.基於特徵的匹配演算法。該演算法巧用影象幾何特徵資訊,如邊緣、輪廓、角點等幾何基元進行匹配,由於不直接依賴灰度同時影象的特徵點數量少、特徵性強,所w演算法的匹配精度高,速度快。但該演算法獲得的是稀疏視差圖,必須經過複雜的插值方法獲取調密視差,在這過程中會產生誤差而造成最終視差圖的精確度降低。

3.基於相位的匹配演算法。上述匹配演算法是在空域範圍的進行視差估汁,相位匹配演算法是在頻域範圍內進行視差估計。該方法認為參考影象與待匹配影象的匹配點的區域性相位是相等的,該演算法通過分析帶通濾波訊號上的相位資訊求得匹配影象間的視差值。使用比較多的基於相位的匹配演算法有;相位相關法與相位差頻法等。我們知道相位反映的是訊號的結構資訊,因此對影象的高頻雜訊有很好的抑制效果,能得到亞畫素級精度的稠密深度圖。但當區域性結構存在的假設不成立時,就會發生相位奇點和相位轉繞問題,另外由於某些區域紋理資訊較少、前景後景遮擋等原因,將會導致錯誤視差值,降低匹配精度,此時必須對視差圖中的誤差點進行查詢糾正。

根據約束條件的作用範圍及搜尋策略的不同,立體匹配演算法可分為區域性匹配演算法和全域性匹配演算法。區域性區域立體化配演算法一般通過區域性優化求取視差,根據匹配基元的不同,區域性區域化配演算法有很多,常用的匹配演算法有sad,ncc等,演算法通過相似性測度建立能量函式,並最小化能量函式獲取匹配基元對應的視差值。由於能量函式是區域性值,視差估計範圍具有侷限性,得到的視差值精度有限,與全域性匹配演算法的精度相比有著很大的差距,但區域性立體匹配演算法的執行速度很快,效率高,實時性強。區域性區域立體匹配演算法主要分為3類:自適應窗體立體匹配演算法、多窗體立體匹配演算法和自適應權值的立體匹配演算法。區域性演算法的基本思想是,建立選擇合適的鄰域畫素作為支援畫素,確定支援視窗。支援視窗內的鄰域畫素與中也畫素應該盡可能的具有相同真實視差,通過支援畫素對中也畫素進行約束,可減少誤差,提高視差估計的準確性。自適應窗體是指視窗的的大小和形狀根據需要自適應的變化,生成合適的支援視窗和支援畫素。多窗體立體匹配演算法的思想是從若干個已有窗體中,根據特定的原則,確定合適的窗體,作為支援窗體進行視差計算。自適應權值的立體匹配演算法,通過計算支援視窗鄰近畫素對中屯、畫素的支援程度,進行代價函式的聚合。主要是根據鄰近畫素之間的相關性及具有相同視差的概率大小確定支援權重。全域性立體匹配演算法引入全域性最優捜索策略,構造全域性能量函式,求取最小能量函式,此時對應的視差值就是最優視差。區域性演算法在匹配過程中,由於外界環境等因素的影響,經常會產生區域性極值而造成誤差。而全域性立體匹配演算法在其建立的能量函式中,既有資料項,還包括了平滑項。能量函式通過資料項衡量畫素之間的相似性問題,通過平滑項平滑畫素間的視差關係。常見的全域性立體匹配演算法主要有:動態規劃法、鬆弛法、圖割法、基於遺傳演算法等匹配演算法。全域性立體演算法求得視差精度較高,但演算法耗時較長,效率不高,無法滿足實時性要求。

立體匹配 立體匹配過程

立體匹配就4個步驟 匹配代價計算,代價聚合,計算視差,視差精化 匹配代價計算 一般是通過計算左右兩圖對應畫素3個通道的灰度值差來決定匹配代價的,常用的就是基於畫素點匹配代價計算,一般有ad,sd,tad什麼的,基於區域的匹配代價計算一般有sad,ssd,stad之類的。匹配代價計算會生成乙個disp...

立體匹配演算法 RankTransform

1.基本介紹 立體匹配演算法,關鍵是計算左右圖對應點的匹配代價。但是基於畫素的匹配方法有乙個問題就是對於重複紋理區域,支援視窗選取太小則不利於獲取準確的匹配代價,視窗選取過大則計算複雜度過高。對於這種情況,我們應該適當的考慮支援視窗的結構資訊,但是結構資訊如何表示,怎樣定量計算,這裡就要用到標題中提...

立體匹配演算法 RankTransform

1.基本介紹 立體匹配演算法,關鍵是計算左右圖對應點的匹配代價。但是基於畫素的匹配方法有乙個問題就是對於重複紋理區域,支援視窗選取太小則不利於獲取準確的匹配代價,視窗選取過大則計算複雜度過高。對於這種情況,我們應該適當的考慮支援視窗的結構資訊,但是結構資訊如何表示,怎樣定量計算,這裡就要用到標題中提...