机器视觉

当前，有众多双目视觉匹配算法可以实现较高的匹配精度，但是其中能做到视频级实时计算的却非常少。为了解决匹配精度和速度间的矛盾，本文提出了一种基于贝叶斯推理的多尺度优化方法，可在保证算法实时性的同时达到非常高的匹配精度。本文发现简单的局部匹配算法在设置不同窗口大小时，其计算出来的视差图会反映不同尺度下场景的结构信息，即窗口较小时结果噪声显著但保留了大量的细小结构，而窗口较大时结果过度平滑但视差整体分布更为准确。本文由此提出通过对多张带有尺度信息和互补性的视差图进行基于贝叶斯推理的联合优化，得到高精度视差图的方法。对Middlebury立体视觉数据集的测试结果表明本文提出的方法在精度上与其他实时算法相比具有非常强的竞争力，在速度上也完全满足实时计算的要求。

曾灿灿, 任明俊, 肖高博, 殷跃红. 基于贝叶斯推理的立体视觉多尺度优化匹配方法[J]. 光学学报, 2017, 37(12): 4.  复制并引用该论文