针对水下环境中传统算法对双目图像匹配时存在速度慢、误匹配较多等问题, 提出一种基于 ORB(的特征检测和曲线极线约束相结合的水下立体匹配方法。先检测图像的特征点, 生成描述子, 并进行特征匹配; 然后根据折射定律, 结合双目相机的内外参数, 推导出水下曲线极线; 最后结合水下曲线极线约束, 剔除误匹配点。实验结果表明, 相比传统的 SIFT算法与曲线约束, 论文提出的立体匹配方法在有效控制误匹配的情况下, 显著提高了运算速度, 对提升水下双目视觉系统的快速处理能力具有实践意义。

针对双目水下图像匹配不满足空气中常规极线约束的问题, 提出一种基于深度约束的半全局算法以实现水下稠密立体匹配.首先采用深度约束确定匹配过程的深度约束搜索区域.然后, 基于深度约束区域将绝对差值和梯度计算推广到二维区域并进行加权融合.在深度约束区域内的搜索过程中, 采用胜者为王的策略确定某一视差值下的最佳行差及最佳行差下的匹配代价, 并将其作为能量函数的数据项应用于半全局算法中, 进行匹配代价的聚合.最后采用抛物线拟合法得到亚像素级的稠密视差图.在水下图片上进行的稠密立体匹配结果表明: 相较于其他半全局匹配算法, 本文算法在极大提高运行速度的前提下, 可以获得良好的水下稠密立体匹配效果.