东华理工大学机械与电子工程学院, 南昌 330000
针对基于Census变换的立体匹配算法匹配精度不理想、易受噪声干扰的问题, 提出一种自适应窗口结合改进Census变换的方法。通过自适应选择变换窗口大小, 并在Census变换中引入噪声容限参数, 且将其改进Census代价与RGB颜色差值代价加权融合, 再采用四路径代价聚合策略完成初始代价聚合, 最后用WTA算法计算初始视差后通过后处理优化得到最终视差。实验结果表明所提算法误匹配率较低, 抗噪性能有较好提升。
视觉检测 立体匹配 自适应窗口 Census变换 代价融合 visual inspection stereo matching adaptive window Census transformation cost fusion
福州大学微纳器件与太阳能电池研究所，福建 福州 350108
针对半全局立体匹配算法在视差不连续区域精度较低的问题，提出一种基于融合代价和自适应惩罚项系数的半全局立体匹配算法。在代价计算部分，提出一种融合代价计算方法，引入输入图像方向的梯度，通过融合公式与输入图像方向的梯度、绝对差以及Census变换结合形成代价计算数据项；在代价聚合部分，提出一种像素点分类机制，通过颜色和梯度双阈值将每个像素点分类，自适应地调整其惩罚项系数的大小；最后通过多步骤视差优化方法对初始视差图进行处理。实验结果表明，提出算法在视差不连续区域的平均误差降低1.1个百分点~12.8个百分点，在非遮挡和全部区域同样有一定的降低，该算法具有较高的匹配精度和鲁棒性。
机器视觉 半全局立体匹配 融合代价 像素点分类机制 自适应系数 引导图滤波 激光与光电子学进展
2022, 59(16): 1615008
福州大学 微纳器件与太阳能电池研究所, 福州 350108
针对传统Census变换在匹配代价计算中易受噪声影响、匹配精度较低的问题, 提出一种引入噪声容限的四状态Census变换算法。在匹配代价计算中, 首先将改进的Census匹配代价与灰度绝对差值和梯度代价进行融合, 并加入相应的截断阈值, 以提高初始匹配代价空间的可靠性。然后通过引导图滤波进行代价聚合, 并采用赢家通吃策略计算初始视差值。最后通过左右一致性检验、视差填充和加权中值滤波来优化初始视差值, 得到最终视差图。实验结果表明, 所提算法的噪声鲁棒性优于传统Census变换算法, 且立体匹配算法的整体误匹配率降低至5.59%。
立体匹配 Census变换 抗噪 代价融合 代价空间 stereo matching Census transform anti-noise cost fusion cost volume
