CN108399630A - 一种复杂场景下感兴趣区域内目标快速测距方法 - Google Patents

Abstract

本发明公开了一种复杂场景下感兴趣区域内目标快速测距方法，该方法对于双目相机得到的双目图像进行如下处理：先在左图像中点选感兴趣区域，以点选点为中心截取感兴趣区域图像img；对感兴趣区域进行高斯滤波，对滤波后的图像求梯度图，在梯度图基础上进行分水岭分割操作，对分割后的提取的区域进行连通域标记，求得连通域质心点；利用归一化互相关匹配原理，对左图中提取出的质心点在右图像中进行同名点匹配；最后将匹配到的同名点对分别带入距离计算公式，计算目标距离；重复以上步骤，可对感兴趣区域内移动的目标物体进行实时距离测算。本发明采用了将分水岭分割与归一化互相关匹配相结合的技术，实现了感兴趣区域内移动目标的测距功能。

Description

一种复杂场景下感兴趣区域内目标快速测距方法

技术领域

本发明属于图像处理与立体视觉技术领域，具体涉及一种复杂场景下感兴趣区域内目标快速测距方法。

背景技术

视觉是人类观察世界、认知世界的重要手段，约80％的信息是由视觉获取的。机器视觉是研究用计算机模拟生物外显或视觉功能的科学和技术，双目立体视觉是机器视觉中的重要形式之一，距离测量作为障碍物检测以及路径规划的前提和基础是双目立体视觉测距的重要应用之一。

双目立体视觉测距方法，具有信息丰富、探测距离广等优点，可通过左右相机提供的图像信息能够比较准地恢复出视场内的三维信息，但由于视差的存在，使得双目立体视觉测距存在左右图像同名点难于匹配的问题。近几年，很多学者提出了许多立体匹配算法，有些匹配精度很高，但适用场景比较固定，有些以增加计算量提高匹配精度，同样不具有通用性。

发明内容

为了解决上述技术问题，本发明提出一种复杂场景下感兴趣区域内目标快速测距方法，该方法能够很好解决双目立体视觉测距中由于视差存在而导致的左右图像同名点难于匹配的问题。本发明计算代价小，效率高，同名点提取准确率高，对实时性要求较高的场景，如双目实时测距系统，有一定参考。

实施本发明的技术方案如下：

一种复杂场景下感兴趣区域内目标快速测距方法，具体过程为：

步骤1、利用成像设备获得被测区域双目图像，双目图像中包含左图像和右图像；

步骤2、在左图像中选取感兴趣区域，并截取感兴趣区域的图像img；

步骤3、对步骤2中截取的图像img进行区域分割，获得多个分割区域，每个分割区域都包含一个目标，提取各分割区域的质心点作为目标的质心点，获得这些质心点的坐标；

步骤4、选取一质心点，设该质心点的坐标为(xl，yl)，利用归一化互相关匹配原理，在右图像中对左图像中的质心点(xl，yl)进行同名点匹配，得到右图像中一点的坐标(xr，yr)，该点为点(xl，yl)在右图像中对应的同名点；

步骤5、将提取出的左、右图像的同名点坐标(xl，yl)与(xr，yr)代入双目距离计算公式，计算成像设备到目标的距离；

步骤6、重复步骤4和5，直到感兴趣区域内所有提取出的质心点均求得同名点，就能获得成像设备到感兴趣区域内所有目标的距离。

进一步的，步骤3具体为：

1)对图像img进行t倍的降采样，得到图像img1，所述具体倍数t依实际场景而定；

2)对图像img1进行高斯滤波，并求滤波后的梯度图g；

3)对梯度图g做分水岭分割，并求出所有分割区域的质心点坐标。

进一步的，步骤4具体为：

1)选取一质心点，设该质心点的坐标为(xl，yl)；

2)以质心点的坐标(xl，yl)为中心在左图像中截取m1*n1大小区域imgL做匹配模板，其中m1、n1依实际场景而定；

3)以质心点坐标(xl，yl)为中心在右图像中截取m2*n2大小区域imgR，为待匹配区域，其中m2、n2依实际场景而定；

4)求匹配模板imgL在待匹配区域imgR中的归一化互相关系数矩阵C，计算公式如下：

其中t(x,y)为匹配模板，为匹配模板均值，f(x,y)为待匹配区域，为待匹配区域对应模板大小区域的均值，其中u、v为矩阵的平移量，u的取值范围为[-(m1-1),(m2-1)]，v的取值范围为[-(n1-1),(n2-1)]；

5)找出矩阵C最大值坐标(xmax，ymax)，求出其在右图中相应的坐标点(xr，yr)，该点即为左图中(xl，yl)点的同名点。

有效益处

本发明提供的一种复杂场景下感兴趣区域内目标快速测距方法，和现有技术相比，其优点在于：

1)采用了归一化互相关匹配方法，提高了同名点匹配的准确率。

2)采用了基于分水岭的感兴趣区域目标自动分割方法，实现了感兴趣目标快速自动提取功能。

3)采用了将分水岭分割与归一化互相关匹配相结合的技术，实现了感兴趣区域内移动目标的实时测距功能。

附图说明

图1为本发明总体流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

一般而言，自动避障系统实现避障功能的关键问题之一是对障碍物的距离感知，本发明提供的一种复杂场景下感兴趣区域内目标快速测距方法,能够迅速、准确感知障碍物的距离。本发明总体流程图如图1所示，下面结合附图和实例对本发明作进一步详细的说明：

1)在左图像中点选感兴趣区域，并截取感兴趣区域图像img：

在左图像中以人点选的点为中心，截取m*n大小的感兴趣区域图像img。

2)对所有感兴趣区域图像img进行区域分割，并提取所有分割区域的质心坐标：

21)为了避免图像img中分割出过多区域，先对图像img进行t倍的降采样(具体倍数依实际场景而定)，得到图像img1；

22)对图像img1进行高斯滤波，并求滤波后的梯度图g；

23)对梯度图g做分水岭分割，并求出所有分割区域的质心点坐标。

3)利用归一化互相关匹配原理，对左图像中提取出的质心点进行同名点匹配：

31)选取一质心点，设该质心点的坐标为(xl，yl)；

32)以质心点坐标(xl，yl)为中心在左图像中截取m1*n1大小区域imgL做匹配模板；

33)以质心点坐标(xl，yl)为中心在右图像中截取m2*n2大小区域imgR，为待匹配区域；

34)求匹配模板imgL在待匹配区域imgR中的归一化互相关系数矩阵C，计算公式如下：

其中t(x,y)为匹配模板，在本发明中为imgL，为匹配模板均值，f(x,y)为待匹配图像，在本发明中为imgR，为待匹配区域对应模板大小区域的均值；

35)找出矩阵C最大值坐标(xmax，ymax)，求出其在右图中相应的坐标点(xr，yr)，该点即为左图中(xl，yl)点的同名点。

4)将提取出的同名点带入双目距离计算公式，计算目标距离

5)本发明中可实现感兴趣区域内所有提取出的目标实时测距，重复步骤3)与4)，直到感兴趣区域内所有提取出的质心点均求得同名点，我们可以得到成像设备到感兴趣区域内所有物体目标的距离。

本发明中的仿真步骤是以感兴趣区域内目标处于静止状态为示例进行说明的，由于该方法具有计算简单，匹配准确度高，运行速度快等特点，该方法同样适用于对感兴趣区域内移动的目标进行实时测距。可为自动避障系统提供距离感知，进行路径规划。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种复杂场景下感兴趣区域内目标快速测距方法，其特征在于，具体过程为：

步骤1、利用成像设备获得被测区域双目图像，双目图像中包含左图像和右图像；

步骤2、在左图像中选取感兴趣区域，并截取感兴趣区域的图像img；

步骤3、对步骤2中截取的图像img进行区域分割，获得多个分割区域，每个分割区域都包含一个目标，提取各分割区域的质心点作为目标的质心点，获得这些质心点的坐标；

步骤4、选取一质心点，设该质心点的坐标为(xl，yl)，利用归一化互相关匹配原理，在右图像中对左图像中的质心点(xl，yl)进行同名点匹配，得到右图像中一点的坐标(xr，yr)，该点为点(xl，yl)在右图像中对应的同名点；

步骤5、将提取出的左、右图像的同名点坐标(xl，yl)与(xr，yr)代入双目距离计算公式，计算成像设备到目标的距离；

步骤6、重复步骤4和5，直到感兴趣区域内所有提取出的质心点均求得同名点，就能获得成像设备到感兴趣区域内所有目标的距离。

2.根据权利1所述的一种复杂场景下感兴趣区域内目标快速测距方法，其特征在于，步骤3具体为：

1)对图像img进行t倍的降采样，得到图像img1；

2)对图像img1进行高斯滤波，并求滤波后的梯度图g；

3)对梯度图g做分水岭分割，并求出所有分割区域的质心点坐标。

3.根据权利1所述的一种复杂场景下感兴趣区域内目标快速测距方法，其特征在于，步骤4具体为：

1)选取一质心点，设该质心点的坐标为(xl，yl)；

2)以质心点的坐标(xl，yl)为中心在左图像中截取m1*n1大小区域imgL做匹配模板，其中m1、n1依实际场景而定；

3)以质心点坐标(xl，yl)为中心在右图像中截取m2*n2大小区域imgR，为待匹配区域，其中m2、n2依实际场景而定；

4)求匹配模板imgL在待匹配区域imgR中的归一化互相关系数矩阵C，计算公式如下：

其中t(x,y)为匹配模板，为匹配模板均值，f(x,y)为待匹配区域，为待匹配区域对应模板大小区域的均值，其中u、v为矩阵的平移量，u的取值范围为[-(m1-1),(m2-1)]，v的取值范围为[-(n1-1),(n2-1)]；

5)找出矩阵C最大值坐标(xmax，ymax)，求出其在右图中相应的坐标点(xr，yr)，该点即为左图中(xl，yl)点的同名点。