CN110533703A - 一种双目立体视差确定方法、装置及无人机 - Google Patents
一种双目立体视差确定方法、装置及无人机 Download PDFInfo
- Publication number
- CN110533703A CN110533703A CN201910833064.2A CN201910833064A CN110533703A CN 110533703 A CN110533703 A CN 110533703A CN 201910833064 A CN201910833064 A CN 201910833064A CN 110533703 A CN110533703 A CN 110533703A
- Authority
- CN
- China
- Prior art keywords
- value
- pixel
- matched
- cut
- parallax
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000007787 solid Substances 0.000 title claims abstract description 39
- 230000000379 polymerizing effect Effects 0.000 claims abstract description 174
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 36
- 230000015654 memory Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 19
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20228—Disparity calculation for image-based rendering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
Abstract
本发明涉及立体匹配技术领域,特别是涉及一种双目立体视差确定方法、装置及无人机。该方法应用于无人机的双目摄像装置,包括:根据待匹配图像与匹配图像,建立图像视差空间,图像视差空间包含待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个待匹配像素点的像素视差空间均包含待匹配像素点在不同视差下的代价聚合值;分别根据每一个待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;在基准像素点中,分别根据每一个基准像素点在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为目标视差。通过上述方式,本发明能够提高确定目标视差的准确性。
Description
技术领域
本发明实施例涉及立体匹配技术领域,特别是涉及一种双目立体视差确定方法、装置及无人机。
背景技术
无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。在无人机自主避障的过程中,一般通过双目摄像装置获取无人机前方环境的深度图来确定无人机前方环境存在的障碍物情况,进而根据所确定的障碍物情况实现避障。其中,双目摄像装置通过利用所拍摄的双目图像进行立体匹配来确定无人机前方环境的深度图。
目前,双目摄像装置对双目图像进行立体匹配时,主要确定待匹配图像上所有待匹配像素点在匹配图像中的对应点,进而根据所有待匹配像素点及其对应点之间的视差确定深度图,该种方式对待匹配图像上所有的待匹配像素点均进行对应点的查找,若待匹配像素点位于重复纹理场景或者无纹理场景时,则该待匹配像素点存在多个对应点,使得对应点的查找容易出错,导致待匹配像素点与对应点之间的视差确定错误,进而导致深度图错误,使得无人机判断的障碍物情况不准确,出现误检测的问题。
发明内容
本发明实施例旨在提供一种双目立体视差确定方法、装置及无人机,能够提高确定目标视差的准确性。
为解决上述技术问题,本发明实施例采用的一个技术方案是:提供一种双目立体视差确定方法,应用于无人机的双目摄像装置,所述方法包括:
根据待匹配图像与匹配图像,建立图像视差空间,所述图像视差空间包含所述待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个所述待匹配像素点的像素视差空间均包含所述待匹配像素点在不同视差下的代价聚合值;
分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;
在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
可选地,所述分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点,包括:
在每一个所述待匹配像素点的像素视差空间中,查找出代价聚合极值;
根据所述代价聚合极值,计算出所述像素视差空间的分界值;
根据所述分界值及所述代价聚合极值,筛选出基准像素点。
可选地,所述代价聚合极值包括最小极值、次最小极值、次次最小极值以及最大极值;所述分界值包括第一分界值、第二分界值以及第三分界值;则,
所述根据所述代价聚合极值,计算出所述像素视差空间的分界值,包括:
根据所述最小极值和所述最大极值,得到所述第一分界值;
根据所述第一分界值和所述最小极值,得到所述第二分界值;
根据所述第二分界值和所述最小极值,得到所述第三分界值。
可选地,所述第一分界值为所述最小极值和所述最大极值之和的二分之一;
所述第二分界值为所述第一分界值和所述最小极值之和的二分之一;
所述第三分界值为所述第二分界值和所述最小极值之和的二分之一。
可选地,所述根据所述分界值及所述代价聚合极值,筛选出基准像素点,包括:
判断所述次最小极值是否小于所述第三分界值;
若所述次最小极值小于所述第三分界值,则滤除所述待匹配像素点;
若所述次最小极值不小于所述第三分界值,则判断所述次次最小极值是否小于所述第二分界值的二分之一;
若所述次次最小极值小于所述第二分界值的二分之一,则滤除所述待匹配像素点;
若所述次次最小极值不小于所述第二分界值的二分之一,则选择所述待匹配像素点作为基准像素点。
可选地,所述分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差,包括:
在每一个所述基准像素点对应的代价聚合值中,查找出最小代价聚合值;
选择所述最小代价聚合值对应的所述视差作为目标视差。
可选地,所述方法还包括:
校正所述目标视差。
可选地,所述校正所述目标视差,包括:
通过抛物线插值法校正所述目标视差。
可选地,所述方法还包括:
通过SAD算法计算所述待匹配图像中每个待匹配像素点在不同视差下的代价聚合值。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种双目立体视差确定装置,应用于无人机的双目摄像装置,所述装置包括:
建立模块,用于根据待匹配图像与匹配图像,建立图像视差空间,所述图像视差空间包含所述待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个所述待匹配像素点的像素视差空间均包含所述待匹配像素点在不同视差下的代价聚合值;
筛选模块,用于分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;
确定模块,用于在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
可选地,所述筛选模块具体用于:
在每一个所述待匹配像素点的像素视差空间中,查找出代价聚合极值;
根据所述代价聚合极值,计算出所述像素视差空间的分界值;
根据所述分界值及所述代价聚合极值,筛选出基准像素点。
可选地,所述代价聚合极值包括最小极值、次最小极值、次次最小极值以及最大极值;所述分界值包括第一分界值、第二分界值以及第三分界值;则,
所述筛选模块具体用于:
根据所述最小极值和所述最大极值,得到所述第一分界值;
根据所述第一分界值和所述最小极值,得到所述第二分界值;
根据所述第二分界值和所述最小极值,得到所述第三分界值。
可选地,所述第一分界值为所述最小极值和所述最大极值之和的二分之一;
所述第二分界值为所述第一分界值和所述最小极值之和的二分之一;
所述第三分界值为所述第二分界值和所述最小极值之和的二分之一。
可选地,所述筛选模块具体用于:
判断所述次最小极值是否小于所述第三分界值;
若所述次最小极值小于所述第三分界值,则滤除所述待匹配像素点;
若所述次最小极值不小于所述第三分界值,则判断所述次次最小极值是否小于所述第二分界值的二分之一;
若所述次次最小极值小于所述第二分界值的二分之一,则滤除所述待匹配像素点;
若所述次次最小极值不小于所述第二分界值的二分之一,则选择所述待匹配像素点作为基准像素点。
可选地,所述确定模块具体用于:
在每一个所述基准像素点对应的代价聚合值中,查找出最小代价聚合值;
选择所述最小代价聚合值对应的所述视差作为目标视差。
可选地,所述装置还包括:
校正模块,用于校正所述目标视差。
可选地,所述校正模块具体用于:
通过抛物线插值法校正所述目标视差。
可选地,所述建立模块还用于:
通过SAD算法计算所述待匹配图像中每个待匹配像素点在不同视差下的代价聚合值。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种无人机,包括:
机身;
机臂,与所述机身相连;
动力装置,设于所述机臂;以及
双目摄像装置,与所述机身相连;
其中,所述双目摄像装置包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行以上所述的双目立体视差确定方法。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使无人机的双目摄像装置执行以上所述的双目立体视差确定方法。
本发明实施例的有益效果是:区别于现有技术的情况下,本发明实施例提供一种双目立体视差确定方法、装置及无人机,在双目立体视差确定方法中,通过每一个待匹配像素点的像素视差空间,对待匹配图像中的每个待匹配像素点进行筛选,筛选出满足预设匹配条件的待匹配像素点作为基准像素点后,才通过基准像素点确定目标视差,其中,不满足预设匹配条件的待匹配像素点可能位于重复纹理场景或者无纹理场景中,其所确定的目标视差容易出错,故筛选出满足预设匹配条件的待匹配像素点来确定目标视差,能够提高确定目标视差的准确性,进而减少在重复纹理场景或无纹理场景中的误检测问题。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明一实施例提供的一种无人机的结构示意图;
图2是匹配图像与待匹配图像的结构示意图;
图3是本发明一实施例提供的一种双目立体视差确定方法的流程示意图;
图4是本发明另一实施例提供的一种双目立体视差确定方法的流程示意图;
图5是本发明一实施例提供的一种双目立体视差确定装置的结构示意图;
图6是本发明另一实施例提供的一种双目立体视差确定装置的结构示意图;
图7是本发明一实施例提供的一种无人机的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外,下面所描述的本发明各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种双目立体视差确定方法及装置,该方法及装置应用于无人机的双目摄像装置,从而使得该无人机能够在自主避障过程中,通过双目摄像装置准确地确定目标视差,并根据目标视差获取准确的深度图后,能够根据所获取的深度图准确地确定前方环境存在的障碍物情况,减少误检测问题。其中,无人机可以是任何合适类型的搭载有双目摄像装置的高空无人机或者低空无人机,包括固定翼无人机、旋翼无人机、伞翼无人机或者扑翼无人机等。
下面,将通过具体实施例对本发明进行具体阐述。
实施例一
请参阅图1,是本发明其中一实施例提供的一种无人机100,该无人机100为四旋翼无人机,包括:机身10、机臂20、动力装置30、双目摄像装置40、起落架50、智能电池(图未示)以及飞控系统(图未示)。机臂20、双目摄像装置40以及起落架50均与机身10连接,动力装置30则设置于机臂20上,智能电池和飞控系统则设置于机身10内。其中,动力装置30、双目摄像装置40以及起落架50均与飞控系统通信连接,使得飞控系统能够通过动力装置30来控制无人机100的飞行,飞控系统还能够控制双目摄像装置40拍摄前方环境以及控制起落架50打开与收起。
优选地,机臂20数量为4,均匀分布于机身10四周,与机身10固定连接,用于承载动力装置30。其中,机臂20与机身10一体成型。
动力装置30包括电机以及与电机轴连接的螺旋桨,电机能够带动螺旋桨旋转以为无人机100提供升力或推力,实现飞行;电机还能够通过改变螺旋桨的转速及方向来改变无人机100的飞行方向。当动力装置30与飞控系统通信连接时,飞控系统能够通过控制电机来控制无人机100的飞行。
该动力装置30设置于机臂20未与机身10连接的一端,并通过电机连接机臂20。
优选地,在无人机100的4个机臂上均设置有动力装置30,以使无人机100能够平稳飞行。
双目摄像装置40则为双目相机,设置于机身10底部,用于拍摄前方环境,以得到同一时刻的同一场景在不同视角下的双目图像。其中,双目图像包括左图像和右图像,左图像和右图像的匹配点之间存在视差,双目摄像装置40能够通过对左图像和右图像进行立体匹配得到视差图。
其中,为了减少无人机100对障碍物的误检测问题,双目摄像装置40还用于执行双目立体视差确定方法,以提高确定目标视差的准确性,进而使得双目摄像装置40能够得到准确的视差图。
在其他一些实施例中,该双目摄像装置40还能够通过云台设置于机身10底部,以消除无人机100飞行过程中对双目摄像装置40造成的扰动,保证双目摄像装置40拍摄的双目图像清晰稳定。
起落架50则设置于机身10底部相对两侧,通过驱动装置连接于机身10,起落架50在驱动装置的驱动下能够进行打开与收起。在无人机100与地面接触时,驱动装置控制起落架50打开,以使无人机100能够通过起落架50与地面接触;在无人机100飞行过程中,驱动装置控制起落架50收起,以避免起落架50影响无人机100飞行。当起落架50与飞控系统通信连接时,飞控系统能够通过控制驱动装置来控制起落架50的打开与收起。
智能电池则用于为无人机100供电,以使无人机100的动力装置30、双目摄像装置40、起落架50以及飞控系统能够通电运行。其中,智能电池包括但不限于:干电池、铅蓄电池以及锂电池等。
飞控系统则与动力装置30、双目摄像装置40以及起落架50通过有线连接或者无线连接的方式进行通信连接。其中,无线连接包括但不限于:WiFi、蓝牙、ZigBee等。
其中,双目摄像装置40执行双目立体视差确定方法,具体包括:
双目摄像装置40拍摄得到同一时刻的同一场景在不同视角下的双目图像后,将得到的双目图像中任意一个确定为待匹配图像,另一个确定为匹配图像。
其中,双目图像包括左图像和右图像,左图像由位于双目摄像装置40左侧的摄像头拍摄,右图像由位于双目摄像装置40右侧的摄像头拍摄,双目摄像装置40拍摄的左图像和右图像大小一致,均为M*N。
可以将左图像确定为待匹配图像,右图像确定为匹配图像;也可以将左图像确定为匹配图像,右图像确定为待匹配图像。优选地,在本发明实施例中,将左图像确定为待匹配图像,将右图像确定为匹配图像。
其中,待匹配图像由M*N个排成行列的待匹配像素点组成,每个待匹配像素点均对应灰度值。
匹配图像则由M*N个排成行列的匹配像素点组成,每个匹配像素点均对应灰度值。
双目摄像装置40确定待匹配图像和匹配图像后,根据待匹配图像与匹配图像,建立图像视差空间。
其中,图像视差空间包含待匹配图像中每个待匹配像素点的像素视差空间,即待匹配图像中有多少个待匹配像素点,图像视差空间就由多少个像素视差空间组成,一个待匹配像素点对应一个像素视差空间。比如,待匹配图像中有M*N个待匹配像素点时,则图像视差空间包含M*N个像素视差空间。
其中,每一个待匹配像素点的像素视差空间均包含该待匹配像素点在不同视差下的代价聚合值。
基于此,根据待匹配图像与匹配图像,建立图像视差空间时,分别建立每一个待匹配像素点的像素视差空间。
具体地,分别建立每一个待匹配像素点的像素视差空间时,按照预设顺序在待匹配图像中提取一个待匹配像素点建立像素视差空间后,再按照预设顺序提取下一个待匹配像素点建立像素视差空间,直至按照预设顺序将待匹配图像中的待匹配像素点提取完毕。其中,预设顺序包括但不限于:横向蛇形、纵向蛇形、横向平行或者纵向平行等。比如:当预设顺序为横向蛇形时,先提取待匹配图像中第一行第一个待匹配像素点建立像素视差空间后,再提取待匹配图像中第一行第二个待匹配像素点建立像素视差空间。
对待匹配像素点建立像素视差空间时,首先,根据待匹配像素点的位置,在匹配图像中确定与待匹配像素点的位置相同的匹配像素点作为起始点。比如,请参阅图2,L为待匹配图像,R为匹配图像,当对待匹配像素点A0建立像素视差空间时,确定待匹配像素点A0的位置位于第一行第一列,因此,在匹配图像中,确定位于第一行第一列的匹配像素点B0作为起始点;同理,若对待匹配像素点A6建立像素视差空间时,确定待匹配像素点A6的位置位于第二行第二列,因此,在匹配图像中,确定位于第二行第二列的匹配像素点B6作为起始点。
其次,以起始点为起点,沿水平方向进行搜索,将预设视差搜索范围内每个视差下对应的匹配像素点确定为目标点。
其中,沿水平方向进行搜索即沿起始点所在行进行搜索。
预设视差搜索范围为待匹配像素点查找对应点的范围,亦即,待匹配像素点的对应点可能存在的范围。该预设视差搜索范围由对应点与待匹配像素点的最大视差以及对应点与待匹配像素点的最小视差进行确定,包括最大视差、最小视差以及最大视差和最小视差之间的所有视差。其中,视差为正整数。比如,预设视差搜索范围D为[0,3],则预设视差搜索范围D内的视差分别为0,1,2,3。
该预设视差搜索范围为预先设置的经验值。
举例而言,请参阅图2,当确定匹配像素点B0作为起始点,预设视差搜索范围为[0,3]时,以匹配像素点B0为起点,沿匹配像素点B0所在行——第一行进行搜索,可以确定匹配像素点B0与待匹配像素点A0的视差为0、匹配像素点B1与待匹配像素点A0的视差为1、匹配像素点B2与待匹配像素点A0的视差为2、匹配像素点B3与待匹配像素点A0的视差为3以及匹配像素点B4与待匹配像素点A0的视差为4,此时,因为预设视差搜索范围为0,1,2,3,因此,将视差为0时对应的匹配像素点B0确定为目标点1,将视差为1时对应的匹配像素点B1确定为目标点2,将视差为2时对应的匹配像素点B2确定为目标点3,将视差为3时对应的匹配像素点B3确定为目标点4。
然后,计算每个目标点的代价聚合值。
其中,计算每个目标点的代价聚合值,即分别计算目标点的代价聚合值。比如,计算目标点1的代价聚合值、计算目标点2的代价聚合值、计算目标点3的代价聚合值以及计算目标点4的代价聚合值。
具体地,能够通过局部匹配算法计算目标点的代价聚合值。局部匹配算法包括但不限于:绝对差值和(SAD)、截断绝对差值和(STAD)以及差值平方和(SSD)等。
优选地,在本发明实施例中,通过绝对差值和计算目标点的代价聚合值。举例而言,首先,确定目标点对应的待匹配像素点;其次,确定以目标点对应的待匹配像素点为中心,预设半径为半径的第一窗口,以及确定以目标点为中心,预设半径为半径的第二窗口;然后,计算第一窗口和第二窗口对应像素点的灰度差值;最后,将灰度差值的绝对值之和确定为目标点的代价聚合值。
比如,请参阅图2,计算目标点1——匹配像素点B0的代价聚合值时,由于目标点1是待匹配像素点A0对应的目标点,故确定目标点1对应的待匹配像素点为待匹配像素点A0;当预设半径为1时,以所确定的待匹配像素点A0为中心,确定半径为1的第一窗口P1,此时,所得到的第一窗口P1大小为3*3,包括待匹配像素点A0、A1、A5以及A6,然后,以目标点1——匹配像素点B0为中心,确定半径为1的第二窗口P2,此时,所得到的第二窗口P2大小为3*3,包括匹配像素点B0、B1、B5以及B6;当第一窗口P1和第二窗口P2重合时,待匹配像素点A0与匹配像素点B0对应,待匹配像素点A1与匹配像素点B1对应,待匹配像素点A5与匹配像素点B5对应,待匹配像素点A6与匹配像素点B6对应,故计算待匹配像素点A0与匹配像素点B0的灰度差值、待匹配像素点A1与匹配像素点B1的灰度差值、待匹配像素点A5与匹配像素点B5的灰度差值以及待匹配像素点A6与匹配像素点B6的灰度差值,然后,求取所计算出的待匹配像素点A0与匹配像素点B0的灰度差值的绝对值a1,求取所计算出的待匹配像素点A1与匹配像素点B1的灰度差值的绝对值a2,求取所计算出的待匹配像素点A5与匹配像素点B5的灰度差值的绝对值a3以及求取所计算出的待匹配像素点A6与匹配像素点B6的灰度差值的绝对值a4,并计算a1、a2、a3以及a4之和,此时,确定a1、a2、a3以及a4之和为目标点1的代价聚合值,即目标点1的代价聚合值S1=a1+a2+a3+a4。
同理,通过上述方法分别计算目标点2——匹配像素点B1的代价聚合值S2、计算目标点3——匹配像素点B2的代价聚合值S3以及计算目标点4——匹配像素点B3的代价聚合值S4。
最后,根据目标点的视差存储对应的代价聚合值,以形成像素视差空间。
比如,分别算出目标点1的代价聚合值S1、目标点2的代价聚合值S2、目标点3的代价聚合值S3以及目标点4的代价聚合值S4后,由于目标点1视差为0,故将S1存储为待匹配像素点A0在视差为0时的代价聚合值,由于目标点2视差为1,故将S2存储为待匹配像素点A0在视差为1时的代价聚合值,由于目标点3视差为2,故将S3存储为待匹配像素点A0在视差为3时的代价聚合值,由于目标点4视差为3,故将S4存储为待匹配像素点A0在视差为3时的代价聚合值,形成待匹配像素点A0的像素视差空间。
同理,通过上述方法分别建立待匹配像素点A1至A19的像素视差空间,由所建立的待匹配像素点A0至A19的像素视差空间形成图像视差空间。
可以理解的是,图像视差空间的大小与待匹配图像大小M*N以及预设视差搜索范围D内的视差个数N1相关,图像视差空间的大小为M*N*N1。比如,请参阅图2,由于待匹配图像L的大小为4*5,预设视差搜索范围D内的视差分别为0、1、2、3,个数为4,故形成的图像视差空间大小为4*5*4。
双目摄像装置40建立图像视差空间后,分别根据每一个待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点。
即根据图像视差空间中每一个待匹配像素点的像素视差空间,对每一个待匹配像素点进行筛选,确定待匹配像素点是否满足预设匹配条件,若待匹配像素点满足预设匹配条件,则筛选出该待匹配像素点作为基准像素点。比如,在根据待匹配图像L和匹配图像R建立的图像视差空间中,包括待匹配像素点A0至A19的像素视差空间,根据待匹配像素点A0的像素视差空间,对待匹配像素点A0进行筛选,确定待匹配像素点A0是否满足预设匹配条件,若待匹配像素点A0满足预设匹配条件,则筛选出待匹配像素点A0作为基准像素点后,再根据待匹配像素点A1的像素视差空间,对待匹配像素点A1进行筛选,确定待匹配像素点A1是否满足预设匹配条件,若待匹配像素点A1满足预设匹配条件,则筛选出待匹配像素点A1作为基准像素点;然后,再根据待匹配像素点A2的像素视差空间,对待匹配像素点A2进行筛选,确定待匹配像素点A2是否满足预设匹配条件,若待匹配像素点A2满足预设匹配条件,则筛选出待匹配像素点A2作为基准像素点,直至将待匹配像素点A0至A19全部筛选完毕。
其中,预设匹配条件为预先设置的用于指导双目摄像装置40滤除位于重复纹理场景或无纹理场景的待匹配像素点的条件。
具体地,对待匹配像素点进行筛选时,首先,在待匹配像素点的像素视差空间中,查找出代价聚合极值;然后,根据代价聚合极值,计算出像素视差空间的分界值;最后,根据分界值及代价聚合极值,筛选出基准像素点。
其中,代价聚合极值包括最小极值、次最小极值、次次最小极值和最大极值;分界值包括第一分界值、第二分界值和第三分界值。
当双目摄像装置40在待匹配像素点的像素视差空间中,查找出最小极值、次最小极值、次次最小极值和最大极值后,根据最小极值和最大极值计算出像素视差空间的第一分界值,并根据第一分界值和最小极值,计算出像素视差空间的第二分界值,然后根据第二分界值和最小极值,计算出像素视差空间的第三分界值。
其中,第一分界值为最小极值和最大极值之和的二分之一;第二分界值为第一分界值和最小极值之和的二分之一;第三分界值为第二分界值和最小极值之和的二分之一。
当双目摄像装置40计算出像素视差空间的第一分界值、第二分界值和第三分界值后,判断次最小极值是否小于第三分界值,若次最小极值小于第三分界值,则滤除待匹配像素点;若次最小极值不小于第三分界值,则判断次次最小极值是否小于第二分界值的二分之一,若次次最小极值小于第二分界值的二分之一,则滤除待匹配像素点;若次次最小极值不小于第二分界值的二分之一,则选择待匹配像素点作为基准像素点。
举例而言,当对待匹配像素点A0进行筛选时,确定待匹配像素点A0的像素视差空间中包括视差为0时的代价聚合值S1、视差为1时的代价聚合值S2、视差为2时的代价聚合值S3以及视差为3时的代价聚合值S4,假设代价聚合值S1为最小极值、S2为次最小极值、S3为次次最小极值、S4为最大极值,则双目摄像装置40在待匹配像素点A0的像素视差空间中,能够查找出最小极值、次最小极值、次次最小极值和最大极值,并确定最小极值为S1、次最小极值为S2、次次最小极值为S3和最大极值为S4;
然后,根据最小极值S1和最大极值S4计算出待匹配像素点A0的像素视差空间的第一分界值X1,X1=(S1+S4)/2;根据第一分界值X1和最小极值S1计算出待匹配像素点A0的像素视差空间的第二分界值X2,X2=(S1+X1)/2;根据第二分界值X2和最小极值S1计算出待匹配像素点A0的像素视差空间的第三分界值X3,X3=(S1+X2)/2;
然后,判断次最小极值S2是否小于第三分界值X3,若S2<X3,则认为待匹配像素点A0位于重复纹理场景或无纹理场景,容易导致目标视差确认出错,故滤除待匹配像素点A0;若S2≥X3,则判断次次最小极值S3是否小于第二分界值X2的二分之一,若S3<X2/2,则也认为待匹配像素点A0位于重复纹理场景或无纹理场景,容易导致目标视差确认出错,故滤除待匹配像素点A0;经过两次滤除之后,若S3≥X2/2,则认为通过待匹配像素点A0确认目标视差的准确率较高,选择待匹配像素点A0作为基准像素点。
同理,通过上述方法,依次对待匹配像素点A1至A19进行两次滤除的筛选,确定待匹配像素点A1至A19中哪些待匹配像素点能够作为基准像素点。
双目摄像装置40筛选出基准像素点后,分别根据每一个基准像素点在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为目标视差。
即对每一个基准像素点都确定一个目标视差,双目摄像装置40筛选出多少个基准像素点,就能够确定多少个目标视差,每个基准像素点对应一个目标视差。
比如,当确定待匹配像素点A0和待匹配像素点A1为基准像素点时,先根据待匹配像素点A0在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为待匹配像素点A0的目标视差后,再根据待匹配像素点A1在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为待匹配像素点A1的目标视差。
其中,分别根据每一个基准像素点在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为目标视差,具体包括:在每一个基准像素点对应的代价聚合值中,查找出最小代价聚合值后,选择最小代价聚合值对应的视差作为目标视差。
比如,先在待匹配像素点A0对应的代价聚合值中,查找出最小代价聚合值,选择最小代价聚合值对应的视差作为待匹配像素点A0的目标视差后,再在待匹配像素点A1对应的代价聚合值中,查找出最小代价聚合值,选择最小代价聚合值对应的视差作为待匹配像素点A1的目标视差。其中,确定待匹配像素点A0对应的代价聚合值包括视差为0时的代价聚合值S1、视差为1时的代价聚合值S2、视差为2时的代价聚合值S3以及视差为3时的代价聚合值S4,且S1最小,则在待匹配像素点A0对应的代价聚合值中能够查找出S1为最小代价聚合值,此时,选择S1对应的视差0作为待匹配像素点A0的目标视差,即待匹配像素点A0的目标视差为0;确定待匹配像素点A1对应的代价聚合值包括视差为0时的代价聚合值S5、视差为1时的代价聚合值S6、视差为2时的代价聚合值S7以及视差为3时的代价聚合值S8,且S7最小,则在待匹配像素点A1对应的代价聚合值中能够查找出S7为最小代价聚合值,此时,选择S7对应的视差2作为待匹配像素点A1的目标视差,即待匹配像素点A1的目标视差为2。
进一步地,为了提高目标视差的精度,在一些实施例中,双目摄像装置40确定目标视差后,还会对目标视差进行校正。
举例而言,能够通过抛物线插值法对目标视差进行校正,包括:确定与目标视差相邻的两个参考视差;提取每个参考视差的代价聚合值;根据两个参考视差及两个参考视差对应的代价聚合值,按照抛物线插值法构建插值函数;根据插值函数与目标视差,确定最终视差,将目标视差校正为最终视差。
其中,插值函数为:
d(x,y)为目标视差,Sd-1(x,y)为与目标视差相邻的前一个视差的代价聚合值,Sd+1(x,y)为与目标视差相邻的后一个视差的代价聚合值。
比如,对待匹配像素点A1的目标视差2,由于视差1和视差3与目标视差2相邻,故确定视差1和视差3为参考视差;由于视差为1时的代价聚合值为S6、视差为3时的代价聚合值为S8,故提取视差1的代价聚合值S6和视差3的代价聚合值S8;根据视差1及其对应的代价聚合值S6、视差3及其对应的代价聚合值S8,按照抛物线插值法构建插值函数,根据插值函数与目标视差2,确定最终视差。
在本发明实施例中,双目摄像装置通过每一个待匹配像素点的像素视差空间,对待匹配图像中的每一个待匹配像素点进行筛选,筛选出满足预设匹配条件的待匹配像素点作为基准像素点后,才通过基准像素点确定目标视差,能够滤除可能位于重复纹理或者无人理场景中的待匹配像素点,防止目标视差确定出错,提高确定目标视差的准确性,进而使得搭载双目摄像装置的无人机能够获取准确的深度图,减少在重复纹理场景或无纹理场景中的误检测问题。
实施例二
请参阅图3,是本发明其中一实施例提供的一种双目立体视差确定方法的流程示意图,应用于无人机,该无人机为上述实施例中所述的无人机100,而本发明实施例提供的方法由上述双目摄像装置40执行,用于提高确定目标视差的准确性,进而减少无人机在重复纹理或无纹理场景中的误检测问题,该双目立体视差确定方法包括:
S100:根据待匹配图像与匹配图像,建立图像视差空间。
其中,待匹配图像和匹配图像为双目摄像装置在不同视角下拍摄得到的同一时刻同一场景的双目图像,故待匹配图像和匹配图像大小一致,均为M*N。
待匹配图像由M*N个排成行列的待匹配像素点组成,每个待匹配像素点均对应灰度值。
匹配图像则由M*N个排成行列的匹配像素点组成,每个匹配像素点均对应灰度值。
图像视差空间则包含待匹配图像中每个待匹配像素点的像素视差空间,即待匹配图像中有多少个待匹配像素点,图像视差空间就由多少个像素视差空间组成,一个待匹配像素点对应一个像素视差空间。比如,待匹配图像中有M*N个待匹配像素点时,则图像视差空间包含M*N个像素视差空间。
其中,每一个待匹配像素点的像素视差空间均包含该待匹配像素点在不同视差下的代价聚合值。
基于此,根据待匹配图像与匹配图像,建立图像视差空间时,分别建立每一个待匹配像素点的像素视差空间。
具体地,分别建立每一个待匹配像素点的像素视差空间时,按照预设顺序在待匹配图像中提取一个待匹配像素点建立像素视差空间后,再按照预设顺序提取下一个待匹配像素点建立像素视差空间,直至按照预设顺序将待匹配图像中的待匹配像素点提取完毕。其中,预设顺序包括但不限于:横向蛇形、纵向蛇形、横向平行或者纵向平行等。比如:当预设顺序为横向蛇形时,先提取待匹配图像中第一行第一个待匹配像素点建立像素视差空间后,再提取待匹配图像中第一行第二个待匹配像素点建立像素视差空间。
在一些实施例中,对待匹配像素点建立像素视差空间时,首先,根据待匹配像素点的位置,在匹配图像中确定与待匹配像素点的位置相同的匹配像素点作为起始点。比如,请参阅图2,L为待匹配图像,R为匹配图像,当对待匹配像素点A0建立像素视差空间时,确定待匹配像素点A0的位置位于第一行第一列,因此,在匹配图像中,确定位于第一行第一列的匹配像素点B0作为起始点;同理,若对待匹配像素点A6建立像素视差空间时,确定待匹配像素点A6的位置位于第二行第二列,因此,在匹配图像中,确定位于第二行第二列的匹配像素点B6作为起始点。
其次,以起始点为起点,沿水平方向进行搜索,将预设视差搜索范围内每个视差下对应的匹配像素点确定为目标点。
其中,沿水平方向进行搜索即沿起始点所在行进行搜索。
预设视差搜索范围为待匹配像素点查找对应点的范围,亦即,待匹配像素点的对应点可能存在的范围。该预设视差搜索范围由对应点与待匹配像素点的最大视差以及对应点与待匹配像素点的最小视差进行确定,包括最大视差、最小视差以及最大视差和最小视差之间的所有视差。其中,视差为正整数。比如,预设视差搜索范围D为[0,3],则预设视差搜索范围D内的视差分别为0,1,2,3。
该预设视差搜索范围为预先设置的经验值。
举例而言,请参阅图2,当确定匹配像素点B0作为起始点,预设视差搜索范围为[0,3]时,以匹配像素点B0为起点,沿匹配像素点B0所在行——第一行进行搜索,可以确定匹配像素点B0与待匹配像素点A0的视差为0、匹配像素点B1与待匹配像素点A0的视差为1、匹配像素点B2与待匹配像素点A0的视差为2、匹配像素点B3与待匹配像素点A0的视差为3以及匹配像素点B4与待匹配像素点A0的视差为4,此时,因为预设视差搜索范围为0,1,2,3,因此,将视差为0时对应的匹配像素点B0确定为目标点1,将视差为1时对应的匹配像素点B1确定为目标点2,将视差为2时对应的匹配像素点B2确定为目标点3,将视差为3时对应的匹配像素点B3确定为目标点4。
然后,计算每个目标点的代价聚合值。
其中,计算每个目标点的代价聚合值,即分别计算目标点的代价聚合值。比如,计算目标点1的代价聚合值、计算目标点2的代价聚合值、计算目标点3的代价聚合值以及计算目标点4的代价聚合值。
具体地,能够通过局部匹配算法计算目标点的代价聚合值。局部匹配算法包括但不限于:绝对差值和(SAD)、截断绝对差值和(STAD)以及差值平方和(SSD)等。
优选地,在本发明实施例中,通过绝对差值和计算目标点的代价聚合值。举例而言,首先,确定目标点对应的待匹配像素点;其次,确定以目标点对应的待匹配像素点为中心,预设半径为半径的第一窗口,以及确定以目标点为中心,预设半径为半径的第二窗口;然后,计算第一窗口和第二窗口对应像素点的灰度差值;最后,将灰度差值的绝对值之和确定为目标点的代价聚合值。
比如,请参阅图2,计算目标点1——匹配像素点B0的代价聚合值时,由于目标点1是待匹配像素点A0对应的目标点,故确定目标点1对应的待匹配像素点为待匹配像素点A0;当预设半径为1时,以所确定的待匹配像素点A0为中心,确定半径为1的第一窗口P1,此时,所得到的第一窗口P1大小为3*3,包括待匹配像素点A0、A1、A5以及A6,然后,以目标点1——匹配像素点B0为中心,确定半径为1的第二窗口P2,此时,所得到的第二窗口P2大小为3*3,包括匹配像素点B0、B1、B5以及B6;当第一窗口P1和第二窗口P2重合时,待匹配像素点A0与匹配像素点B0对应,待匹配像素点A1与匹配像素点B1对应,待匹配像素点A5与匹配像素点B5对应,待匹配像素点A6与匹配像素点B6对应,故计算待匹配像素点A0与匹配像素点B0的灰度差值、待匹配像素点A1与匹配像素点B1的灰度差值、待匹配像素点A5与匹配像素点B5的灰度差值以及待匹配像素点A6与匹配像素点B6的灰度差值,然后,求取所计算出的待匹配像素点A0与匹配像素点B0的灰度差值的绝对值a1,求取所计算出的待匹配像素点A1与匹配像素点B1的灰度差值的绝对值a2,求取所计算出的待匹配像素点A5与匹配像素点B5的灰度差值的绝对值a3以及求取所计算出的待匹配像素点A6与匹配像素点B6的灰度差值的绝对值a4,并计算a1、a2、a3以及a4之和,此时,确定a1、a2、a3以及a4之和为目标点1的代价聚合值,即目标点1的代价聚合值S1=a1+a2+a3+a4。
同理,通过上述方法分别计算目标点2——匹配像素点B1的代价聚合值S2、计算目标点3——匹配像素点B2的代价聚合值S3以及计算目标点4——匹配像素点B3的代价聚合值S4。
最后,根据目标点的视差存储对应的代价聚合值,以形成像素视差空间。
比如,分别算出目标点1的代价聚合值S1、目标点2的代价聚合值S2、目标点3的代价聚合值S3以及目标点4的代价聚合值S4后,由于目标点1视差为0,故将S1存储为待匹配像素点A0在视差为0时的代价聚合值,由于目标点2视差为1,故将S2存储为待匹配像素点A0在视差为1时的代价聚合值,由于目标点3视差为2,故将S3存储为待匹配像素点A0在视差为3时的代价聚合值,由于目标点4视差为3,故将S4存储为待匹配像素点A0在视差为3时的代价聚合值,形成待匹配像素点A0的像素视差空间。
同理,通过上述方法分别建立待匹配像素点A1至A19的像素视差空间,由所建立的待匹配像素点A0至A19的像素视差空间形成图像视差空间。
可以理解的是,图像视差空间的大小与待匹配图像大小M*N以及预设视差搜索范围D内的视差个数N1相关,图像视差空间的大小为M*N*N1。比如,请参阅图2,由于待匹配图像L的大小为4*5,预设视差搜索范围D内的视差分别为0、1、2、3,个数为4,故形成的图像视差空间大小为4*5*4。
S200:分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点。
其中,预设匹配条件为预先设置的用于指导双目摄像装置滤除位于重复纹理场景或无纹理场景的待匹配像素点的条件。
分别根据每一个待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点,亦即,根据图像视差空间中每一个待匹配像素点的像素视差空间,对每一个待匹配像素点进行筛选,确定待匹配像素点是否满足预设匹配条件,若待匹配像素点满足预设匹配条件,则筛选出该待匹配像素点作为基准像素点。比如,在根据待匹配图像L和匹配图像R建立的图像视差空间中,包括待匹配像素点A0至A19的像素视差空间,根据待匹配像素点A0的像素视差空间,对待匹配像素点A0进行筛选,确定待匹配像素点A0是否满足预设匹配条件,若待匹配像素点A0满足预设匹配条件,则筛选出待匹配像素点A0作为基准像素点后,再根据待匹配像素点A1的像素视差空间,对待匹配像素点A1进行筛选,确定待匹配像素点A1是否满足预设匹配条件,若待匹配像素点A1满足预设匹配条件,则筛选出待匹配像素点A1作为基准像素点;然后,再根据待匹配像素点A2的像素视差空间,对待匹配像素点A2进行筛选,确定待匹配像素点A2是否满足预设匹配条件,若待匹配像素点A2满足预设匹配条件,则筛选出待匹配像素点A2作为基准像素点,直至将待匹配像素点A0至A19全部筛选完毕。
具体地,在一些实施例中,对待匹配像素点进行筛选时,首先,在待匹配像素点的像素视差空间中,查找出代价聚合极值;然后,根据代价聚合极值,计算出像素视差空间的分界值;最后,根据分界值及代价聚合极值,筛选出基准像素点。
其中,代价聚合极值包括最小极值、次最小极值、次次最小极值和最大极值;分界值包括第一分界值、第二分界值和第三分界值。
当在待匹配像素点的像素视差空间中,查找出最小极值、次最小极值、次次最小极值和最大极值后,根据最小极值和最大极值计算出像素视差空间的第一分界值,并根据第一分界值和最小极值,计算出像素视差空间的第二分界值,然后根据第二分界值和最小极值,计算出像素视差空间的第三分界值。
其中,第一分界值为最小极值和最大极值之和的二分之一;第二分界值为第一分界值和最小极值之和的二分之一;第三分界值为第二分界值和最小极值之和的二分之一。
当计算出像素视差空间的第一分界值、第二分界值和第三分界值后,判断次最小极值是否小于第三分界值,若次最小极值小于第三分界值,则滤除待匹配像素点;若次最小极值不小于第三分界值,则判断次次最小极值是否小于第二分界值的二分之一,若次次最小极值小于第二分界值的二分之一,则滤除待匹配像素点;若次次最小极值不小于第二分界值的二分之一,则选择待匹配像素点作为基准像素点。
举例而言,当对待匹配像素点A0进行筛选时,确定待匹配像素点A0的像素视差空间中包括视差为0时的代价聚合值S1、视差为1时的代价聚合值S2、视差为2时的代价聚合值S3以及视差为3时的代价聚合值S4,假设代价聚合值S1为最小极值、S2为次最小极值、S3为次次最小极值、S4为最大极值,则在待匹配像素点A0的像素视差空间中,能够查找出最小极值、次最小极值、次次最小极值和最大极值,并确定最小极值为S1、次最小极值为S2、次次最小极值为S3和最大极值为S4;
然后,根据最小极值S1和最大极值S4计算出待匹配像素点A0的像素视差空间的第一分界值X1,X1=(S1+S4)/2;根据第一分界值X1和最小极值S1计算出待匹配像素点A0的像素视差空间的第二分界值X2,X2=(S1+X1)/2;根据第二分界值X2和最小极值S1计算出待匹配像素点A0的像素视差空间的第三分界值X3,X3=(S1+X2)/2;
然后,判断次最小极值S2是否小于第三分界值X3,若S2<X3,则认为待匹配像素点A0位于重复纹理场景或无纹理场景,容易导致目标视差确认出错,故滤除待匹配像素点A0;若S2≥X3,则判断次次最小极值S3是否小于第二分界值X2的二分之一,若S3<X2/2,则也认为待匹配像素点A0位于重复纹理场景或无纹理场景,容易导致目标视差确认出错,故滤除待匹配像素点A0;经过两次滤除之后,若S3≥X2/2,则认为通过待匹配像素点A0确认目标视差的准确率较高,选择待匹配像素点A0作为基准像素点。
同理,通过上述方法,依次对待匹配像素点A1至A19进行两次滤除的筛选,确定待匹配像素点A1至A19中哪些待匹配像素点能够作为基准像素点。
S300:在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
即对每一个基准像素点都确定一个目标视差,双目摄像装置筛选出多少个基准像素点,就能够确定多少个目标视差,每个基准像素点对应一个目标视差。
比如,当确定待匹配像素点A0和待匹配像素点A1为基准像素点时,先根据待匹配像素点A0在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为待匹配像素点A0的目标视差后,再根据待匹配像素点A1在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为待匹配像素点A1的目标视差。
在一些实施例中,分别根据每一个基准像素点在每个视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的视差作为目标视差,具体包括:在每一个基准像素点对应的代价聚合值中,查找出最小代价聚合值后,选择最小代价聚合值对应的视差作为目标视差。
比如,先在待匹配像素点A0对应的代价聚合值中,查找出最小代价聚合值,选择最小代价聚合值对应的视差作为待匹配像素点A0的目标视差后,再在待匹配像素点A1对应的代价聚合值中,查找出最小代价聚合值,选择最小代价聚合值对应的视差作为待匹配像素点A1的目标视差。其中,确定待匹配像素点A0对应的代价聚合值包括视差为0时的代价聚合值S1、视差为1时的代价聚合值S2、视差为2时的代价聚合值S3以及视差为3时的代价聚合值S4,且S1最小,则在待匹配像素点A0对应的代价聚合值中能够查找出S1为最小代价聚合值,此时,选择S1对应的视差0作为待匹配像素点A0的目标视差,即待匹配像素点A0的目标视差为0;确定待匹配像素点A1对应的代价聚合值包括视差为0时的代价聚合值S5、视差为1时的代价聚合值S6、视差为2时的代价聚合值S7以及视差为3时的代价聚合值S8,且S7最小,则在待匹配像素点A1对应的代价聚合值中能够查找出S7为最小代价聚合值,此时,选择S7对应的视差2作为待匹配像素点A1的目标视差,即待匹配像素点A1的目标视差为2。
进一步地,请参阅图4,在一些实施例中,为了提高目标视差的精度,步骤S300确定目标视差后,该方法还包括:
S400:校正所述目标视差。
其中,能够通过抛物线插值法对目标视差进行校正,包括:确定与目标视差相邻的两个参考视差;提取每个参考视差的代价聚合值;根据两个参考视差及两个参考视差对应的代价聚合值,按照抛物线插值法构建插值函数;根据插值函数与目标视差,确定最终视差,将目标视差校正为最终视差。
其中,插值函数为:
d(x,y)为目标视差,Sd-1(x,y)为与目标视差相邻的前一个视差的代价聚合值,Sd+1(x,y)为与目标视差相邻的后一个视差的代价聚合值。
比如,对待匹配像素点A1的目标视差2,由于视差1和视差3与目标视差2相邻,故确定视差1和视差3为参考视差;由于视差为1时的代价聚合值为S6、视差为3时的代价聚合值为S8,故提取视差1的代价聚合值S6和视差3的代价聚合值S8;根据视差1及其对应的代价聚合值S6、视差3及其对应的代价聚合值S8,按照抛物线插值法构建插值函数,根据插值函数与目标视差2,确定最终视差。
在本发明实施例中,通过每一个待匹配像素点的像素视差空间,对待匹配图像中的每一个待匹配像素点进行筛选,筛选出满足预设匹配条件的待匹配像素点作为基准像素点后,才通过基准像素点确定目标视差,能够滤除可能位于重复纹理或者无人理场景中的待匹配像素点,防止目标视差确定出错,提高确定目标视差的准确性,进而使得无人机能够获取准确的深度图,减少在重复纹理场景或无纹理场景中的误检测问题。
实施例三
以下所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能被构想的。
请参阅图5,是本发明其中一实施例提供的一种双目立体视差确定装置,该装置应用于无人机,该无人机为上述实施例中所述的无人机100,而本发明实施例提供的装置各个模块的功能由上述双目摄像装置40执行,用于提高确定目标视差的准确性,进而减少无人机在重复纹理或无纹理场景中的误检测问题,该双目立体视差确定装置包括:
建立模块200,用于根据待匹配图像与匹配图像,建立图像视差空间,所述图像视差空间包含所述待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个所述待匹配像素点的像素视差空间均包含所述待匹配像素点在不同视差下的代价聚合值;
筛选模块300,用于分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;
确定模块400,用于在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
在一些实施例中,所述筛选模块300具体用于:
在每一个所述待匹配像素点的像素视差空间中,查找出代价聚合极值;
根据所述代价聚合极值,计算出所述像素视差空间的分界值;
根据所述分界值及所述代价聚合极值,筛选出基准像素点。
在一些实施例中,所述代价聚合极值包括最小极值、次最小极值、次次最小极值以及最大极值;所述分界值包括第一分界值、第二分界值以及第三分界值;则,
所述筛选模块300具体用于:
根据所述最小极值和所述最大极值,得到所述第一分界值;
根据所述第一分界值和所述最小极值,得到所述第二分界值;
根据所述第二分界值和所述最小极值,得到所述第三分界值。
在一些实施例中,所述第一分界值为所述最小极值和所述最大极值之和的二分之一;
所述第二分界值为所述第一分界值和所述最小极值之和的二分之一;
所述第三分界值为所述第二分界值和所述最小极值之和的二分之一。
在一些实施例中,所述筛选模块300具体用于:
判断所述次最小极值是否小于所述第三分界值;
若所述次最小极值小于所述第三分界值,则滤除所述待匹配像素点;
若所述次最小极值不小于所述第三分界值,则判断所述次次最小极值是否小于所述第二分界值的二分之一;
若所述次次最小极值小于所述第二分界值的二分之一,则滤除所述待匹配像素点;
若所述次次最小极值不小于所述第二分界值的二分之一,则选择所述待匹配像素点作为基准像素点。
在一些实施例中,所述确定模块400具体用于:
在每一个所述基准像素点对应的代价聚合值中,查找出最小代价聚合值;
选择所述最小代价聚合值对应的所述视差作为目标视差。
请参阅图6,为了提高目标视差的精度,在一些实施例中,双目立体视差确定装置还包括:
校正模块500,用于校正所述目标视差。
在一些实施例中,所述校正模块500具体用于:
通过抛物线插值法校正所述目标视差。
在一些实施例中,所述建立模块200还用于:
通过SAD算法计算所述待匹配图像中每个待匹配像素点在不同视差下的代价聚合值。
当然,在其他一些可替代实施例中,上述建立模块200、筛选模块300、确定模块400以及校正模块500可以为双目摄像装置400的图像处理芯片。
由于装置实施例和方法实施例是基于同一构思,在内容不互相冲突的前提下,装置实施例的内容可以引用方法实施例的,在此不再一一赘述。
在本发明实施例中,通过每一个待匹配像素点的像素视差空间,对待匹配图像中的每一个待匹配像素点进行筛选,筛选出满足预设匹配条件的待匹配像素点作为基准像素点后,才通过基准像素点确定目标视差,能够滤除可能位于重复纹理或者无人理场景中的待匹配像素点,防止目标视差确定出错,提高确定目标视差的准确性,进而使得无人机能够获取准确的深度图,减少在重复纹理场景或无纹理场景中的误检测问题。
实施例四
请参阅图7,是本发明其中一实施例提供的一种无人机的硬件结构示意图,本发明实施例提供的硬件模块能够集成于上述实施例所述的双目摄像装置40内,使得双目摄像装置40能够执行以上实施例所述的一种双目立体视差确定方法,还能实现以上实施例所述的一种双目立体视差确定装置的各个模块的功能。该无人机100包括:
一个或多个处理器110以及存储器120。其中,图7中以一个处理器110为例。
处理器110和存储器120可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器120作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明上述实施例中的一种双目立体视差确定方法对应的程序指令以及一种双目立体视差确定装置对应的模块(例如,建立模块200、筛选模块300和确定模块400等)。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及模块,从而执行一种双目立体视差确定方法的各种功能应用以及数据处理,即实现上述方法实施例中的一种双目立体视差确定方法以及上述装置实施例的各个模块的功能。
存储器120可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种双目立体视差确定装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据,包括预设顺序、预设半径、预设视差搜索范围、预设匹配条件以及预设聚合条件等。
此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器120可选包括相对于处理器110远程设置的存储器,这些远程存储器可以通过网络连接至处理器110。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器120中,当被所述一个或者多个处理器110执行时,执行上述任意方法实施例中的一种双目立体视差确定方法的各个步骤,或者,实现上述任意装置实施例中的一种双目立体视差确定装置的各个模块的功能。
上述产品可执行本发明上述实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明上述实施例所提供的方法。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图7中的一个处理器110,可使得计算机执行上述任意方法实施例中的一种双目立体视差确定方法的各个步骤,或者,实现上述任意装置实施例中的一种双目立体视差确定装置的各个模块的功能。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被一个或多个处理器执行,例如图7中的一个处理器110,可使得计算机执行上述任意方法实施例中的一种双目立体视差确定方法的各个步骤,或者,实现上述任意装置实施例中的一种双目立体视差确定装置的各个模块的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施方法的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (20)
1.一种双目立体视差确定方法,应用于无人机的双目摄像装置,其特征在于,所述方法包括:
根据待匹配图像与匹配图像,建立图像视差空间,所述图像视差空间包含所述待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个所述待匹配像素点的像素视差空间均包含所述待匹配像素点在不同视差下的代价聚合值;
分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;
在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
2.根据权利要求1所述的方法,其特征在于,所述分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点,包括:
在每一个所述待匹配像素点的像素视差空间中,查找出代价聚合极值;
根据所述代价聚合极值,计算出所述像素视差空间的分界值;
根据所述分界值及所述代价聚合极值,筛选出基准像素点。
3.根据权利要求2所述的方法,其特征在于,所述代价聚合极值包括最小极值、次最小极值、次次最小极值以及最大极值;所述分界值包括第一分界值、第二分界值以及第三分界值;则,
所述根据所述代价聚合极值,计算出所述像素视差空间的分界值,包括:
根据所述最小极值和所述最大极值,得到所述第一分界值;
根据所述第一分界值和所述最小极值,得到所述第二分界值;
根据所述第二分界值和所述最小极值,得到所述第三分界值。
4.根据权利要求3所述的方法,其特征在于,
所述第一分界值为所述最小极值和所述最大极值之和的二分之一;
所述第二分界值为所述第一分界值和所述最小极值之和的二分之一;
所述第三分界值为所述第二分界值和所述最小极值之和的二分之一。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述分界值及所述代价聚合极值,筛选出基准像素点,包括:
判断所述次最小极值是否小于所述第三分界值;
若所述次最小极值小于所述第三分界值,则滤除所述待匹配像素点;
若所述次最小极值不小于所述第三分界值,则判断所述次次最小极值是否小于所述第二分界值的二分之一;
若所述次次最小极值小于所述第二分界值的二分之一,则滤除所述待匹配像素点;
若所述次次最小极值不小于所述第二分界值的二分之一,则选择所述待匹配像素点作为基准像素点。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差,包括:
在每一个所述基准像素点对应的代价聚合值中,查找出最小代价聚合值;
选择所述最小代价聚合值对应的所述视差作为目标视差。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
校正所述目标视差。
8.根据权利要求7所述的方法,其特征在于,所述校正所述目标视差,包括:
通过抛物线插值法校正所述目标视差。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述方法还包括:
通过SAD算法计算所述待匹配图像中每个待匹配像素点在不同视差下的代价聚合值。
10.一种双目立体视差确定装置,应用于无人机的双目摄像装置,其特征在于,所述装置包括:
建立模块,用于根据待匹配图像与匹配图像,建立图像视差空间,所述图像视差空间包含所述待匹配图像中每个待匹配像素点的像素视差空间,其中,每一个所述待匹配像素点的像素视差空间均包含所述待匹配像素点在不同视差下的代价聚合值;
筛选模块,用于分别根据每一个所述待匹配像素点的像素视差空间,筛选出满足预设匹配条件的待匹配像素点作为基准像素点;
确定模块,用于在所述基准像素点中,分别根据每一个所述基准像素点在每个所述视差下的代价聚合值,确定满足预设聚合条件的代价聚合值对应的所述视差作为目标视差。
11.根据权利要求10所述的装置,其特征在于,所述筛选模块具体用于:
在每一个所述待匹配像素点的像素视差空间中,查找出代价聚合极值;
根据所述代价聚合极值,计算出所述像素视差空间的分界值;
根据所述分界值及所述代价聚合极值,筛选出基准像素点。
12.根据权利要求11所述的装置,其特征在于,所述代价聚合极值包括最小极值、次最小极值、次次最小极值以及最大极值;所述分界值包括第一分界值、第二分界值以及第三分界值;则,
所述筛选模块具体用于:
根据所述最小极值和所述最大极值,得到所述第一分界值;
根据所述第一分界值和所述最小极值,得到所述第二分界值;
根据所述第二分界值和所述最小极值,得到所述第三分界值。
13.根据权利要求12所述的装置,其特征在于,
所述第一分界值为所述最小极值和所述最大极值之和的二分之一;
所述第二分界值为所述第一分界值和所述最小极值之和的二分之一;
所述第三分界值为所述第二分界值和所述最小极值之和的二分之一。
14.根据权利要求12或13所述的装置,其特征在于,所述筛选模块具体用于:
判断所述次最小极值是否小于所述第三分界值;
若所述次最小极值小于所述第三分界值,则滤除所述待匹配像素点;
若所述次最小极值不小于所述第三分界值,则判断所述次次最小极值是否小于所述第二分界值的二分之一;
若所述次次最小极值小于所述第二分界值的二分之一,则滤除所述待匹配像素点;
若所述次次最小极值不小于所述第二分界值的二分之一,则选择所述待匹配像素点作为基准像素点。
15.根据权利要求10至14中任一项所述的装置,其特征在于,所述确定模块具体用于:
在每一个所述基准像素点对应的代价聚合值中,查找出最小代价聚合值;
选择所述最小代价聚合值对应的所述视差作为目标视差。
16.根据权利要求10至15中任一项所述的装置,其特征在于,所述装置还包括:
校正模块,用于校正所述目标视差。
17.根据权利要求16所述的装置,其特征在于,所述校正模块具体用于:
通过抛物线插值法校正所述目标视差。
18.根据权利要求10至17中任一项所述的装置,其特征在于,所述建立模块还用于:
通过SAD算法计算所述待匹配图像中每个待匹配像素点在不同视差下的代价聚合值。
19.一种无人机,其特征在于,包括:
机身;
机臂,与所述机身相连;
动力装置,设于所述机臂;以及
双目摄像装置,与所述机身相连;
其中,所述双目摄像装置包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1至9中任一项所述的双目立体视差确定方法。
20.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使无人机的双目摄像装置执行如权利要求1至9中任一项所述的双目立体视差确定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833064.2A CN110533703B (zh) | 2019-09-04 | 2019-09-04 | 一种双目立体视差确定方法、装置及无人机 |
PCT/CN2020/113584 WO2021043285A1 (zh) | 2019-09-04 | 2020-09-04 | 一种双目立体视差确定方法、装置及无人机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833064.2A CN110533703B (zh) | 2019-09-04 | 2019-09-04 | 一种双目立体视差确定方法、装置及无人机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533703A true CN110533703A (zh) | 2019-12-03 |
CN110533703B CN110533703B (zh) | 2022-05-03 |
Family
ID=68666834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910833064.2A Active CN110533703B (zh) | 2019-09-04 | 2019-09-04 | 一种双目立体视差确定方法、装置及无人机 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110533703B (zh) |
WO (1) | WO2021043285A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311667A (zh) * | 2020-02-14 | 2020-06-19 | 苏州浪潮智能科技有限公司 | 一种内容自适应双目匹配方法和装置 |
WO2021043285A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳市道通智能航空技术有限公司 | 一种双目立体视差确定方法、装置及无人机 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677261B (zh) * | 2022-05-27 | 2022-08-26 | 绍兴埃瓦科技有限公司 | 一种视差处理电路和视差处理系统及其方法 |
CN115297249B (zh) * | 2022-09-28 | 2023-01-06 | 深圳慧源创新科技有限公司 | 一种双目摄像头及双目避障方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887589A (zh) * | 2010-06-13 | 2010-11-17 | 东南大学 | 一种基于立体视觉的实拍低纹理图像重建方法 |
CN103226821A (zh) * | 2013-04-27 | 2013-07-31 | 山西大学 | 基于视差图像素分类校正优化的立体匹配方法 |
CN104853184A (zh) * | 2015-05-27 | 2015-08-19 | 天津大学 | 一种影响立体图像舒适度的视差范围的检测方法 |
CN106815594A (zh) * | 2015-11-30 | 2017-06-09 | 展讯通信(上海)有限公司 | 立体匹配方法及装置 |
CN107316326A (zh) * | 2017-06-29 | 2017-11-03 | 海信集团有限公司 | 应用于双目立体视觉的基于边的视差图计算方法和装置 |
CN108257165A (zh) * | 2018-01-03 | 2018-07-06 | 上海兴芯微电子科技有限公司 | 图像立体匹配方法、双目视觉设备 |
CN108846858A (zh) * | 2018-06-01 | 2018-11-20 | 南京邮电大学 | 一种计算机视觉的立体匹配算法 |
CN109961417A (zh) * | 2017-12-26 | 2019-07-02 | 广州极飞科技有限公司 | 图像处理方法、装置及移动装置控制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101748780B1 (ko) * | 2016-12-02 | 2017-06-19 | (주) 비전에스티 | 스테레오 카메라를 이용한 도로객체 인식방법 및 장치 |
CN106780590B (zh) * | 2017-01-03 | 2019-12-24 | 成都通甲优博科技有限责任公司 | 一种深度图的获取方法及系统 |
CN110148181A (zh) * | 2019-04-25 | 2019-08-20 | 青岛康特网络科技有限公司 | 一种通用双目立体匹配方法 |
CN110533703B (zh) * | 2019-09-04 | 2022-05-03 | 深圳市道通智能航空技术股份有限公司 | 一种双目立体视差确定方法、装置及无人机 |
-
2019
- 2019-09-04 CN CN201910833064.2A patent/CN110533703B/zh active Active
-
2020
- 2020-09-04 WO PCT/CN2020/113584 patent/WO2021043285A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887589A (zh) * | 2010-06-13 | 2010-11-17 | 东南大学 | 一种基于立体视觉的实拍低纹理图像重建方法 |
CN103226821A (zh) * | 2013-04-27 | 2013-07-31 | 山西大学 | 基于视差图像素分类校正优化的立体匹配方法 |
CN104853184A (zh) * | 2015-05-27 | 2015-08-19 | 天津大学 | 一种影响立体图像舒适度的视差范围的检测方法 |
CN106815594A (zh) * | 2015-11-30 | 2017-06-09 | 展讯通信(上海)有限公司 | 立体匹配方法及装置 |
CN107316326A (zh) * | 2017-06-29 | 2017-11-03 | 海信集团有限公司 | 应用于双目立体视觉的基于边的视差图计算方法和装置 |
CN109961417A (zh) * | 2017-12-26 | 2019-07-02 | 广州极飞科技有限公司 | 图像处理方法、装置及移动装置控制方法 |
CN108257165A (zh) * | 2018-01-03 | 2018-07-06 | 上海兴芯微电子科技有限公司 | 图像立体匹配方法、双目视觉设备 |
CN108846858A (zh) * | 2018-06-01 | 2018-11-20 | 南京邮电大学 | 一种计算机视觉的立体匹配算法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021043285A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳市道通智能航空技术有限公司 | 一种双目立体视差确定方法、装置及无人机 |
CN111311667A (zh) * | 2020-02-14 | 2020-06-19 | 苏州浪潮智能科技有限公司 | 一种内容自适应双目匹配方法和装置 |
CN111311667B (zh) * | 2020-02-14 | 2022-05-17 | 苏州浪潮智能科技有限公司 | 一种内容自适应双目匹配方法和装置 |
US11651507B2 (en) | 2020-02-14 | 2023-05-16 | Inspur Suzhou Intelligent Technology Co., Ltd. | Content-adaptive binocular matching method and apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN110533703B (zh) | 2022-05-03 |
WO2021043285A1 (zh) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533703A (zh) | 一种双目立体视差确定方法、装置及无人机 | |
EP3955158A1 (en) | Object detection method and apparatus, electronic device, and storage medium | |
CN112912811B (zh) | 一种无人机路径规划方法、装置及无人机 | |
WO2017151641A1 (en) | Aerial three-dimensional scanner | |
CN204527663U (zh) | 一种无人驾驶飞行器 | |
US20210004972A1 (en) | Processing images to obtain environmental information | |
CN110262568A (zh) | 一种基于目标跟踪的无人机避障方法、装置及无人机 | |
EP3488603B1 (en) | Methods and systems for processing an image | |
CN109002055A (zh) | 一种基于无人机的高精度自动巡检方法及系统 | |
CN106767706A (zh) | 一种无人机勘查交通事故现场的航拍图像采集方法及系统 | |
CN106910217A (zh) | 视觉地图建立方法、计算装置、计算机存储介质和智能车辆 | |
CN106249751A (zh) | 一种倾斜三维航测数据的采集系统、采集方法及控制终端 | |
CN110163064A (zh) | 一种道路标志物的识别方法、装置及存储介质 | |
CN105045293B (zh) | 云台控制方法、外部载体控制方法及云台 | |
US20240153122A1 (en) | Binocular vision-based environment sensing method and apparatus, and unmanned aerial vehicle | |
CN109792484B (zh) | 无人自主飞行器中的图像处理 | |
CN112097770A (zh) | 一种多无人机协同全覆盖的路径规划方法、装置、存储介质及终端 | |
CN107907111A (zh) | 一种自动分布式空中三角测量解算方法 | |
CN117641107A (zh) | 拍摄控制方法和装置 | |
CN116661497A (zh) | 一种智能飞行汽车 | |
CN110121064B (zh) | 一种图像色彩调节方法、装置及无人机 | |
Fragoso et al. | Dynamically feasible motion planning for micro air vehicles using an egocylinder | |
CN110009595B (zh) | 一种图像数据处理方法、装置、图像处理芯片及飞行器 | |
CN113791640A (zh) | 一种图像获取方法、装置、飞行器和存储介质 | |
US20220345607A1 (en) | Image exposure method and device, unmanned aerial vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1 Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd. Address before: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1 Applicant before: AUTEL ROBOTICS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |