JPH02101584A - ステレオ画像処理方式 - Google Patents

ステレオ画像処理方式

Info

Publication number
JPH02101584A
JPH02101584A JP63253867A JP25386788A JPH02101584A JP H02101584 A JPH02101584 A JP H02101584A JP 63253867 A JP63253867 A JP 63253867A JP 25386788 A JP25386788 A JP 25386788A JP H02101584 A JPH02101584 A JP H02101584A
Authority
JP
Japan
Prior art keywords
parallax
neural network
artificial neural
input
stereo image
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.)
Pending
Application number
JP63253867A
Other languages
English (en)
Inventor
Eisaku Maeda
英作 前田
Masashi Okudaira
雅士 奥平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP63253867A priority Critical patent/JPH02101584A/ja
Publication of JPH02101584A publication Critical patent/JPH02101584A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 (発明の属する技術分野) 本発明は、ステレオ画像から物体の3次元位置を測定す
るステレオ画像処理方式に関するものである。
(従来の技術) 従来、ステレオ画像から視差を検出するための方法とし
ては、立体視差を検出するために適当な特微量を画像の
前処理によって抽出し、この特微量にもとづいて左右の
画像で対応をとる方法と、−層の人工神経回路網を構成
し、各人工神経間の結合関係をあらかじめ決定しておく
ことによって、この神経回路網で画像を繰り返し処理す
ることにより、画像の各画素の視差を検出する方法とが
あった。
上記従来技術においては、視差を検出しようとする画像
から視差を検出するために都合のよい特徴址を選択し抽
出しなければならない、または視差を検出するために都
合のよい人工神経間の結合関係を事前に定めておかなけ
ればならないなど、対象画像に関する知識にもとづいて
処理をしなければならないという問題点があった。また
人工神経回路網を構成するにあたって、大きな回路網に
入力と正解値を与えて学習させると1回路網が無意味な
局所安定点に落ち込んでしまう、したがって、学習のた
めの計算量が膨大になるなどの問題点があった。
本発明は、」二連した問題点を解消し、3層の人工神経
回路網を用いて任意のステレオ画像から視差を検出する
ことを目的とする。
(発明の構成) (発明の特徴と従来技術との差異) 本発明は上記目的を達成するため、ステレオ画像のエピ
ポーラ線上の対応点を検出する人工神経回路網と、この
人工神経回路網を一部とするエピポーラ線上で視差の大
きさが一致する画素列とその視差の大きさを検出する人
工神経回路網と、この人工神経回路網を一部とする画像
上での対応がとれかつエピポーラ線上での視差の大きさ
が一致しかつエピポーラ線に垂直な方向に視差の大きさ
が一致する画素列とその視差の大きさを検出する人工神
経回路網とで構成されたことを最も主要な特徴とする。
従来技術とは、対象画像に関する先験的な知識を用いる
ことなく、視差が既知の両像対群を用いて3層の人工神
経回路網の学習で行なう点が異なる。
即ち上記3層人工神経回路網の学習において、視差検出
における3つの過程で行なわれる。まず、左右像での対
応点を見つける過程、エピポーラ線に平行な方向の視差
の連続性を検出する過程、エピポーラ線に垂直な方向の
視差の連続性を検出する過程、の階層性を利用して、入
力画像とそれぞれの過程に対応して所望する結果だけを
人工神経回路網に提示することによって、ステレオ画像
から視差を検出する3層の人工神経回路網を構成し、こ
の人工神経回路網を用い任意のステレオ画像から視差を
検出することにある。
(実施例) 第1図は1本発明の一実施例によるステレオ画像処理方
式の全体構成を示すブロック図である。
図において、1−1.1−2は一対のステレオ画像を記
憶する画像メモリ部、1−3は学習用の視差が既知のス
テレオ画像及びその視差情報、及び視差を求めたい任意
の画像を蓄積した画像蓄積部。
1−4は視差を求める人工神経回路網部、1−5は人工
神経回路網から得られた視差情報と既知の視差情報を比
較する比較器、1−6は得られたステレオ画像に対し決
定された視差情報を送出する視差送出部である。
この動作を説明すると、まず画像蓄積部1−3から、後
で述べる階層的な学習手順に見合ってあらかしめ定めた
順に学習用の視差が既知のステレオ画像を画像メモリ部
1−1,1.−2に送出するとともに、その視差情報を
比較器1−5に送る。
人工神経回路網部1−4は画像メモリ部1−1゜1−2
の情報を入力として視差を検出し比較器1−5に送る。
この比較器1−5は既知の視差情報と人工神経回路網の
視差情報との差分情報を人工神経回路網部1−4に送り
、この人工神経回路網部1−4はこの差分情報から視差
決定パラメータを順次更新していく、このようにして学
習された人工神経回路網部1−4を用いて、画像蓄積部
1−3に蓄積された任意のステレオ画像データを画像メ
モリ部1−1.1−2に送出し、この際得られた人工神
経回路網部1−4の出力は、視差送出部1−6に視差情
報として送られる。
第2図は、第1図に示す人工神経回路網部1−4の一実
施例の構成を示すブロック図である。この1−4に相当
する人工神経回路網部2−3は、入力層2−3−1.中
間層2−3−2.出力層2−3−3と、それらの層間の
結合部2−3−4゜2−3−5とからなる。結合部2−
3−4.2−3−5は、となりあった層のすべてのユニ
ット間をつなぐ結合パラメータとして表される。その結
合パラメータは、以下のようにして階層的に決定される
。まず小さな人工神経回路網2−1をつくる。2−1は
入力層2−1−1.中間層2−1−2、出力層2−1−
3.層間の結合部2−1−4゜2−1−5からなる。
処理対象となるステレオ画像の大きさがそれぞれNh画
素申Nv画素、画像間の最大視差がD画素であると仮定
すると、入力層2−1−1は((2D+1)+1)個の
ユニットからなり、出力層2−1−3は(2D+1)個
のユニットからなる。
ここで一対のステレオ画像の1片方の画像の一点と、そ
の点と同一エピポーラ線上にあってかつその点と対応す
る位置からD画素以内にあるすべての画素からなる画素
列とを入力層の入力とした時1画素どうしの対応する点
のみを出力するように、結合部2−4−4.2−1−5
を決定する。
次にこうしてできた人工神経回路網をNh個並列に並べ
、となりあった層間にユニット間の結合部2−2−6.
2−2−7をさらに新たに加えることによって人工神経
回路網2−2をつくる。これは入力層2−2−1.中間
層2−2−2.出力層2−2−3.結合部2−2−4.
2−2−5からなる。
人工神経回路網2−1における中間層のユニット数をN
とすると、入力層2−2−1.中間層2−2−2.出力
層2−2−3のユニット数はそれぞれ(2申Nh)、 
(N * Nh)、 ((2D+ 1)傘Nh)である
、エピポーラ線上の画素列を入力とし、視差の大きさが
連続して同じである画素のみを検出してくるように学習
を行う、最後にこうしてできた人工神経回路網をNv個
並列に並べ、となりあった層間にユニット間の結合部2
−3−6.2−3−7をさらに新たに加えることによっ
て人工神経回路網2−3ができる。人工神経回路網2−
3は、(2串Nh傘Nv)個のユニットからなる入力層
2−3−1.(N*Nh*Nv)個ユニットからなる中
間層2−3−2.((2D+1)本Nh*Nv)個のユ
ニットからなる出力層2−3−4、及びとなりあった層
間の結合部2−3−4.2−3−5からなる。画像全体
を入力とし、エピポーラ線に平行な方向と垂直な方向に
視差の大きさが連続して同じである画素のみを検出して
くるよう学習を行う。
こうして学習させた人工神経回路網が人工神経回路網部
1−4である。
第3図は、一実施例における入力画像例3−1と出力画
像例3−2である。Nh画素INv画素からなる一対の
入カステレオ画像、左ステレオ画像3−1−1.右ステ
レオ画像3−1−2には、同一エビポーラ線上にある画
素列3−1−3.3−1−4がそれぞれ存在し、3−1
−5はその画素列上の一点を示す。3−2−1.3−2
−2.3−2−3.3−2−4は人工神経回路網部1−
4による出力結果であって、出力は大きさNh画素傘N
v画素の(2D+1)枚の画像3−2−1.3−2−2
.3−2−3.3−2−4からなる。この(2D+1)
枚の画像はそれぞれ視差の大きさ+D、+(D−1)、
・・・、+1.O,−2,1,・・・−(D−1)、−
Dに対応する。出力画像上の点3−2−5.3−2−6
.3−2−7.3−2−8は、入力画像上の一点3−1
−5と同じ位置にある出力画像3−2−1.3−2−2
.3−2−3゜3−2−4上の点である。3−2−5.
3−2−6.3−2−7.3−2−8のうちで、入力画
像上の一点3−1−5の視差の大きさに対応する点に、
大きな値が出力される。これらの値を比較することによ
り視差情報を決定する。
(発明の効果) 以上説明したように、本発明によれば、入力となるステ
レオ画像に関する知識を必要とせず視差が既知のステレ
オ画像を用いて学習することによって任意のステレオ画
像の視差を検出することが可能であり、また学習を階層
的に行うため学習回数の削減9局所安定点への収束回避
などの利点がある。
【図面の簡単な説明】
第1図は、本発明の一実施例によるステレオ画像処理方
式の構成を示すブロック図、第2図は。 神経回路網部1−4の構成を示すブロック図、第3図は
本発明の入出力の一例を示す図である。 1−1.1−2・・・画像メモリ、  1−3・・・画
像蓄積部、  1−4・・・人工神経回路網部、1−5
・・・比較器、  1−6・・・視差送出部。 2−1・・・第一に構成される人工神経回路網。 2−1−1・・・2−1の入力層、 2−1−2・・・
2−1の中間層、 2−1−3・・・2−1の出力層、
  2−1−4・・・2−1−1゜2−1−2間の結合
部、 2−1−5・・・2−1−2.2−1−3間の結
合部、 2−2・・・第二に構成される人工神経回路網
。 2−2−1・・・2−2の入力層、 2−2−2・・2
−2の中間層、 2−2−3・・・2−2の出力層、 
2−2−4・・・2−2−1゜2−2−2間の結合部、
 2−2−5・・・2−2−2.2−2−3間の結合部
、 2−2−6・・・2−2−1.2−2−2間に新た
につくられる結合部、 2−2−7・・・2−2−2.
2−2−3間に新たにつくられる結合部、 2−3・・
・最後に構成される人工神経回路網、 2−3−1・・
・2−3の入力層、 2−3−2・・・2−3の中間層
、2−3−3・・・2−3の出力層、2−3−4・・・
2−3−1.2−3−2間の結合部、2−3−5・・・
2−3−2.2−3−3間の結合部、  2−3−6・
・・2−3−1.2−3−2間に新たにつくられる結合
部、 2−3−7・・・2−3−2.2−3−3間に新たにつ
くられる結合部、 3−1・・・入力ステレオ画像例、
 3−1−1・・・3−1における左画像、 3−1−
2・・・3−1における右画像、 3−1−3・・・左
画像におけるエビポーラ線、  3−1−4・・・3−
1−3に対応する右画像におけるエピポーラ線、3−1
−5・・・3−1−3上の一点、3−2・・・出力画像
例、 3−2−1・・・視差+Dに相当する出力画像、
 3−2−2・・・視差+(D−1)に相当する出力画
像、3−2−3・・・視差−(D−1)に相当する出力
画像、3−2−4・・・視差−Dに相当する出力画像、
3−2−5・・・3−1−5に対応する位置にある3−
2−1上の点、 3−2−6・・・3−1−5に対応す
る位置にある3−2−2上の点、 3−2−7・・・3
−1−5に対応する位置にある3−2−3上の点、 3
−2−8・・・3−1−5に対応する位置にある3−2
−4上の点。 特許出願人 日本電信電話株式会社 第 図 第 図

Claims (2)

    【特許請求の範囲】
  1. (1)被写体を二つの異なる位置から撮像した画像に相
    当するステレオ画像から視差情報を求めるステレオ画像
    処理方式において、同一物理則にもとづく関係を有する
    入出力の組を順次与えることにより、与えられた入力か
    ら該物理則にもとづく出力またはその近似値を出力する
    よう学習可能な人工神経回路網と、前記ステレオ画像を
    記憶するための一対のメモリとを有し、あらかじめ視差
    が求められたステレオ画像を入力したとき出力が該視差
    を近似するように学習させた前記人工神経回路網を用い
    て、任意のステレオ画像を入力した神経回路網の出力を
    もって前記ステレオ画像の視差情報とすることを特徴と
    するステレオ画像処理方式。
  2. (2)前記人工神経回路網は、3層の人工神経回路網を
    構成し、左右の画像上の対応画素候補を見つけ出すこと
    と、次にエピポーラ線上の左右の画像の視差の連続性を
    満たすように対応画素候補の中から誤対応画素を取り除
    くことと、最後にエピポーラ線に垂直な方向の視差の連
    続性を満たすように対応画素候補の中から誤対応画素を
    取り除くこととを順次学習することによって、入力画像
    から各画素の視差の大きさを検出することを特徴とする
    請求項(1)記載のステレオ画像処理方式。
JP63253867A 1988-10-11 1988-10-11 ステレオ画像処理方式 Pending JPH02101584A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP63253867A JPH02101584A (ja) 1988-10-11 1988-10-11 ステレオ画像処理方式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP63253867A JPH02101584A (ja) 1988-10-11 1988-10-11 ステレオ画像処理方式

Publications (1)

Publication Number Publication Date
JPH02101584A true JPH02101584A (ja) 1990-04-13

Family

ID=17257235

Family Applications (1)

Application Number Title Priority Date Filing Date
JP63253867A Pending JPH02101584A (ja) 1988-10-11 1988-10-11 ステレオ画像処理方式

Country Status (1)

Country Link
JP (1) JPH02101584A (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013164351A (ja) * 2012-02-10 2013-08-22 Toyota Motor Corp ステレオ視差算出装置
JP2018206371A (ja) * 2017-06-02 2018-12-27 三菱電機株式会社 コンピューター実施画像再構成システムおよび画像再構成方法
JP2020535547A (ja) * 2018-02-01 2020-12-03 シェンチェン センスタイム テクノロジー カンパニー リミテッドShenzhen Sensetime Technology Co.,Ltd 深度推定方法及び装置、電子機器、プログラム並びに媒体
JP2021168463A (ja) * 2020-04-08 2021-10-21 ペキン シャオミ パインコーン エレクトロニクス カンパニー, リミテッド 全方位視差ビューの合成方法、装置および記憶媒体

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013164351A (ja) * 2012-02-10 2013-08-22 Toyota Motor Corp ステレオ視差算出装置
JP2018206371A (ja) * 2017-06-02 2018-12-27 三菱電機株式会社 コンピューター実施画像再構成システムおよび画像再構成方法
JP2020535547A (ja) * 2018-02-01 2020-12-03 シェンチェン センスタイム テクノロジー カンパニー リミテッドShenzhen Sensetime Technology Co.,Ltd 深度推定方法及び装置、電子機器、プログラム並びに媒体
US11308638B2 (en) 2018-02-01 2022-04-19 Shenzhen Sensetime Technology Co., Ltd. Depth estimation method and apparatus, electronic device, program, and medium
JP2021168463A (ja) * 2020-04-08 2021-10-21 ペキン シャオミ パインコーン エレクトロニクス カンパニー, リミテッド 全方位視差ビューの合成方法、装置および記憶媒体
US11245886B2 (en) 2020-04-08 2022-02-08 Beijing Xiaomi Pinecone Electronics Co., Ltd. Method and apparatus for synthesizing omni-directional parallax view, and storage medium

Similar Documents

Publication Publication Date Title
US7447380B2 (en) Efficient method for creating a viewpoint from plurality of images
Lu et al. 2-line exhaustive searching for real-time vanishing point estimation in manhattan world
CN111968129A (zh) 具有语义感知的即时定位与地图构建系统及方法
Won et al. Omnimvs: End-to-end learning for omnidirectional stereo matching
CN106910222A (zh) 基于双目立体视觉的人脸三维重建方法
Nakajima et al. Fast and accurate semantic mapping through geometric-based incremental segmentation
CN111127522B (zh) 基于单目相机的深度光流预测方法、装置、设备及介质
CN101621634A (zh) 动态前景分离的大幅面视频拼接方法
JPH07294215A (ja) 画像処理方法及び装置
Kim et al. Unpaired cross-spectral pedestrian detection via adversarial feature learning
CN116188825A (zh) 一种基于并行注意力机制的高效特征匹配方法
JPH02101584A (ja) ステレオ画像処理方式
JP2532985B2 (ja) 3次元画像評価装置
Wang et al. Real-time distributed tracking with non-overlapping cameras
Sun et al. Image stitching method of aerial image based on feature matching and iterative optimization
CN107292820A (zh) 图像拼接方法及装置
Liu et al. Pluckernet: Learn to register 3d line reconstructions
CN114187447A (zh) 一种基于实例分割的语义slam方法
Ogiue et al. Method of correction of rotated images using deep learning networks
Onmek et al. Evaluation of underwater 3D reconstruction methods for Archaeological Objects: Case study of Anchor at Mediterranean Sea
Amintabar et al. Homography-based plane identification and matching
JPH03125276A (ja) パタン処理方法
JPH02217969A (ja) ステレオ画像処理方式
Wang et al. Depth Estimation with Multi-camera Array
Vaillant et al. Genetic algorithms applied to binocular stereovision