双目立体匹配算法的fpga实现

《双目立体匹配算法的fpga实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、双目立体匹配算法的FPGA实现　　摘要：针对区域匹配算法在灰度变化比较大区域精度不高的问题，提出一种改进的匹配算法，利用sobel算子计算各像素点的梯度值，根据梯度幅度直方图获得自适应阈值，动态建立支持窗口，改进传统的Census变换，用窗口内所有像素均值代替中心像素进行Census变换，在左右图像中寻找最佳匹配点获得视差图，利用FPGA并行处理和硬件实现的优点，对大数据量实时地进行处理，提高运算效率，实验结果表明：改进的立体匹配算法和硬件结构能够获得精度较高的视差图，处理640×480的图像对只需32.4ms，　　关键词：立体匹配；Sobel算子；自适应阀值；Census变换；现场可编程

2、门阵列　　DOI：10.15938/j.jhust.2016.04.005　　中图分类号：TP391　　文献标志码：A　　文章编号：1007-2683（2016）04-0025-05　　0引言双目立体视觉是计算机视觉技术研究领域的热点问题，立体匹配是实现立体视觉的重要环节，匹配结果的精度则是制约立体视觉技术发展的瓶颈，立体匹配的算法大致可以分为全局匹配算法和局部匹配算法，其中区域匹配算法由于能够直接获取视差信息，算法复杂度也相对较低，因而广泛地应用在实时立体视觉系统的设计中，7　　区域匹配算法的性能很大程度上依赖匹配窗口的建立和相似性测度函数的选择，文根据分割区域动态选择窗口的形状和大小的

3、方法得到了较好效果，但对于复杂纹理图像，无法做到较精确的色彩分割，Yoon和Kweon利用像素间光度学和几何学关系调配窗口中像素的权值，本质上类似于分割的思想，但却回避了分割难题，此方法不依赖初始视差估计，同时在深度不连续和连续区域得到精确匹配，但其高时间计算复杂度问题有待解决，常用的相似性测度函数有像素灰度差的绝对值和（sumofabsolutedifferences，SAD）、及像素灰度差的平方和（sumofsquareddifferences，SSD）、以及非参数化方法的Rank变换和Census变换SSD、SDA算法容易受光照不均及遮挡问题的影响导致匹配误差增大，Rank变换的思想

4、类似滤波器，通过待匹配点与特征窗内各点灰度差，定义灰度等级Zabih把等级变换算法推广到Census变换，通过编码像素间的等级信息保留其空间分布，用加权平均编码信息匹配图像，由于这种方法依据灰度排序方式，提高了算法的鲁棒性，但同时增加了窗口图像信息的维度，计算更加复杂。　　虽然上述算法已经能够极大改善区域匹配的性能，但是对于存在灰度变化比较大区域的图像会出现视差图过渡平滑的现象，而且算法复杂度都比较高，难以满足立体视觉系统高速、实时的要求，本文结合边缘检测，利用Sobel梯度算子、梯度幅度直方图和Census变换改进基于传统Census变换的区域匹配算法，并且借助现场可编程门阵列（fiel

5、dpro―grammablegatearrays，FPGA）开发专用的硬件并行处理系统实现该算法，　　1.算法描述7　　1.1梯度幅值计算　　Sobel是一阶导数边缘检测算子，是一种有效的梯度计算方法，具体方法是通过3×3模板作为核与图像中的每个像素点做卷积和运算。　　利用Sobel算子计算图像中一点的梯度幅值，需要以该像素点为中心建立一个3×3的窗口，然后将窗口内所有像素分别与两个核做卷积获得水平分量Gx和垂直分量Gy如式（1）～（4），　　1.2自适应匹配窗口　　匹配窗口尺寸的选取对于立体匹配至关重要，窗口太小，包括的图像信息过少，不足以表达出区域的特征，导致误匹配；窗口太大，则违背了

6、匹配窗口内的像素的视差值是一致的假设，无法区分场景中物体和其背景，同时匹配速度也降低在实际匹配中，匹配窗口的大小需要随着图像像素灰度的变化而改变，以提高匹配的精度，　　一般在像素灰度变化比较大的区域，对应的像素梯度值变化也比较剧烈，视差变化也不连续，匹配窗口大小应该设置得比较小；而对于梯度值较小的区域，往往是低纹理区域，此处匹配窗口应该设置得比较大，因此需要动态调节匹配窗口的大小，本文采用双阈值确定匹配窗口的大小：选定两个梯度幅值阈值，一个较高Gh另一个较低Gl；设定匹配窗口的尺寸标准分别为D1、D2、D3（D1>D2>D3）；当梯度幅值G（x，y）>Gl时，匹配窗口的大小为D1×D2；当

7、梯度幅值G（x，y）