一种改进的实时半全局立体匹配算法及硬件实现

2021-09-15 07:36:14赵晨园李文新张庆熙
计算机工程 2021年9期

赵晨园,李文新,张庆熙

(兰州空间技术物理研究所,兰州 730000)

0 概述

立体匹配是从双目或多目图像中寻找同名点并根据其视差计算场景深度信息的过程,是近年来计算机视觉领域的研究热点之一。现场可编程门阵列(Field Programmable Gate Array,FPGA)具 有成本低、开发周期短、并行计算的优点,是嵌入式应用的设计平台。基于FPGA 的立体匹配技术可以实现实时获取目标场景的深度信息,因此被广泛应用于智能机器人、无人驾驶、目标跟踪、三维重建等领域[1-2]。立体匹配算法主要分为局部[3]、全局[4]、半全局[5-6]、基于深度学习[7]算法。全局和基于深度学习的算法精度高,局部和半全局算法实时性强。半全局立体匹配(Semi-Global stereo Matching,SGM)算法是全局算法的改进,其将二维图像的优化问题转化为多条路径的一维优化问题,在保留算法精度的基础上减小了计算复杂度,算法并行度高,适用于资源占用小、实时性要求高的嵌入式系统。

SCHARSTEIN 等[8]将立体匹配算法分为匹配代价计算、代价聚合、视差计算与优化、视差校正4 个阶段,其中匹配代价计算通过相似性函数计算左右两点的代价值,是立体匹配算法的核心步骤。传统匹配代价计算方法有灰度差值平方和(Sum of Squared Differences,SSD)[9]、零均值绝对误差和(Zero Sum of Absolute Differences,ZSAD)、Census 变换(Census Transform,CT)[10]等。Census 变换对图像局部区域进行编码,具有结构简单、相对次序性良好的优点,在立体匹配算法中应用广泛,但该算法存在过度依赖中心点像素值及对噪声敏感的缺点。文献[11]利用十字交叉窗口内各像素灰度值的平均值代替中心像素点,增强了算法鲁棒性;……

登录APP查看全文