0  引言

高級駕駛輔助系統(tǒng)（Advanced Driver Assistance Systems, ADAS）旨在提高汽車的安全性和駕駛舒適性，其功能包括目標檢測和跟蹤、交通標志檢測和識別、行人檢測等。ADAS面臨的最重要的難題是車輛對外部環(huán)境的感知，然而隨著立體視覺技術(shù)的不斷成熟，立體匹配可以非常精確和詳細地對周圍環(huán)境進行直觀的描述。立體匹配的關(guān)鍵問題在于從不同視點拍攝的立體圖像中找到像素之間的對應關(guān)系^［1］。為此，文獻［2］提供了一種新的高密度立體聲通信算法分類法（STM）和一個用于定量評價立體算法（SM）的試驗臺。可以看出，這兩種算法產(chǎn)生了很好的結(jié)果，然而卻以時間為代價，僅適合于靜態(tài)場景^［3］。

本文研究的方法主要致力于立體聲傳感器嵌入在動態(tài)的ADAS，對于應用在動態(tài)場景上的立體匹配，需要處理動態(tài)場景。該匹配算法通過立體聲傳感器根據(jù)每秒的幀提供每一對立體圖像對，獲得相應的立體圖像，將時間信息合并到立體方法中來提高最后的匹配結(jié)果。然而，僅有少量的研究致力于從立體序列中重建動態(tài)場景。本文通過考慮連續(xù)幀之間的一致性，將立體匹配的結(jié)果大大改進。 

本文提出了一種基于時空信息的快速立體匹配方法?；谠缙谔岢龅耐ㄟ^圖像點得到全球視差范圍的方法，本文提出了一種新的計算視差范圍的方法。該方法不再通過所有圖像點來求取全局視差范圍，而是根據(jù)邊緣點的性質(zhì)得到。最后，將該方法和STM^［4］、SM^［5］方法進行了比較，通過比較結(jié)果可以看出該方法大大提高了匹配率。

1  立體匹配算法

本文提出的立體匹配算法的流程如圖1所示。其中：ILk 和 IRk分別表示在時間k上獲得的左右立體聲圖像；ILk－1和IRk－1分別表示在時間k－1上獲得的左右立體聲圖像；Dk和Dk－1分別表示在當前幀和前一個幀中計算的視差圖；fk=（ILk,IRk）和fk－1=（ILk－1,IRk－1）分別表示當前幀和前一幀。

該算法根據(jù)左側(cè)圖像ILk－1當前幀的局部視差圖和前一幀的全局視差圖以及立體圖像點通過DP算法計算出當前幀的視差圖Dk (見圖1)。

首先根據(jù)以上方法進行特性的匹配，然后通過關(guān)聯(lián)方法在連續(xù)的圖像之間建立關(guān)系。根據(jù)視差約束原理，本文提出一種獨立于掃描線的視差約束方法。通過成本函數(shù)來度量候選邊緣點之間的相似性。最后利用DP算法計算當前幀的視差圖Dk進行特征點的匹配。

1.1 匹配特征

首先從立體圖像中提取匹配特征點。通常使用邊緣點作為特征點。為了便于適應智能交通系統(tǒng)，需要選擇快速而準確的邊緣檢測算法。本文使用Canny邊緣檢測算法進行了邊緣檢測，此邊緣檢測器提供了連續(xù)的邊緣曲線，并產(chǎn)生了更重要的邊緣點，有助于得到較少的稀疏視差圖。

1.2 邊緣點之間的聯(lián)系

本節(jié)簡要介紹了用于在連續(xù)圖像之間建立關(guān)系的關(guān)聯(lián)算法。如圖2所示， PLk－1和  QLk－1屬于圖像ILk－1上CL,ik－1邊上的兩個點，PLk和QLk屬于圖像ILk上CL,jk邊上的對應點。點QLk的匹配點被定義為CL,jk－1邊上與QLk點y坐標相同的對應點。

1.3 視差因素

在所有已知的立體匹配方法中，對于輸出視差圖的質(zhì)量和計算時間來說，精確選擇視差搜索空間是至關(guān)重要的。在本節(jié)中，提出了一種新的查找局部和全局視差范圍(視差搜索空間)方法。將局部視差范圍適用于相關(guān)聯(lián)的圖像點，將全局視差范圍適用于沒有關(guān)聯(lián)的圖像點。通過討論研究，根據(jù)匹配算法在每一對圖像掃描線上獨立執(zhí)行的原理，提出局部或全局視差范圍與圖像掃描線有關(guān)。

1.3.1 局部視差范圍計算

本小節(jié)將介紹如何計算局部視差范圍。首先用Pk表示左圖中當前幀的一點，Pk－1表示左圖中前一幀的對應點，然后根據(jù)前一幀對應點Pk－1的視差值計算邊緣點Pk的視差范圍。由于通過在相鄰幀的邊緣點之間尋找對應點是一個具有挑戰(zhàn)性的任務，為此提出在邊緣線Ck－1的邊緣點Pk－1處尋找視差值的方法。視差值通過與Ck－1相關(guān)聯(lián)的均值來確定，Pk的對應點Passk－1是圖像Ik－1中的像素點，該像素點與邊緣線Ck－1上Pk－1的y坐標相同。在高級驅(qū)動輔助系統(tǒng)應用程序中，fps為高（即邊緣點Pk與對應點Pk－1的y坐標），則Pcorrk－1應該與其y坐標相接近的一點Passk－1相對應。

1.3.2 全局視差范圍計算

全局視差范圍的計算方法是基于v視差圖的分析，該v視差圖通過初始視差圖或預估視差圖得到。在本文中，根據(jù)當前幀的v視差與前一幀相同的原理，提出了一種既不用計算初始視差圖，也不用計算預估視差圖的計算方法。如果每秒的幀數(shù)非常精確，那么圖像中物體的視差值不會發(fā)生較大的變化。也可以說，在當前幀的v視差圖中道路表示的斜線，將會在前一幀的v視差圖中非常接近它的位置。當前幀的v視差圖將分為兩部分：包含對象的頂部和包含道路的底部。在v視差圖中表示道路的斜線可以用下列方程描述：

d_i=（y_i－b）/a                                     （5）

其中y_i為圖像線指數(shù)，d_i為同一圖像線的視差值，a和b為斜線參數(shù)。

每個圖像線上只有一個視差值di?？紤]到上面所做的假設與前一幀的視差圖所固有的不確定性，在圖像線yi處的差異d的值應該滿足以下不等式：

 d_i－a≤d≤d_i+a                                    （6）

其中a是選擇的一個不確定性值(公差值)。此約束用于圖像底部的整個圖像線。

1.4 成本函數(shù)

為了確定候選邊緣點之間的相似性，采用了成本函數(shù)，該函數(shù)根據(jù)強度、梯度大小和邊緣點的方向來定義。令eLi和eRi分別表示左圖和右圖對應的兩個邊緣點，其代價函數(shù)定義如下：

其中I（e_i）是邊緣點ei的強度，M（e_i）是邊緣點ei的梯度大小，θ（e_i）是邊緣點e_i的方向。

1.5 動態(tài)規(guī)劃算法

若和是兩組邊緣點，根據(jù)兩個極線(即左、右) 上的x坐標論證了在二維平面上從兩個極線獲取邊緣點之間的對應關(guān)系的問題。二維平面的橫坐標與左極線相對應，縱坐標與右極線相對應(見圖5)。二維平面的兩個軸在兩個相對應極線的邊緣點位置。

將局部和全局視差范圍應用到動態(tài)規(guī)劃的1.3.1和1.3.2小節(jié)中，在這些范圍內(nèi)的邊緣點被認為是可能的匹配，而另一些則被認為是無效的匹配。在1.4節(jié)中討論的成本函數(shù)用于填充搜索平面中的可能匹配項。在尋找最佳路徑后，確定了和之間的對應邊緣點。對于每個圖像線都有獨立的匹配過程。

局部視差范圍不僅需要提高匹配點的精度，也需要提高整個圖像的精度，因為如果DP算法在某一步失敗，將可能影響到圖像中其他邊緣點匹配。但在本文的匹配過程中，如果DP算法在某一個階段失敗，那么局部視差范圍就會迫使算法遵循最優(yōu)路徑，如圖5所示。當在圖像中發(fā)現(xiàn)大量的局部區(qū)域時，局部視差范圍都能夠較好地控制。

2  實驗結(jié)果

為了評估本文所提方法的性能，在立體圖像對的虛擬序列中進行了測試，并與現(xiàn)有的快速時空立體匹配方法相比較。為了說明時間信息在匹配過程中的重要性，在不整合時間信息的情況下，同樣的方法應用于立體圖像，既不使用本地約束，也不使用全局約束。

該方法在虛擬立體圖像上進行了測試。數(shù)據(jù)集包含512×512的立體圖像和它們的地面實況。圖6顯示了在第294幀的左立體圖像，圖7顯示了由Canny邊緣檢測算法獲得的邊緣圖像。圖8描述了用本文方法在第294幀計算的視差圖。圖9描述了由STM和SM方法計算該幀的視差圖。

表1對三種方法在第294幀中得到的結(jié)果進行比較，為每種方法提供了匹配邊緣點(NME)的數(shù)量、正確匹配點的數(shù)量(NCM)、錯誤匹配點的數(shù)量、正確匹配的百分比(PCM)和第294幀的執(zhí)行時間(ETime)。 

通過表1可以清楚地看到本文方法正確匹配了更多的邊緣點，提供了較少的稀疏視差圖，從而大大提高了正確匹配率。

3  結(jié)束語

本文利用相鄰幀之間的時間一致性，通過對前一幀的匹配結(jié)果進行計算，完成了當前幀的視差圖的計算。在當前幀的匹配過程中，通過前一幀的視差圖來確定局部和全局視差范圍，這樣既減少了每個邊緣點可能匹配的數(shù)量，也減少了錯誤匹配的數(shù)量，并加速了匹配過程。該方法已經(jīng)在虛擬的序列上進行了測試，結(jié)果令人滿意。后續(xù)研究中將在真實序列中進行測試。

參考文獻

［1］ 耿英楠. 立體匹配技術(shù)的研究［D］.長春：吉林大學,2014. 

［2］ SCHARSTEIN D, SZELISKI  R. A taxonomy and evaluation of dense two-frame stereo correspondence algorithms［J］. International Journal of Computer Vision, 2002,47（1-3）:7-42. 

［3］ 郭寶龍,侯葉. 基于圖切割的圖像自動分割方法［J］. 模式識別與人工智能,2011,24(5):604-609. 

［4］ 杜歆,陳國赟,朱云芳. 一種基于時空結(jié)合的動態(tài)場景立體視頻匹配方法［J］. 電路與系統(tǒng)學報,2012,17(6):6-13.

［5］ 萬立莉. 立體視覺測量的快速立體匹配方法研究［D］. 哈爾濱：哈爾濱理工大學,2016.

（收稿日期：2018-04-26）

作者簡介：

朱素杰（1987-）,女，碩士研究生，助教，主要研究方向：圖形圖像處理。 

王萌（1990-）,女，碩士研究生，助教，主要研究方向：數(shù)字廣播技術(shù)。