基于改進(jìn)型形狀上下文的工件圖像稀疏立體匹配方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及利用雙目視覺(jué)進(jìn)行工件3D定位領(lǐng)域，具體是指一種應(yīng)用于工業(yè)現(xiàn)場(chǎng) 的、能有效解決雙目視覺(jué)系統(tǒng)在不同角度下拍攝同一工件的圖像匹配方法。
【背景技術(shù)】
[0002] 立體匹配作為雙目視覺(jué)系統(tǒng)的關(guān)鍵技術(shù)，其目的是確定立體圖像對(duì)點(diǎn)之間的對(duì)應(yīng) 關(guān)系，從而得到視差圖。目前可大致分為兩類(lèi)：全局匹配方法和局部匹配方法。全局匹配方 法主要有動(dòng)態(tài)規(guī)劃、置信傳播、GraphCut等，這類(lèi)方法得到的是稠密視差，計(jì)算量大，耗時(shí) 久，對(duì)于實(shí)時(shí)性要求較高的場(chǎng)合不適用。局部匹配方法主要有基于區(qū)域的匹配方法、基于相 位的匹配方法和基于特征的匹配方法，其中基于區(qū)域的匹配方法和基于相位的匹配方法得 到的是稠密視差，其缺點(diǎn)是在低紋理區(qū)域或紋理相似區(qū)域容易造成大量的誤匹配，邊界模 糊，雖然速度較全局匹配方法有所提升，但是對(duì)于實(shí)時(shí)性要求較高的場(chǎng)合仍然不適用。而基 于特征的匹配方法具有計(jì)算速度快和占用內(nèi)存少的優(yōu)點(diǎn)，滿(mǎn)足工業(yè)上的工件定位的實(shí)時(shí)性 要求，成了機(jī)器視覺(jué)領(lǐng)域研宄的重點(diǎn)。
[0003] 針對(duì)工件圖像特有的屬性，一般工件圖像屬于少特征、少紋理圖像，基于CCS、 Harris、SIFT、SURF、FAST等特征點(diǎn)匹配檢測(cè)到的特征點(diǎn)較少，在一定程度上不能保證后續(xù) 定位精度。近年來(lái)基于形狀特征的匹配方法在缺乏紋理和顏色的圖像中得到了長(zhǎng)足的發(fā) 展，尤其是以形狀上下文為代表的基于邊緣輪廓的形狀上下文匹配方法。形狀上下文使用 一組直方圖來(lái)表示整個(gè)目標(biāo)物體形狀，每個(gè)邊緣輪廓上的采樣點(diǎn)都用一個(gè)統(tǒng)計(jì)直方圖來(lái)表 示，通過(guò)描述邊緣輪廓序列上的某個(gè)點(diǎn)與其他點(diǎn)的空間位置分布關(guān)系，實(shí)現(xiàn)對(duì)邊緣輪廓點(diǎn) 的特征描述。對(duì)于邊緣輪廓序列上的每一個(gè)點(diǎn)，都用一個(gè)向量來(lái)描述，這樣的表示方法含有 豐富的信息，對(duì)于微小的旋轉(zhuǎn)、尺寸和視角變化具有一定的魯棒性。但是形狀上下文僅僅考 慮到各點(diǎn)的位置分布關(guān)系，忽略了點(diǎn)本身的梯度屬性，匹配時(shí)存在一對(duì)多和多對(duì)一的誤匹 配問(wèn)題，對(duì)于立體匹配中確定立體圖像對(duì)點(diǎn)之間的對(duì)應(yīng)關(guān)系，特征描述區(qū)分度不夠大，導(dǎo)致 點(diǎn)匹配的精度不能滿(mǎn)足后續(xù)定位的要求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明為了確定立體匹配中工件立體圖像對(duì)點(diǎn)之間的對(duì)應(yīng)關(guān)系，提供了一種滿(mǎn)足 工業(yè)精度和實(shí)時(shí)性要求，且具有一定魯棒性的基于改進(jìn)型形狀上下文的工件圖像稀疏立體 匹配方法。
[0005] 為達(dá)此目的，本發(fā)明通過(guò)如下技術(shù)方案實(shí)現(xiàn)：
[0006] (1)對(duì)原始輸入的包含工件的左右圖像對(duì)分別進(jìn)行灰度歸一化處理，消除由于兩 相機(jī)光照不一造成的影響，然后根據(jù)（2)~（5)分別對(duì)左右圖像進(jìn)行特征提取。
[0007] (2)對(duì)歸一化處理后的圖像進(jìn)行大津法（Otsu)二值化處理，并利用形態(tài)學(xué)去除毛 刺和內(nèi)部孔洞，得到對(duì)應(yīng)的二值圖像。
[0008] (3)Canny算法提取邊緣，由于排除內(nèi)部短小邊緣和孔洞邊緣的干擾，得到只保留 外邊緣的二值圖像，提高了算法抗干擾性，同時(shí)減少了后續(xù)形狀上下文特征匹配的復(fù)雜度。
[0009] (4)均勻采樣提取邊緣點(diǎn)。采取Jitendra的均勻采樣方法，從而保證邊緣點(diǎn)能準(zhǔn) 確描述目標(biāo)物體的同時(shí)，通過(guò)減少邊緣點(diǎn)數(shù)量降低匹配復(fù)雜度。
[0010] (5)對(duì)（4)得到的離散邊緣點(diǎn)圖像進(jìn)行對(duì)數(shù)極坐標(biāo)變換，計(jì)算并統(tǒng)計(jì)各邊緣點(diǎn)的 形狀直方圖特征，得到形狀上下文特征向量描述，并得到形狀上下文特征向量描述矩陣。
[0011] (6)對(duì)左右圖像所有的離散邊緣點(diǎn)對(duì)應(yīng)的形狀上下文特征向量分別進(jìn)行如下操 作：依次遍歷左右圖像中的離散邊緣點(diǎn)，提取各邊緣點(diǎn)相對(duì)應(yīng)的形狀上下文特征向量中的 非零元素，記錄對(duì)應(yīng)非零元素所在的bin區(qū)編號(hào)（bin區(qū)編號(hào)即邊緣點(diǎn)在形狀直方圖中對(duì)應(yīng) 的第i個(gè)柵格分量）構(gòu)成標(biāo)記向量，由提取出的非零元素構(gòu)成新的特征描述向量；然后根據(jù) 標(biāo)記向量查找候選匹配點(diǎn)集，達(dá)到減少后續(xù)搜索空間的目的。
[0012] (7)利用候選匹配點(diǎn)對(duì)應(yīng)的標(biāo)記向量的相同元素個(gè)數(shù)對(duì)相似性度量值進(jìn)行加權(quán)， 增加匹配點(diǎn)與非匹配點(diǎn)之間的區(qū)分度，然后在候選匹配點(diǎn)集中計(jì)算對(duì)應(yīng)相似性度量值，進(jìn) 行形狀上下文粗匹配，得到初始匹配點(diǎn)集。
[0013] (8)將（7)中初始匹配點(diǎn)集對(duì)應(yīng)的邊緣點(diǎn)投影到原始包含工件的左右圖像對(duì)中， 計(jì)算并統(tǒng)計(jì)其3*3鄰域的梯度方向直方圖特征，并利用歸一化點(diǎn)積進(jìn)行相似性度量計(jì)算， 保留滿(mǎn)足閾值條件的點(diǎn)對(duì)，剔除不滿(mǎn)足閾值條件的點(diǎn)對(duì)，進(jìn)行梯度方向直方圖細(xì)匹配。
[0014] (9)為了進(jìn)一步提高點(diǎn)匹配的精度，對(duì)（8)得到的匹配點(diǎn)對(duì)進(jìn)行左右一致性校驗(yàn)， 剔除一對(duì)多或者多對(duì)一的錯(cuò)誤匹配點(diǎn)對(duì)，得到最終匹配點(diǎn)對(duì)。
[0015] 本發(fā)明的有益效果是：本發(fā)明提供了一種基于改進(jìn)型形狀上下文的工件圖像稀疏 立體匹配方法，該方法融合了能反映點(diǎn)位置分布關(guān)系的形狀上下文特征和能反映點(diǎn)本身梯 度屬性的梯度方向直方圖特征，根據(jù)形狀上下文特征的直方圖分布確定候選匹配點(diǎn)集，減 少搜索空間，同時(shí)改進(jìn)相似性度量計(jì)算公式，增加匹配點(diǎn)與非匹配點(diǎn)的區(qū)分度，并引入灰度 歸一化處理以及左右一致性校驗(yàn)。由形狀上下文的粗匹配和梯度方向直方圖的細(xì)匹配構(gòu)成 的兩級(jí)匹配，在滿(mǎn)足實(shí)時(shí)性要求的情況下，提高了原始形狀上下文匹配精度以及匹配的魯 棒性。有效解決了實(shí)際的雙目視覺(jué)系統(tǒng)中，由于攝像機(jī)從不同角度拍攝工件造成的工件圖 像存在微小視角變化、尺度和光照不完全一致的圖像匹配問(wèn)題，是實(shí)現(xiàn)后期工件3D定位的 重要前期處理環(huán)節(jié)。
【附圖說(shuō)明】
[0016] 圖1形狀上下文bin區(qū)劃分和bin區(qū)邊緣點(diǎn)數(shù)統(tǒng)計(jì)
[0017] 圖2本發(fā)明的整體算法流程圖
【具體實(shí)施方式】
[0018] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合具體實(shí)施例，并參照 附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。
[0019] 本發(fā)明提供了一種基于改進(jìn)型形狀上下文的工件圖像稀疏立體匹配方法，整個(gè)算 法流程主要由圖像預(yù)處理、Canny邊緣提取、邊緣點(diǎn)均勻采樣、形狀上下文粗匹配、梯度方向 直方圖細(xì)匹配和左右一致性校驗(yàn)去除誤匹配等構(gòu)成。
[0020] 為了進(jìn)一步說(shuō)明，具體實(shí)現(xiàn)步驟為：
[0021] (1)輸入包含工件的左右圖像對(duì)，然后根據(jù)⑵~（9)分別對(duì)左右圖像進(jìn)行特征提 取。
[0022] (2)對(duì)輸入圖像進(jìn)行灰度歸一化處理。
[0023]g=[f-min(f)]/[max(f)-min(f)]*255 (1)其中：f和g分別