本申請涉及計(jì)算機(jī)視覺
技術(shù)領(lǐng)域：
，特別涉及一種圖像視差獲取方法及裝置。
背景技術(shù)：
：目前，圖像視差計(jì)算技術(shù)已經(jīng)在許多重要的應(yīng)用場景，例如，對象識別、場景三維建模和輔助駕駛等應(yīng)用場景中發(fā)揮了核心作用。近年來，圖像視差計(jì)算技術(shù)成果豐碩，根據(jù)雙目圖像(兩個(gè)傳感器在同一時(shí)刻拍攝同一場景得到的兩個(gè)圖像，分別稱為左目圖像和右目圖像)匹配使用方法的不同，主要可以分為如下三類：1)基于局部特征相似性的技術(shù)該類技術(shù)通過匹配雙目圖像的每個(gè)像素及其鄰域范圍內(nèi)像素的特征分布，為左目圖像的每個(gè)像素點(diǎn)，在右目圖像中匹配到最佳像素。2)基于非局部特征相似性的技術(shù)該類技術(shù)在整個(gè)圖像特征空間中，為每個(gè)像素尋找特征相近的多個(gè)像素，建立這些像素間的相似性關(guān)系；在此基礎(chǔ)上，計(jì)算雙目圖像中像素的代價(jià)匹配矩陣，通過貪心策略得到每個(gè)像素的視差。3)基于全局特征相似性的技術(shù)該類技術(shù)首先建立每個(gè)像素和所在圖像中所有像素的相似性，構(gòu)建圖像的條件隨機(jī)場；利用局部特征相似性技術(shù)，分別計(jì)算雙目圖像中每個(gè)像素的視差，通過左右交叉驗(yàn)證，去除匹配異常點(diǎn)；利用條件隨機(jī)場，將魯棒的視差傳播到其它像素。上述三類技術(shù)均針對像素進(jìn)行處理，即，需要針對每一個(gè)像素進(jìn)行處理，所需計(jì)算量較大，計(jì)算所需時(shí)間較長。技術(shù)實(shí)現(xiàn)要素：有鑒于此，本申請?zhí)峁┝艘环N圖像視差獲取方法及裝置。本申請的技術(shù)方案如下：一方面，提供了一種圖像視差獲取方法，包括：針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，根據(jù)該代價(jià)，計(jì)算該事件的中間過程視差；其中，左目圖像和右目圖像是基于dvs獲取的圖像；針對第一圖像中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件；其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；根據(jù)第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差。其中，在針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)之前，還包括：去除左目圖像和右目圖像中的噪聲。其中，去除圖像中的噪聲的方法包括：對圖像進(jìn)行特征分解，得到其中，δi表示第i個(gè)特征值，并且，δ1,δ2,…,δr按照由大到小的順序排列，ui和vi表示相互正交的特征向量，r表示特征值的總數(shù)；從δ1,δ2,…,δr中獲取不小于預(yù)設(shè)值的前k個(gè)特征值δ1,δ2,…,δk，其中，k＜r；按照以下公式計(jì)算得到去除噪聲后的圖像i0：其中，針對圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)的方法包括：計(jì)算該圖像中的每一個(gè)像素的特征；針對該圖像中的每一個(gè)事件，根據(jù)以對應(yīng)于該事件的像素為中心點(diǎn)的局部范圍內(nèi)的像素的特征，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)。其中，圖像中的像素(x,y)的特征滿足以下公式：其中，x,y分別表示像素的橫坐標(biāo)和縱坐標(biāo)，fn(x,y)表示像素(x,y)在方向n上的特征，en(i,y)表示像素(x,y)在方向n上的鄰近像素(i,y)的極性值，i≠x，i表示鄰近像素(i,y)的橫坐標(biāo)，rot表示對該圖像進(jìn)行旋轉(zhuǎn)，abs表示求取絕對值，n＝1,2,...,n，n表示方向總數(shù)，min表示取最小值。其中，在預(yù)定視差值為d的條件下，按照以下公式計(jì)算事件的代價(jià)c(x,y,d)：其中，α表示線性合并權(quán)重，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，w(x,y)表示以對應(yīng)于該事件的像素(x,y)為中心點(diǎn)的局部范圍，(x′,y′)表示w(x,y)中的任一像素，fn(x′,y′)表示像素(x′,y′)在方向n上的特征，fn(x′+d,y′)表示像素(x′+d,y′)在方向n上的特征，n＝1,2,...,n，n表示方向總數(shù)，d表示預(yù)定視差范圍內(nèi)的任一視差值，e(x,y)表示對應(yīng)于該事件的像素(x,y)的極性值，e(x+d,y)表示像素(x+d,y)的極性值。其中，按照以下公式計(jì)算事件的中間過程視差d(x,y)：其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，c(x,y,d)表示在預(yù)定視差值為d的條件下該事件的代價(jià)，d表示預(yù)定視差范圍內(nèi)的任一視差值，表示使c(x,y,d)取最小值時(shí)的d。其中，針對第一圖像中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件的方法包括：判斷第一圖像中的該事件的中間過程視差dl(x,y)與第二圖像中的對應(yīng)事件的中間過程視差dr(x+dl(x,y),y)是否相等；其中，x,y分別表示對應(yīng)于第一圖像中的該事件的像素的橫坐標(biāo)和縱坐標(biāo)，x+dl(x,y),y分別表示對應(yīng)于第二圖像中的對應(yīng)事件的像素的橫坐標(biāo)和縱坐標(biāo)；若相等，則確定第一圖像中的該事件為魯棒事件；否則，確定第一圖像中的該事件為不魯棒事件。其中，按照以下公式估計(jì)第一圖像中的所有事件的全局最優(yōu)視差組成的集合其中，λ表示線性合并權(quán)重，m表示第一圖像中魯棒事件的總數(shù)，di表示根據(jù)第一圖像中的魯棒事件i在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件i的中間過程視差，表示第一圖像中的魯棒事件i的全局最優(yōu)視差，s表示第一圖像中的事件總數(shù)，表示第一圖像中的事件j的全局最優(yōu)視差，k表示在事件j周圍選取的魯棒事件的總數(shù)，dm表示根據(jù)選取的魯棒事件m在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件m的中間過程視差，wjm表示事件j與魯棒事件m的特征相似度，表示使取最小值時(shí)的另一方面，還提供了一種圖像視差獲取裝置，包括：代價(jià)計(jì)算模塊，用于針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)；其中，左目圖像和右目圖像是基于dvs獲取的圖像；視差計(jì)算模塊，用于根據(jù)代價(jià)計(jì)算模塊計(jì)算得到的事件在預(yù)定視差范圍內(nèi)的代價(jià)，計(jì)算該事件的中間過程視差；確定模塊，用于針對第一圖像中的每一個(gè)事件，根據(jù)視差計(jì)算模塊計(jì)算得到的該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件；其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；視差估計(jì)模塊，用于在確定模塊確定出第一圖像中的魯棒事件之后，根據(jù)視差計(jì)算模塊計(jì)算得到的第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差。其中，該裝置還包括：去噪模塊，用于在代價(jià)計(jì)算模塊針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)之前，去除左目圖像和右目圖像中的噪聲。其中，去噪模塊包括：分解單元，用于對圖像進(jìn)行特征分解，得到其中，δi表示第i個(gè)特征值，并且，δ1,δ2,…,δr按照由大到小的順序排列，ui和vi表示相互正交的特征向量，r表示特征值的總數(shù)；獲取單元，用于從δ1,δ2,…,δr中獲取不小于預(yù)設(shè)值的前k個(gè)特征值δ1,δ2,…,δk，其中，k＜r；去噪后圖像計(jì)算單元，用于按照以下公式計(jì)算得到去除噪聲后的圖像i0：其中，代價(jià)計(jì)算模塊包括：特征計(jì)算單元，用于計(jì)算該圖像中的每一個(gè)像素的特征；事件代價(jià)計(jì)算單元，用于針對該圖像中的每一個(gè)事件，根據(jù)特征計(jì)算單元計(jì)算得到的以對應(yīng)于該事件的像素為中心點(diǎn)的局部范圍內(nèi)的像素的特征，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)。其中，圖像中的像素(x,y)的特征滿足以下公式：其中，x,y分別表示像素的橫坐標(biāo)和縱坐標(biāo)，fn(x,y)表示像素(x,y)在方向n上的特征，en(i,y)表示像素(x,y)在方向n上的鄰近像素(i,y)的極性值，i≠x，i表示鄰近像素(i,y)的橫坐標(biāo)，rot表示對該圖像進(jìn)行旋轉(zhuǎn)，abs表示求取絕對值，n＝1,2,...,n，n表示方向總數(shù)，min表示取最小值。其中，在預(yù)定視差值為d的條件下，事件代價(jià)計(jì)算單元按照以下公式計(jì)算事件的代價(jià)c(x,y,d)：其中，α表示線性合并權(quán)重，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，w(x,y)表示以對應(yīng)于該事件的像素(x,y)為中心點(diǎn)的局部范圍，(x′,y′)表示w(x,y)中的任一像素，fn(x′,y′)表示像素(x′,y′)在方向n上的特征，fn(x′+d,y′)表示像素(x′+d,y′)在方向n上的特征，n＝1,2,...,n，n表示方向總數(shù)，d表示預(yù)定視差范圍內(nèi)的任一視差值，e(x,y)表示對應(yīng)于該事件的像素(x,y)的極性值，e(x+d,y)表示像素(x+d,y)的極性值。其中，視差計(jì)算模塊按照以下公式計(jì)算事件的中間過程視差d(x,y)：其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，c(x,y,d)表示在預(yù)定視差值為d的條件下該事件的代價(jià)，d表示預(yù)定視差范圍內(nèi)的任一視差值，表示使c(x,y,d)取最小值時(shí)的d。其中，確定模塊包括：判斷單元，用于判斷第一圖像中的該事件的中間過程視差dl(x,y)與第二圖像中的對應(yīng)事件的中間過程視差dr(x+dl(x,y),y)是否相等；其中，x,y分別表示對應(yīng)于第一圖像中的該事件的像素的橫坐標(biāo)和縱坐標(biāo)，x+dl(x,y),y分別表示對應(yīng)于第二圖像中的對應(yīng)事件的像素的橫坐標(biāo)和縱坐標(biāo)；事件確定單元，用于若判斷單元的判斷結(jié)果是相等，則確定第一圖像中的該事件為魯棒事件，若判斷單元的判斷結(jié)果是不相等，則確定第一圖像中的該事件為不魯棒事件。其中，視差估計(jì)模塊按照以下公式估計(jì)第一圖像中的所有事件的全局最優(yōu)視差組成的集合其中，λ表示線性合并權(quán)重，m表示第一圖像中魯棒事件的總數(shù)，di表示根據(jù)第一圖像中的魯棒事件i在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件i的中間過程視差，表示第一圖像中的魯棒事件i的全局最優(yōu)視差，s表示第一圖像中的事件總數(shù)，表示第一圖像中的事件j的全局最優(yōu)視差，k表示在事件j周圍選取的魯棒事件的總數(shù)，dm表示根據(jù)選取的魯棒事件m在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件m的中間過程視差，wjm表示事件j與魯棒事件m的特征相似度，表示使取最小值時(shí)的本申請的以上技術(shù)方案中，針對基于dvs獲取到的左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，并根據(jù)該代價(jià)計(jì)算該事件的中間過程視差；針對第一圖像中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件，其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；根據(jù)第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差，從而實(shí)現(xiàn)了對dvs圖像的視差的計(jì)算。上述方法針對圖像中的事件進(jìn)行處理，而不是針對像素進(jìn)行處理，而事件比像素的數(shù)量少很多，因此，能夠解決現(xiàn)有技術(shù)中由于針對每一個(gè)像素進(jìn)行處理而導(dǎo)致的計(jì)算量較大且計(jì)算所需時(shí)間較長的問題。另外，首先去除左目圖像和右目圖像中的噪聲，然后再針對圖像中的每一個(gè)事件進(jìn)行處理，最終得到第一圖像中所有事件的全局最優(yōu)視差，可以在針對圖像中的事件進(jìn)行計(jì)算之前，先有效的去除圖像中包含的噪聲，即無效事件，從而僅對保留的有效事件進(jìn)行計(jì)算，進(jìn)一步減少了計(jì)算量，縮短了計(jì)算所需時(shí)間，提高了工作效率。另外，提出了圖像中的像素的特征描述子，能夠有效描述像素的特征，并有效建立左右目圖像中事件的對應(yīng)關(guān)系?；诘谝粓D像中魯棒事件的中間過程視差，估計(jì)出第一圖像中所有事件的全局最優(yōu)視差的方法，能夠提高第一圖像中事件的視差平滑性和視差估計(jì)精度。附圖說明圖1是本申請實(shí)施例的圖像視差獲取方法的流程圖；圖2是本申請實(shí)施例的去除圖像中的噪聲的方法的流程圖；圖3是本申請實(shí)施例的計(jì)算事件在預(yù)定視差范圍內(nèi)的代價(jià)和中間過程視差的方法的流程圖；圖4是本申請實(shí)施例的在單方向上尋找鄰近事件和在8個(gè)方向上尋找鄰近事件的示意圖；圖5是本申請實(shí)施例的確定事件是魯棒事件還是不魯棒事件的方法的流程圖；圖6是本申請實(shí)施例的圖像視差獲取裝置的一種結(jié)構(gòu)示意圖；圖7是本申請實(shí)施例的圖像視差獲取裝置的另一種結(jié)構(gòu)示意圖。具體實(shí)施方式為了解決現(xiàn)有技術(shù)中存在的需要針對每一個(gè)像素進(jìn)行處理，所需計(jì)算量較大，計(jì)算所需時(shí)間較長的問題，本申請實(shí)施例中提供了一種圖像視差獲取方法，以及一種可以應(yīng)用該方法的圖像視差獲取裝置。dvs(dynamicvisionsensor，動態(tài)視覺傳感器)根據(jù)拍攝場景的光照強(qiáng)度變化而產(chǎn)生事件，通常將dvs在某一時(shí)間段內(nèi)輸出的所有事件組成一個(gè)圖像，圖像中的某些像素對應(yīng)于一個(gè)事件，而某些像素不對應(yīng)事件。dvs生成的圖像具有如下特點(diǎn)：(1)事件稀疏性。dvs是一種運(yùn)動敏感型傳感器，只捕獲存在相對運(yùn)動且光照強(qiáng)度變化達(dá)到一定閾值的物體邊界或輪廓事件。因此，僅需少量事件就可以描述拍攝場景中的內(nèi)容。(2)dvs產(chǎn)生的事件與拍攝場景的光照強(qiáng)度變化有關(guān)，當(dāng)拍攝場景中的光照強(qiáng)度變化大于給定閾值時(shí)，dvs產(chǎn)生相應(yīng)事件，以描述拍攝場景中的內(nèi)容變化。因此，dvs是一種光照變化魯棒型的傳感器，減少了光照因素對圖像的影響。本申請以下實(shí)施例中，使用兩臺dvs在同一時(shí)間段內(nèi)拍攝同一場景，輸出的事件分別組成左目圖像和右目圖像。如圖1所示，本申請實(shí)施例的圖像視差獲取方法包括以下步驟：步驟s101，去除左目圖像和右目圖像中的噪聲；dvs所產(chǎn)生的圖像中的事件具有一定的特點(diǎn)。通常而言，事件是根據(jù)光照強(qiáng)度變化而產(chǎn)生的，因此，事件通常集中分布在拍攝場景中的對象的輪廓或邊界周圍，即，分布較散的事件通?？梢员灰暈樵肼暋＠迷撎攸c(diǎn)，可以對圖像進(jìn)行特征分解，特征值越小，表示事件分布越離散，反之，特征值越大，表示事件分布越集中。因此，可以提取前幾個(gè)特征值不小于預(yù)設(shè)值的特征向量并重新組合，得到去除噪聲后的圖像。具體的，如圖2所示，去除圖像中的噪聲的方法包括以下步驟：步驟s1011：對圖像i進(jìn)行特征分解，得到假設(shè)，i0表示去除噪聲后的圖像，e表示噪聲，則有以下公式(1)：其中，δi表示第i個(gè)特征值，并且，δ1,δ2,…,δ按照由大到小的順序排列，ui和vi表示相互正交的特征向量，r表示特征值的總數(shù)。步驟s1012：從δ1,δ2,…,δk,…,δr中獲取不小于預(yù)設(shè)值的前k個(gè)特征值δ1,δ2,…,δk，其中，k＜r；步驟s1013：按照公式(2)計(jì)算得到去除噪聲后的圖像i0。步驟s102，針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，根據(jù)該代價(jià)，計(jì)算該事件的中間過程視差；具體的，如圖3所示，步驟s102中針對圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，根據(jù)該代價(jià)，計(jì)算該事件的中間過程視差的方法具體包括以下步驟：步驟s1021，計(jì)算該圖像中的每一個(gè)像素的特征；本申請實(shí)施例中通過計(jì)算每一個(gè)像素與給定方向上的最近事件之間的距離，來描述該像素的特征。具體而言，針對每一個(gè)像素，分別在n個(gè)方向上尋找距離該像素最近的事件，計(jì)算出從該像素到每一個(gè)最近事件之間的距離，最終得到n個(gè)距離，用以描述該像素的特征。例如，如圖4所示，n可以取8。像素(x,y)的特征的計(jì)算公式如公式(3)：其中，x,y分別表示像素的橫坐標(biāo)和縱坐標(biāo)，fn(x,y)表示像素(x,y)在方向n上的特征，en(i,y)表示像素(x,y)在方向n上的鄰近像素(i,y)的極性值，i≠x，i表示鄰近像素(i,y)的橫坐標(biāo)，rot表示對該圖像進(jìn)行旋轉(zhuǎn)，abs表示求取絕對值，n＝1,2,...,n，n表示方向總數(shù)，min表示取最小值。步驟s1022，針對該圖像中的每一個(gè)事件，根據(jù)以對應(yīng)于該事件的像素為中心點(diǎn)的局部范圍內(nèi)的像素的特征，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)(即代價(jià)矩陣c(x,y,d))；事件的代價(jià)主要包含以下兩大部分，分別是特征匹配代價(jià)和極性匹配代價(jià)：(1)特征匹配代價(jià)在預(yù)定視差值為d的條件下，事件的特征匹配代價(jià)cfn(x,y,d)滿足以下公式(4)：其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)；w(x,y)表示以對應(yīng)于該事件的像素(x,y)為中心點(diǎn)的局部范圍，例如，該局部范圍可以是一個(gè)正方形的范圍；(x′,y′)表示w(x,y)中的任一像素；fn(x′,y′)表示像素(x′,y′)在方向n上的特征；fn(x′+d,y′)表示像素(x′+d,y′)在方向n上的特征，n＝1,2,...,n，n表示方向總數(shù)；d表示預(yù)定視差范圍內(nèi)的任一視差值，比如，預(yù)定視差范圍是1～100，則d＝1,2,...,100。在實(shí)際實(shí)施過程中，預(yù)定視差范圍通常是根據(jù)實(shí)際經(jīng)驗(yàn)給定的。(2)極性匹配代價(jià)在預(yù)定視差值為d的條件下，事件的極性匹配代價(jià)cp(x,y,d)滿足以下公式(5)：cp(x,y,d)＝[e(x+d,y)-e(x,y)]2(5)其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)；e(x,y)表示對應(yīng)于該事件的像素(x,y)的極性值，e(x+d,y)表示像素(x+d,y)的極性值；d表示預(yù)定視差范圍內(nèi)的任一視差值，比如，預(yù)定視差范圍是1～100，則d＝1,2,...,100。因此，在預(yù)定視差值為d的條件下，事件的最終的代價(jià)矩陣c(x,y,d)滿足公式(6)：其中，α表示線性合并權(quán)重。左目圖像中的事件和右目圖像中的事件分別進(jìn)行計(jì)算，從而，可以按照公式(6)計(jì)算得到左目圖像中的事件的代價(jià)矩陣cl(x,y,d)，以及，按照公式(6)計(jì)算得到右目圖像中的事件的代價(jià)矩陣cr(x,y,d)。步驟s1023，根據(jù)該事件在預(yù)定視差范圍內(nèi)的代價(jià)矩陣c(x,y,d)，計(jì)算該事件的中間過程視差d(x,y)。首先，根據(jù)該事件在預(yù)定視差范圍內(nèi)的代價(jià)矩陣c(x,y,d)，利用勝者為王(winnertakeall)算法，按照公式(7)計(jì)算該事件的中間過程視差d(x,y)：其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，c(x,y,d)表示在預(yù)定視差值為d的條件下該事件的代價(jià)矩陣，d表示預(yù)定視差范圍內(nèi)的任一視差值，比如，預(yù)定視差范圍是1～100，則d＝1,2,...,100，表示使c(x,y,d)取最小值時(shí)的d。其中，左目圖像中的事件和右目圖像中的事件分別進(jìn)行計(jì)算，從而，可以按照公式(7)計(jì)算得到左目圖像中的事件的中間過程視差dl(x,y)，以及，可以按照公式(7)計(jì)算得到右目圖像中的事件的中間過程視差dr(x,y)。步驟s103，針對第一圖像(即為參考圖像)中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件；其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；在步驟s103中，針對第一圖像中的每一個(gè)事件，進(jìn)行左右目圖像視差交叉驗(yàn)證，確定該事件是魯棒事件還是不魯棒事件。如圖5所示，具體的驗(yàn)證方法包括以下步驟：步驟s1031，判斷第一圖像中的該事件的中間過程視差dl(x,y)與第二圖像中的對應(yīng)事件的中間過程視差dr(x+dl(x,y),y)是否相等，若相等，則執(zhí)行步驟s1032，否則，執(zhí)行步驟s1033；其中，x,y分別表示對應(yīng)于第一圖像中的該事件的像素的橫坐標(biāo)和縱坐標(biāo)，x+dl(x,y),y分別表示對應(yīng)于第二圖像中的對應(yīng)事件的像素的橫坐標(biāo)和縱坐標(biāo)。步驟s1032，確定第一圖像中的該事件為魯棒事件；步驟s1033，確定第一圖像中的該事件為不魯棒事件。通過步驟s103，可以確定出第一圖像中的哪些事件是魯棒事件，哪些事件是不魯棒事件，如果一個(gè)事件是魯棒事件，則表明該事件的中間過程視差計(jì)算對了，反之，如果是不魯棒事件，則表明該事件的中間過程視差計(jì)算錯(cuò)了，需要重新估計(jì)該事件的視差(即步驟s104中，該事件的全局最優(yōu)視差)。步驟s104，根據(jù)第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差。為了估計(jì)第一圖像中的不魯棒事件的全局最優(yōu)視差，可以根據(jù)事件間的關(guān)聯(lián)關(guān)系進(jìn)行推理。通常而言，空間相鄰的事件具有相似的視差值。據(jù)此，可以構(gòu)建如公式(8)所示的第一圖像的視差條件隨機(jī)場：其中，λ表示線性合并權(quán)重，m表示第一圖像中魯棒事件的總數(shù)，di表示根據(jù)第一圖像中的魯棒事件i在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件i的中間過程視差，表示第一圖像中的魯棒事件i的全局最優(yōu)視差，s表示第一圖像中的事件總數(shù)，表示第一圖像中的事件j的全局最優(yōu)視差，k表示在事件j周圍選取的魯棒事件的總數(shù)，dm表示根據(jù)選取的魯棒事件m在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件m的中間過程視差，wjm表示事件j與魯棒事件m的特征相似度，表示使取最小值時(shí)的在公式(8)中，第一項(xiàng)能量公式旨在保持魯棒事件視差(即，將魯棒事件的全局最優(yōu)視差保持為中間過程視差)，第二項(xiàng)能量式旨在保持相鄰事件視差間的平滑過渡關(guān)系。采用梯度下降法最小化求得上述公式(8)，得到的結(jié)果即為第一圖像中所有事件的全局最優(yōu)視差(最終輸出結(jié)果視差)。采用公式(8)能夠達(dá)到以下效果：保留魯棒事件的中間過程視差，使用周圍的魯棒事件的中間過程視差估計(jì)不魯棒事件的全局最優(yōu)視差，保證第一圖像中事件的視差平滑性。本申請實(shí)施例的方法中，針對基于dvs獲取到的左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，并根據(jù)該代價(jià)計(jì)算該事件的中間過程視差；針對第一圖像中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件，其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；根據(jù)第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差，從而實(shí)現(xiàn)了對dvs圖像的視差的計(jì)算。上述方法針對圖像中的事件進(jìn)行處理，而不是針對像素進(jìn)行處理，而事件比像素的數(shù)量少很多，因此，能夠解決現(xiàn)有技術(shù)中由于針對每一個(gè)像素進(jìn)行處理而導(dǎo)致的計(jì)算量較大且計(jì)算所需時(shí)間較長的問題。另外，本申請實(shí)施例的方法中，首先去除左目圖像和右目圖像中的噪聲，然后再針對圖像中的每一個(gè)事件進(jìn)行處理，最終得到第一圖像中所有事件的全局最優(yōu)視差，可以在針對圖像中的事件進(jìn)行計(jì)算之前，先有效的去除圖像中包含的噪聲，即無效事件，從而僅對保留的有效事件進(jìn)行計(jì)算，進(jìn)一步減少了計(jì)算量，縮短了計(jì)算所需時(shí)間，提高了工作效率。另外，本申請實(shí)施例的方法中，提出了圖像中的像素的特征描述子，能夠有效描述像素的特征，并有效建立左右目圖像中事件的對應(yīng)關(guān)系。基于第一圖像中魯棒事件的中間過程視差，估計(jì)出第一圖像中所有事件的全局最優(yōu)視差的方法，能夠提高第一圖像中事件的視差平滑性和視差估計(jì)精度。表1給出了當(dāng)分別使用現(xiàn)有技術(shù)1、現(xiàn)有技術(shù)2和本申請實(shí)施例的方法計(jì)算圖像視差時(shí)，得到的第一圖像中所有事件的視差誤差的平均值的實(shí)驗(yàn)數(shù)據(jù)。表1現(xiàn)有技術(shù)1現(xiàn)有技術(shù)2本申請實(shí)施例的方法avgerr2.1410.071.36其中，avgerr表示第一圖像中所有事件的視差誤差的平均值(單位是像素)。由表1可以看出，與現(xiàn)有技術(shù)1和現(xiàn)有技術(shù)2相比，使用本申請實(shí)施例的方法時(shí)得到的視差誤差的平均值最小，從而視差估計(jì)精度也就最高。針對上述實(shí)施例中的方法，本申請實(shí)施例中提供了一種可以使用上述方法的圖像視差獲取裝置。如圖6所示，該圖像視差獲取裝置中包括以下模塊：代價(jià)計(jì)算模塊201、視差計(jì)算模塊202、確定模塊203和視差估計(jì)模塊204，其中：代價(jià)計(jì)算模塊201，用于針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)；其中，左目圖像和右目圖像是基于dvs獲取的圖像；視差計(jì)算模塊202，用于根據(jù)代價(jià)計(jì)算模塊201計(jì)算得到的事件在預(yù)定視差范圍內(nèi)的代價(jià)，計(jì)算該事件的中間過程視差；確定模塊203，用于針對第一圖像中的每一個(gè)事件，根據(jù)視差計(jì)算模塊202計(jì)算得到的該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件；其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；視差估計(jì)模塊204，用于在確定模塊203確定出第一圖像中的魯棒事件之后，根據(jù)視差計(jì)算模塊202計(jì)算得到的第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差。如圖7所示，該裝置中還包括：去噪模塊205，用于在代價(jià)計(jì)算模塊201針對左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)之前，去除左目圖像和右目圖像中的噪聲。其中，去噪模塊205中包括：分解單元、獲取單元和去噪后圖像計(jì)算單元，其中：分解單元，用于對圖像進(jìn)行特征分解，得到其中，δi表示第i個(gè)特征值，并且，δ1,δ2,…,δr按照由大到小的順序排列，ui和vi表示相互正交的特征向量，r表示特征值的總數(shù)；獲取單元，用于從δ1,δ2,…,δr中獲取不小于預(yù)設(shè)值的前k個(gè)特征值δ1,δ2,…,δk，其中，k＜r；去噪后圖像計(jì)算單元，用于按照以下公式計(jì)算得到去除噪聲后的圖像i0：其中，代價(jià)計(jì)算模塊201中包括：特征計(jì)算單元和事件代價(jià)計(jì)算單元，其中：特征計(jì)算單元，用于計(jì)算該圖像中的每一個(gè)像素的特征；事件代價(jià)計(jì)算單元，用于針對該圖像中的每一個(gè)事件，根據(jù)特征計(jì)算單元計(jì)算得到的以對應(yīng)于該事件的像素為中心點(diǎn)的局部范圍內(nèi)的像素的特征，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)。其中，圖像中的像素(x,y)的特征滿足以下公式：其中，x,y分別表示像素的橫坐標(biāo)和縱坐標(biāo)，fn(x,y)表示像素(x,y)在方向n上的特征，en(i,y)表示像素(x,y)在方向n上的鄰近像素(i,y)的極性值，i≠x，i表示鄰近像素(i,y)的橫坐標(biāo)，rot表示對該圖像進(jìn)行旋轉(zhuǎn)，abs表示求取絕對值，n＝1,2,...,n，n表示方向總數(shù)，min表示取最小值。其中，在預(yù)定視差值為d的條件下，事件代價(jià)計(jì)算單元按照以下公式計(jì)算事件的代價(jià)c(x,y,d)：其中，α表示線性合并權(quán)重，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，w(x,y)表示以對應(yīng)于該事件的像素(x,y)為中心點(diǎn)的局部范圍，(x′,y′)表示w(x,y)中的任一像素，fn(x′,y′)表示像素(x′,y′)在方向n上的特征，fn(x′+d,y′)表示像素(x′+d,y′)在方向n上的特征，n＝1,2,...,n，n表示方向總數(shù)，d表示預(yù)定視差范圍內(nèi)的任一視差值，e(x,y)表示對應(yīng)于該事件的像素(x,y)的極性值，e(x+d,y)表示像素(x+d,y)的極性值。其中，視差計(jì)算模塊202按照以下公式計(jì)算事件的中間過程視差d(x,y)：其中，x,y分別表示對應(yīng)于該事件的像素的橫坐標(biāo)和縱坐標(biāo)，c(x,y,d)表示在預(yù)定視差值為d的條件下該事件的代價(jià)，d表示預(yù)定視差范圍內(nèi)的任一視差值，表示使c(x,y,d)取最小值時(shí)的d。其中，確定模塊203中包括：判斷單元和事件確定單元，其中：判斷單元，用于判斷第一圖像中的該事件的中間過程視差dl(x,y)與第二圖像中的對應(yīng)事件的中間過程視差dr(x+dl(x,y),y)是否相等；其中，x,y分別表示對應(yīng)于第一圖像中的該事件的像素的橫坐標(biāo)和縱坐標(biāo)，x+dl(x,y),y分別表示對應(yīng)于第二圖像中的對應(yīng)事件的像素的橫坐標(biāo)和縱坐標(biāo)；事件確定單元，用于若判斷單元的判斷結(jié)果是相等，則確定第一圖像中的該事件為魯棒事件，若判斷單元的判斷結(jié)果是不相等，則確定第一圖像中的該事件為不魯棒事件。其中，視差估計(jì)模塊204按照以下公式估計(jì)第一圖像中的所有事件的全局最優(yōu)視差組成的集合其中，λ表示線性合并權(quán)重，m表示第一圖像中魯棒事件的總數(shù)，di表示根據(jù)第一圖像中的魯棒事件i在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件i的中間過程視差，表示第一圖像中的魯棒事件i的全局最優(yōu)視差，s表示第一圖像中的事件總數(shù)，表示第一圖像中的事件j的全局最優(yōu)視差，k表示在事件j周圍選取的魯棒事件的總數(shù)，dm表示根據(jù)選取的魯棒事件m在預(yù)定視差范圍內(nèi)的代價(jià)計(jì)算得到的魯棒事件m的中間過程視差，wjm表示事件j與魯棒事件m的特征相似度，表示使取最小值時(shí)的綜上，本申請以上實(shí)施例可以達(dá)到以下技術(shù)效果：(1)針對基于dvs獲取到的左目圖像和右目圖像中的每一個(gè)事件，計(jì)算該事件在預(yù)定視差范圍內(nèi)的代價(jià)，并根據(jù)該代價(jià)計(jì)算該事件的中間過程視差；針對第一圖像中的每一個(gè)事件，根據(jù)該事件的中間過程視差以及第二圖像中的對應(yīng)事件的中間過程視差，確定第一圖像中的該事件是否為魯棒事件，其中，當(dāng)?shù)谝粓D像為左目圖像時(shí)，第二圖像為右目圖像，當(dāng)?shù)谝粓D像為右目圖像時(shí)，第二圖像為左目圖像；根據(jù)第一圖像中的魯棒事件的中間過程視差，估計(jì)第一圖像中的所有事件的全局最優(yōu)視差，從而實(shí)現(xiàn)了對dvs圖像的視差的計(jì)算。上述方法針對圖像中的事件進(jìn)行處理，而不是針對像素進(jìn)行處理，而事件比像素的數(shù)量少很多，因此，能夠解決現(xiàn)有技術(shù)中由于針對每一個(gè)像素進(jìn)行處理而導(dǎo)致的計(jì)算量較大且計(jì)算所需時(shí)間較長的問題。(2)首先去除左目圖像和右目圖像中的噪聲，然后再針對圖像中的每一個(gè)事件進(jìn)行處理，最終得到第一圖像中所有事件的全局最優(yōu)視差，可以在針對圖像中的事件進(jìn)行計(jì)算之前，先有效的去除圖像中包含的噪聲，即無效事件，從而僅對保留的有效事件進(jìn)行計(jì)算，進(jìn)一步減少了計(jì)算量，縮短了計(jì)算所需時(shí)間，提高了工作效率。(3)提出了圖像中的像素的特征描述子，能夠有效描述像素的特征，并有效建立左右目圖像中事件的對應(yīng)關(guān)系。(4)基于第一圖像中魯棒事件的中間過程視差，估計(jì)出第一圖像中所有事件的全局最優(yōu)視差的方法，能夠提高第一圖像中事件的視差平滑性和視差估計(jì)精度。以上所述僅為本申請的較佳實(shí)施例而已，并不用以限制本申請，凡在本申請的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請保護(hù)的范圍之內(nèi)。當(dāng)前第1頁12