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(biāo)檢測和跟蹤、交通標(biāo)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(xì)地對周圍環(huán)境進(jìn)行直觀的描述,。立體匹配的關(guān)鍵問題在于從不同視點(diǎn)拍攝的立體圖像中找到像素之間的對應(yīng)關(guān)系^［1］。為此,，文獻(xiàn)［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(gè)用于定量評價(jià)立體算法（SM）的試驗(yàn)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(shí)間為代價(jià)，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(yīng)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(yīng)的立體圖像，將時(shí)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(jìn),。 

本文提出了一種基于時(shí)空信息的快速立體匹配方法,。基于早期提出的通過圖像點(diǎn)得到全球視差范圍的方法,，本文提出了一種新的計(jì)算視差范圍的方法,。該方法不再通過所有圖像點(diǎn)來求取全局視差范圍，而是根據(jù)邊緣點(diǎn)的性質(zhì)得到,。最后,，將該方法和STM^［4］、SM^［5］方法進(jìn)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(shí)間k上獲得的左右立體聲圖像,；ILk－1和IRk－1分別表示在時(shí)間k－1上獲得的左右立體聲圖像,；Dk和Dk－1分別表示在當(dāng)前幀和前一個(gè)幀中計(jì)算的視差圖；fk=（ILk,IRk）和fk－1=（ILk－1,IRk－1）分別表示當(dāng)前幀和前一幀,。

該算法根據(jù)左側(cè)圖像ILk－1當(dāng)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(diǎn)通過DP算法計(jì)算出當(dāng)前幀的視差圖Dk (見圖1),。

首先根據(jù)以上方法進(jìn)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(dú)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(diǎn)之間的相似性,。最后利用DP算法計(jì)算當(dāng)前幀的視差圖Dk進(jìn)行特征點(diǎn)的匹配,。

1.1 匹配特征

首先從立體圖像中提取匹配特征點(diǎn)。通常使用邊緣點(diǎn)作為特征點(diǎn),。為了便于適應(yīng)智能交通系統(tǒng),，需要選擇快速而準(zhǔn)確的邊緣檢測算法。本文使用Canny邊緣檢測算法進(jìn)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(diǎn)，有助于得到較少的稀疏視差圖,。

1.2 邊緣點(diǎn)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(gè)點(diǎn),，PLk和QLk屬于圖像ILk上CL,jk邊上的對應(yīng)點(diǎn),。點(diǎn)QLk的匹配點(diǎn)被定義為CL,jk－1邊上與QLk點(diǎn)y坐標(biāo)相同的對應(yīng)點(diǎn)。

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(jì)算時(shí)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(diǎn),，將全局視差范圍適用于沒有關(guān)聯(lián)的圖像點(diǎn)。通過討論研究,，根據(jù)匹配算法在每一對圖像掃描線上獨(dú)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(jì)算

本小節(jié)將介紹如何計(jì)算局部視差范圍,。首先用Pk表示左圖中當(dāng)前幀的一點(diǎn)，Pk－1表示左圖中前一幀的對應(yīng)點(diǎn),，然后根據(jù)前一幀對應(yīng)點(diǎn)Pk－1的視差值計(jì)算邊緣點(diǎn)Pk的視差范圍,。由于通過在相鄰幀的邊緣點(diǎn)之間尋找對應(yīng)點(diǎn)是一個(gè)具有挑戰(zhàn)性的任務(wù)，為此提出在邊緣線Ck－1的邊緣點(diǎn)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(yīng)點(diǎn)Passk－1是圖像Ik－1中的像素點(diǎn)，該像素點(diǎn)與邊緣線Ck－1上Pk－1的y坐標(biāo)相同,。在高級驅(qū)動輔助系統(tǒng)應(yīng)用程序中,，fps為高（即邊緣點(diǎn)Pk與對應(yīng)點(diǎn)Pk－1的y坐標(biāo)），則Pcorrk－1應(yīng)該與其y坐標(biāo)相接近的一點(diǎn)Passk－1相對應(yīng),。

1.3.2 全局視差范圍計(jì)算

全局視差范圍的計(jì)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(yù)估視差圖得到。在本文中,，根據(jù)當(dāng)前幀的v視差與前一幀相同的原理,，提出了一種既不用計(jì)算初始視差圖，也不用計(jì)算預(yù)估視差圖的計(jì)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(dāng)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(dāng)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(gè)圖像線上只有一個(gè)視差值di,。考慮到上面所做的假設(shè)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(yīng)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(gè)不確定性值(公差值),。此約束用于圖像底部的整個(gè)圖像線。

1.4 成本函數(shù)

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

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

1.5 動態(tài)規(guī)劃算法

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

將局部和全局視差范圍應(yīng)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(diǎn)被認(rèn)為是可能的匹配，而另一些則被認(rèn)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(xiàng),。在尋找最佳路徑后，確定了和之間的對應(yīng)邊緣點(diǎn),。對于每個(gè)圖像線都有獨(dú)立的匹配過程,。

局部視差范圍不僅需要提高匹配點(diǎn)的精度，也需要提高整個(gè)圖像的精度,，因?yàn)槿绻鸇P算法在某一步失敗,，將可能影響到圖像中其他邊緣點(diǎn)匹配。但在本文的匹配過程中,，如果DP算法在某一個(gè)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(dāng)在圖像中發(fā)現(xiàn)大量的局部區(qū)域時(shí),，局部視差范圍都能夠較好地控制。

2  實(shí)驗(yàn)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(jìn)行了測試,，并與現(xiàn)有的快速時(shí)空立體匹配方法相比較。為了說明時(shí)間信息在匹配過程中的重要性,，在不整合時(shí)間信息的情況下,，同樣的方法應(yīng)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(jìn)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(shí)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(jì)算的視差圖。圖9描述了由STM和SM方法計(jì)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(jìn)行比較,，為每種方法提供了匹配邊緣點(diǎn)(NME)的數(shù)量、正確匹配點(diǎn)的數(shù)量(NCM),、錯(cuò)誤匹配點(diǎn)的數(shù)量,、正確匹配的百分比(PCM)和第294幀的執(zhí)行時(shí)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(diǎn),，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(shí)間一致性,，通過對前一幀的匹配結(jié)果進(jìn)行計(jì)算，完成了當(dāng)前幀的視差圖的計(jì)算,。在當(dāng)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(gè)邊緣點(diǎn)可能匹配的數(shù)量,，也減少了錯(cuò)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(jìn)行了測試,，結(jié)果令人滿意,。后續(xù)研究中將在真實(shí)序列中進(jìn)行測試。

參考文獻(xiàn)

［1］ 耿英楠. 立體匹配技術(shù)的研究［D］.長春：吉林大學(xué),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(shí)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(xué)報(bào),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(xué),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),。