配置視差值的方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了配置視差值的方法和系統(tǒng)。在一個(gè)實(shí)施例中，該方法可以包括：獲取參考圖像；將獲取的參考圖像分割為多個(gè)區(qū)域；對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類；基于分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值。根據(jù)本發(fā)明提供的配置視差值的方法和系統(tǒng)，可以更準(zhǔn)確地配置視差值，獲得準(zhǔn)確并且稠密的視差圖像。
【專利說明】配置視差值的方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，更具體地涉及配置視差值的方法和系統(tǒng)。

【背景技術(shù)】
[0002] 近年來，立體視覺技術(shù)獲得廣泛關(guān)注。立體視覺的基本原理是結(jié)合兩個(gè)(雙目）或 更多視點(diǎn)的信息，以獲得不同視角下同一物體的圖像，并利用三角測(cè)量原理來計(jì)算圖像的 像素點(diǎn)之間的位置偏差，從而獲得物體的立體信息。該立體視覺包括圖像獲取、攝像機(jī)定 標(biāo)、特征提取、立體匹配、深度及內(nèi)插等處理，其中，通過立體匹配技術(shù)得到的視差信息(深 度信息）可用來估量攝像機(jī)和物體之間的相對(duì)距離。這些視差信息可以應(yīng)用于諸多場(chǎng)合， 例如三維電影、機(jī)器人、監(jiān)控、基于三維技術(shù)的道路檢測(cè)、行人檢測(cè)、自動(dòng)駕駛、智能車輛控 制等等。例如，在智能車輛控制中，基于通過視差信息獲得的視差圖，可以很容易地檢測(cè)到 路面、白線和柵欄，從而檢測(cè)包括行人和車輛等目標(biāo)，以便基于檢測(cè)結(jié)果對(duì)車輛進(jìn)行智能控 制?？梢姡@得魯棒和準(zhǔn)確的視差圖在立體視覺中起著重要的作用。
[0003] 通常，立體匹配技術(shù)可以分成兩類，一類是基于像素的算法，另一類是基于分割的 算法?；谙袼氐乃惴▎为?dú)考慮每個(gè)像素。如圖1所示，基于像素的算法為像素P和Q單 獨(dú)尋找對(duì)應(yīng)像素，實(shí)際上，P和Q均位于路面區(qū)域，它們的視差值之間滿足某種特定關(guān)系?；?于像素的算法需要很長(zhǎng)的處理時(shí)間。
[0004] 另外一種常用的算法是基于分割的算法。圖像分割是基于分割的算法的基本模 塊，該算法的基本思想是對(duì)同一區(qū)域塊內(nèi)的所有像素一起進(jìn)行考慮，即利用區(qū)域塊內(nèi)有效 像素的視差值來估計(jì)每個(gè)區(qū)域塊的視差分布。圖2為典型的基于分割的立體匹配算法的系 統(tǒng)框圖，該算法包括對(duì)參考圖像進(jìn)行分割，根據(jù)參考圖像和目標(biāo)圖像計(jì)算初始視差值獲得 初始視差圖像，對(duì)每個(gè)分割的區(qū)域塊計(jì)算視差值從而利用計(jì)算的視差值更新初始視差圖像 來獲得視差圖像。
[0005] 例如，題為 "Segment based image matching method and system，'的美國(guó)專利 US7330593B2公開了一種圖像匹配方法，其中用彩色信息對(duì)參考圖像進(jìn)行分割，通過基本的 局部立體匹配算法生成一幅初始視差圖像，采用平面擬合方法對(duì)分割的每個(gè)區(qū)域進(jìn)行建模 并利用置信傳播方法生成最優(yōu)的視差圖。
[0006] 基于分割的算法在很大程度上解決了基于像素的算法所存在的問題：處理時(shí)間過 長(zhǎng)。但是，基于分割的算法帶來一個(gè)新問題：在一些區(qū)域存在嚴(yán)重錯(cuò)誤的視差值。以路面 區(qū)域?yàn)槔?，如圖3所示，根據(jù)典型的基于分割的算法獲得的路面區(qū)域的視差圖向右傾斜，存 在錯(cuò)誤。根據(jù) "A Complete U-V-Disparity Study for Stereovision Based3D Driving Environment Analysis"Zhencheng Hu,Francisco Lamosa and Keiichi Uchimura, Department of Computer Science, Kumamoto University, Japan, Graduate School of Science and Technology, Kumamoto University, Japan，因?yàn)閷?duì)于路面區(qū)域來說，每條水平 線上的深度值是恒定的，所以對(duì)于路面區(qū)域的正確的視差圖應(yīng)該是由很多水平線組成。
[0007] 由此可見，典型的基于分割的立體匹配算法有些盲目，對(duì)初始視差圖像過于依賴， 得到的視差圖可能不夠準(zhǔn)確。如圖4所示，如果初始視差圖像中有特別多噪聲點(diǎn)，就會(huì)產(chǎn)生 錯(cuò)誤的視差圖。因此，需要提供能夠更準(zhǔn)確地配置視差圖中的視差值的方法和系統(tǒng)。


【發(fā)明內(nèi)容】

[0008] 考慮到以上問題，本申請(qǐng)?zhí)岢隽嘶诜诸惖囊暡顖D配置方法及裝置，其利用更加 魯棒的方法獲得更加準(zhǔn)確的稠密視差圖。
[0009] 根據(jù)本發(fā)明的一個(gè)方面，提供了配置視差值的方法，該方法可以包括：獲取參考圖 像；將獲取的參考圖像分割為多個(gè)區(qū)域；對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類；基于分類結(jié)果 為每個(gè)區(qū)域內(nèi)的像素分配視差值。
[0010] 可選地，對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類的步驟可以包括：建立不同平面類型的 視差分布模型；對(duì)于分割得到的每個(gè)區(qū)域計(jì)算與每個(gè)平面類型的視差分布模型對(duì)應(yīng)的參 數(shù)；基于每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平面類型。
[0011] 可選地，基于分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值的步驟可以包括：根據(jù)每 個(gè)區(qū)域所屬于的平面類型，利用與該平面類型相對(duì)應(yīng)的視差分布模型來計(jì)算該區(qū)域內(nèi)的像 素點(diǎn)的視差值。
[0012] 可選地，建立不同平面類型的視差分布模型可以包括：建立與第一平面類型對(duì)應(yīng) 的第一視差分布模型；建立與第二平面類型對(duì)應(yīng)的第二視差分布模型；建立與第三平面類 型對(duì)應(yīng)的第三視差分布模型。對(duì)于分割得到的每個(gè)區(qū)域計(jì)算參數(shù)可以包括：對(duì)每個(gè)區(qū)域分 別計(jì)算與第一視差分布模型對(duì)應(yīng)的第一參數(shù)、與第二視差分布模型對(duì)應(yīng)的第二參數(shù)以及與 第三視差分布模型對(duì)應(yīng)的第三參數(shù)。
[0013] 可選地，基于每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平面類型的步驟可以包 括：如果任意區(qū)域的第一參數(shù)小于預(yù)定閾值并且該第一參數(shù)充分小于該區(qū)域的第二參數(shù)， 則確定該區(qū)域?qū)儆诘谝黄矫骖愋停蝗绻搮^(qū)域的第二參數(shù)小于該預(yù)定閾值并且該第二參數(shù) 充分小于該第一參數(shù)，則確定該區(qū)域?qū)儆诘诙矫骖愋停环駝t，確定該區(qū)域?qū)儆诘谌矫骖?型。可以基于該區(qū)域的第三參數(shù)設(shè)置該預(yù)定閾值。
[0014] 可選地，該方法還可以包括：獲取與該參考圖像對(duì)應(yīng)的初始視差圖。計(jì)算與第一視 差分布模型對(duì)應(yīng)的第一參數(shù)的步驟可以包括：掃描每個(gè)區(qū)域的每一行像素以從所述初始視 差圖獲得每一行像素的有效視差值的直方圖；獲得每一行像素的有效視差值的直方圖的峰 值；按照第一視差分布模型，利用每一行像素的縱坐標(biāo)和與該直方圖峰值對(duì)應(yīng)的初始視差 值形成的點(diǎn)對(duì)擬合出該區(qū)域的第一視差分布表達(dá)式；根據(jù)該區(qū)域的第一視差分布表達(dá)式， 計(jì)算該區(qū)域的第一參數(shù)。有效視差值是大于零的視差值
[0015] 可選地，計(jì)算與第二視差分布模型對(duì)應(yīng)的第二參數(shù)的步驟可以包括：掃描每個(gè)區(qū) 域的每一列像素點(diǎn)以從所述初始視差圖獲得每一列像素的有效視差值的直方圖；獲得每一 列像素的有效視差值的直方圖的峰值；按照第二視差分布模型，利用每一列像素的橫坐標(biāo) 和與直方圖峰值對(duì)應(yīng)的視差值形成的點(diǎn)對(duì)擬合出該區(qū)域的第二視差分布表達(dá)式；根據(jù)該區(qū) 域的第二視差分布表達(dá)式，計(jì)算該區(qū)域的第二參數(shù)。
[0016] 可選地，計(jì)算與第三視差分布模型對(duì)應(yīng)的第三參數(shù)的步驟可以包括：掃描每個(gè)區(qū) 域內(nèi)的所有像素以從所述初始視差圖獲得所有像素的有效視差值；按照第三視差分布模 型，利用每個(gè)區(qū)域內(nèi)具有有效視差值的所有像素的橫坐標(biāo)、縱坐標(biāo)以及相應(yīng)的有效視差值 擬合出該區(qū)域的第三視差分布表達(dá)式，根據(jù)該區(qū)域的第三視差分布表達(dá)式，計(jì)算該區(qū)域的 第三參數(shù)。
[0017] 可選地，根據(jù)每個(gè)區(qū)域所屬于的平面類型，利用與該平面類型相對(duì)應(yīng)的視差分布 模型來計(jì)算該區(qū)域內(nèi)的像素點(diǎn)的視差值的步驟可以包括：如果任意區(qū)域被分類為第一平面 類型，則根據(jù)該區(qū)域的第一視差分布表達(dá)式計(jì)算該區(qū)域內(nèi)的像素點(diǎn)的視差值，作為分配給 所述像素點(diǎn)的視差值，如果該區(qū)域被分類為第二平面類型，則根據(jù)該區(qū)域的第二視差分布 表達(dá)式計(jì)算該區(qū)域內(nèi)的像素點(diǎn)的視差值，作為分配給所述像素點(diǎn)的視差值，如果該區(qū)域被 分類為第三平面類型，則根據(jù)該區(qū)域的第三視差分布表達(dá)式計(jì)算該區(qū)域內(nèi)的像素點(diǎn)的視差 值，作為分配給所述像素點(diǎn)的視差值。
[0018] 根據(jù)本發(fā)明的上述實(shí)施例，將參考圖像劃分成多個(gè)區(qū)域并對(duì)它們進(jìn)行分類，并根 據(jù)不同的類別采用不同的視差值配置方法，從而能夠自適應(yīng)地選擇該平面類型對(duì)應(yīng)的視差 值配置方法配置該區(qū)域塊內(nèi)像素的視差值，獲得更加準(zhǔn)確的視差值。
[0019] 根據(jù)本發(fā)明的另一方面，提供了配置視差值的系統(tǒng)，該系統(tǒng)可以包括：獲取單元， 配置為獲取參考圖像；分割單元，配置為將獲取的參考圖像分割為多個(gè)區(qū)域；分類單元，配 置為對(duì)分割單元所分割的多個(gè)區(qū)域進(jìn)行分類；分配單元，配置為基于分類單元的分類結(jié)果 為每個(gè)區(qū)域內(nèi)的像素分配視差值。
[0020] 可選地，該分類單元可以通過以下來對(duì)多個(gè)區(qū)域進(jìn)行分類：建立不同平面類型的 視差分布模型；對(duì)于分割得到的每個(gè)區(qū)域計(jì)算與每個(gè)平面類型的視差分布模型對(duì)應(yīng)的參 數(shù)；基于每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平面類型。
[0021] 可選地，該分配單元可以通過以下來為每個(gè)區(qū)域內(nèi)的像素分配視差值：根據(jù)每個(gè) 區(qū)域所屬于的平面類型，利用與該平面類型相對(duì)應(yīng)的視差分布模型來計(jì)算該區(qū)域內(nèi)的像素 點(diǎn)的視差值。
[0022] 典型的基于分割的立體匹配算法過于盲目，對(duì)初始視差圖像過于依賴。然而，在根 據(jù)本發(fā)明的實(shí)施例的方法和系統(tǒng)中，通過對(duì)區(qū)域分類并與區(qū)域所屬的類別相應(yīng)地計(jì)算視差 值，將已知的場(chǎng)景信息引入到視差計(jì)算過程當(dāng)中，因此根據(jù)本發(fā)明的實(shí)施例的方法更加魯 棒，得到的視差圖像更加準(zhǔn)確。

【專利附圖】

【附圖說明】
[0023] 圖1是基于像素的立體匹配算法的示意圖。
[0024] 圖2是基于分割的立體匹配算法的示意圖。
[0025] 圖3例示路面區(qū)域及通過基于分割的方法獲得的相應(yīng)視差圖。
[0026] 圖4例不初始視差圖中存在過多噪聲點(diǎn)的情況下獲得的視差圖。
[0027] 圖5是本發(fā)明的實(shí)施例可應(yīng)用的硬件系統(tǒng)的框圖。
[0028] 圖6是根據(jù)本發(fā)明的一個(gè)實(shí)施例的配置像素的視差值的方法的流程圖。
[0029] 圖7是根據(jù)本發(fā)明的一個(gè)實(shí)施例的對(duì)分割得到的區(qū)域分類的方法的流程圖。
[0030] 圖8(a)到8(d)是根據(jù)本發(fā)明的一個(gè)實(shí)施例的三種平面類型及相應(yīng)的例子的示意 圖。
[0031] 圖9是根據(jù)本發(fā)明的一個(gè)實(shí)施例的計(jì)算第一參數(shù)的方法的流程圖。
[0032] 圖10是根據(jù)本發(fā)明的一個(gè)實(shí)施例的基于第一視差分布模型計(jì)算第一參數(shù)的示意 圖。
[0033] 圖11是根據(jù)本發(fā)明的一個(gè)實(shí)施例的計(jì)算第二參數(shù)的方法的流程圖。
[0034] 圖12是根據(jù)本發(fā)明的一個(gè)實(shí)施例的基于第二視差分布模型計(jì)算第二參數(shù)的示意 圖。
[0035] 圖13是根據(jù)本發(fā)明的一個(gè)實(shí)施例的計(jì)算第三參數(shù)的方法的流程圖。
[0036] 圖14(a)和14(b)示出通過典型的基于分割的立體匹配算法得到的視差圖。
[0037] 圖15(a)和14(b)示出根據(jù)本發(fā)明的一個(gè)實(shí)施例得到的視差圖。
[0038] 圖16示出根據(jù)本發(fā)明的一個(gè)實(shí)施例的配置視差值的系統(tǒng)的框圖。

【具體實(shí)施方式】
[0039] 現(xiàn)在將詳細(xì)參照本發(fā)明的具體實(shí)施例，在附圖中例示了本發(fā)明的例子。盡管將結(jié) 合具體實(shí)施例描述本發(fā)明，但是將理解，不意圖將本發(fā)明限于所公開的具體實(shí)施例。應(yīng)注 意，在此所述的方法步驟都可以由任何功能塊或功能布置來實(shí)現(xiàn)，且任何功能塊或功能布 置可被實(shí)現(xiàn)為物理實(shí)體或邏輯實(shí)體、或者兩者的組合。
[0040] 如上所述，典型的基于分割的方法歸于盲目，對(duì)于初始視差圖像過于依賴，然而， 如果已知場(chǎng)景并將其引入到視差計(jì)算過程中，則對(duì)視差值的配置將更加準(zhǔn)確。根據(jù)本發(fā)明， 通過對(duì)分割參考圖像獲得的區(qū)域塊進(jìn)行分類，基于區(qū)域塊的類別而相應(yīng)地配置視差值，從 而獲得更加準(zhǔn)確的視差圖，以下詳細(xì)描述。
[0041] 首先參考圖5,描述應(yīng)用于本發(fā)明的實(shí)施例的硬件系統(tǒng)100的框圖。
[0042] 硬件系統(tǒng)100包括：立體相機(jī)110,用于從兩個(gè)或更多視點(diǎn)拍攝兩個(gè)或更多圖像； 解碼器120,用于從立體相機(jī)110拍攝的圖像中提取與像素相關(guān)的圖像信息、例如灰度信 息、彩色信息等；數(shù)字信號(hào)處理器130,用于對(duì)解碼器120輸出的各種信息進(jìn)行數(shù)字信號(hào)處 理；存儲(chǔ)器140,與數(shù)字信號(hào)處理器130耦合，用于存儲(chǔ)由數(shù)字信號(hào)處理器處理130的數(shù)據(jù) 或向數(shù)字信號(hào)處理器130提供數(shù)據(jù)；以及與應(yīng)用相關(guān)的其他模塊150,用于利用數(shù)字信號(hào)處 理器130處理的結(jié)果進(jìn)行進(jìn)一步的動(dòng)作。
[0043] 根據(jù)本發(fā)明的實(shí)施例的方法和系統(tǒng)可以實(shí)現(xiàn)在圖5所示的數(shù)字信號(hào)處理器130 中。當(dāng)然，這僅僅是一個(gè)例子，其實(shí)現(xiàn)方式不限于此。
[0044] 以下參考圖6的流程圖描述根據(jù)本發(fā)明的一個(gè)實(shí)施例的配置像素的視差值的方 法。
[0045] 如圖6所示，配置視差值的方法600可以包括：
[0046] 步驟601，獲取參考圖像；
[0047] 步驟602,將獲取的參考圖像分割為多個(gè)區(qū)域；
[0048] 步驟603,對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類；
[0049] 步驟604,基于分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值。
[0050] 在步驟601，可以通過任何已知的方法獲得目標(biāo)場(chǎng)景的參考圖像。例如，通過雙目 相機(jī)，可以獲得目標(biāo)場(chǎng)景的左眼圖像和右眼圖像，可以取其中的任意一個(gè)、例如左眼圖像作 為參考圖像，則右眼圖像作為目標(biāo)圖像，或反之亦然。當(dāng)然，這僅僅是例子，獲取參考圖像的 方法不限于此。
[0051] 可選地，在一個(gè)實(shí)施例中，在步驟601中輸入?yún)⒖紙D像和目標(biāo)圖像，并由此獲取相 應(yīng)的初始視差圖像?；蛘撸诹硪粚?shí)施例中，輸入?yún)⒖紙D像和相應(yīng)的初始視差圖像?？梢酝?過本領(lǐng)域中已知的方法、例如立體匹配算法來獲取初始視差圖，當(dāng)然，獲取初始視差圖的方 法不限于此。
[0052] 在步驟602,分割參考圖像。圖像分割是將一幅圖像劃分成若干區(qū)域的過程，每 個(gè)區(qū)域內(nèi)的像素具有一些共同的或者相似的特征。特征對(duì)于圖像分割算法而言是至關(guān)重 要的，如果用彩色(灰度）信息作為特征，則分割的每個(gè)區(qū)域內(nèi)的像素具有幾乎相同的彩 色(灰度）值?；诰灯频乃惴ㄊ悄壳俺Ｓ玫膱D像分割算法，彩色(灰度）特征是常用 的特征。例如，在 Yizong Cheng 的"Mean Shift，Mode Seeking，and Clustering，'IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 17, NO. 8, AUGUSTI 995中，詳細(xì)描述了均值漂移算法及其應(yīng)用，其全文被引用合并于此作為參考。以下以彩色 (灰度）特征作為圖像分割特征舉例說明圖像分割的過程，然而，圖像分割特征的選取不限 于彩色特征或灰度特征，也可以采用本領(lǐng)域中已知的其他特征。
[0053] 首先，定義圖像分割特征，考慮像素的彩色(灰度）信息，該圖像分割特征可以表示 為：（I K，Ie，Ib)或者I，其中，（IK，Ie，I b)和I分別為像素（X，y)的R、G、B彩色值和灰度值。 然后，在特征空間中通過均值漂移過程為每個(gè)像素尋找收斂模式。收斂模式是特征空間中 的一個(gè)點(diǎn)，漂移至該點(diǎn)后特征值不再變化。根據(jù)由此得到的收斂模式，對(duì)所有像素進(jìn)行聚 類，從而獲得多個(gè)符合預(yù)定特征(例如，具有共同的或者相似的特征)的像素區(qū)域。在圖2中， 示出了參考圖像被分割為多個(gè)區(qū)域的分割結(jié)果。
[0054] 當(dāng)然，可以采用任何基本的圖像分割算法來對(duì)參考圖像進(jìn)行分割。在這里，假設(shè)實(shí) 際場(chǎng)景由許多平面組成，分割得到的每個(gè)區(qū)域塊對(duì)應(yīng)于實(shí)際場(chǎng)景中的一個(gè)平面。經(jīng)此分割 后，輸出與分割結(jié)果相關(guān)的信息，該信息可以包括但不限于以下中的一個(gè)或多個(gè)：分割的區(qū) 域的數(shù)目、每個(gè)區(qū)域內(nèi)像素的數(shù)目、整個(gè)參考圖像的標(biāo)記圖像等。這些與分割結(jié)果相關(guān)的信 息將在后續(xù)步驟中使用。
[0055] 在步驟603,將分割得到的各個(gè)區(qū)域分類。參考圖7的流程圖描述根據(jù)本發(fā)明的一 個(gè)實(shí)施例的對(duì)分割得到的區(qū)域分類的示例方法700。
[0056] 如圖7所示，分類方法700可以包括：
[0057] 步驟701，建立不同平面類型的視差分布模型；
[0058] 步驟702,對(duì)于分割得到的每個(gè)區(qū)域計(jì)算與每個(gè)平面類型的視差分布模型對(duì)應(yīng)的 參數(shù)；
[0059] 步驟703,基于在步驟702中獲得的每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平 面類型。
[0060] 通常，可以將實(shí)際場(chǎng)景中的平面分成三類。在如圖8所示的世界坐標(biāo)系統(tǒng) (XW，Y W，Zw)的情況下，這三類平面分別是：繞旋轉(zhuǎn)的第一類平面，如圖8 (a)所示，屬于 第一類的所有平面具有相同的視差分布模式；繞Yw軸旋轉(zhuǎn)的第二類平面，如圖8 (b)所示， 屬于第二類的所有平面具有相同的視差分布模式；繞2￥軸旋轉(zhuǎn)的第三類平面，如圖8(c)所 示，屬于第三類的所有平面具有相同的視差分布模式，其中在該圖8中的該坐標(biāo)系統(tǒng)中的 (XpyJ為參考圖像的圖像坐標(biāo)系統(tǒng)，（X^y 1)為目標(biāo)圖像的圖像坐標(biāo)系統(tǒng)。
[0061] 圖8(d)給出了三種類別的平面在實(shí)際場(chǎng)景中的例子。對(duì)于圖8(d)所示的圖像，其 圖像坐標(biāo)系按照下面的方式建立：圖像左上角的像素點(diǎn)為坐標(biāo)原點(diǎn)，水平向右為X軸正方 向，堅(jiān)直向下為Y軸正方向；相應(yīng)的世界坐標(biāo)系為：XW軸正方向水平向右，Yw軸正方向堅(jiān)直 向下，2￥軸正方向垂直紙面向里。如圖8(d)所示，路面、車輛后背板平面、大樓的正面屬于 第一類平面，大樓的側(cè)面屬于第二類平面，人行道旁側(cè)立的傾斜墻壁面屬于第三類平面。圖 8 (d)中用于標(biāo)示三種平面類型的矩形框僅僅是示意性的，并不是對(duì)參考圖像進(jìn)行分割的實(shí) 際結(jié)果，當(dāng)然，分割后的區(qū)域不限于矩形。
[0062] 以下描述在步驟701中建立視差分布模型的一種示例的實(shí)現(xiàn)方式。在 Zhencheng Hu 等人的"A Complete U-V-Disparity Study for Stereovision Based 3D Driving Environment Analysis，'，Department of Computer Science, Kumamoto University,Japan, Graduate School of Science and Technology, Kumamoto University，Japan中，給出了這三種平面類型的平面方程以及視差分布方程，其全文被引 用合并于此作為參考。對(duì)于第一類平面，其平面方程Z w以及視差分布方程d(x，y)分別由 以下公式（1)和公式（2)表示：
[0063] Zw=C1YJc2 (C2 關(guān) 0) 公式（1)

【權(quán)利要求】
1. 一種配置視差值的方法，包括： 獲取參考圖像； 將獲取的參考圖像分割為多個(gè)區(qū)域； 對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類； 基于分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值。
2. 如權(quán)利要求1所述的方法，其中對(duì)分割得到的多個(gè)區(qū)域進(jìn)行分類的步驟包括： 建立不同平面類型的視差分布模型； 對(duì)于分割得到的每個(gè)區(qū)域計(jì)算與每個(gè)平面類型的視差分布模型對(duì)應(yīng)的參數(shù)； 基于每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平面類型。
3. 如權(quán)利要求2所述的方法，其中基于分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值的步 驟包括：根據(jù)每個(gè)區(qū)域所屬于的平面類型，利用與該平面類型相對(duì)應(yīng)的視差分布模型來計(jì) 算該區(qū)域內(nèi)的像素點(diǎn)的視差值。
4. 如權(quán)利要求2或3所述的方法，其中建立不同平面類型的視差分布模型包括： 建立與第一平面類型對(duì)應(yīng)的第一視差分布模型； 建立與第二平面類型對(duì)應(yīng)的第二視差分布模型； 建立與第三平面類型對(duì)應(yīng)的第三視差分布模型， 其中，對(duì)于分割得到的每個(gè)區(qū)域計(jì)算與每個(gè)平面類型的視差分布模型對(duì)應(yīng)的參數(shù)的步 驟包括：對(duì)每個(gè)區(qū)域分別計(jì)算與第一視差分布模型對(duì)應(yīng)的第一參數(shù)、與第二視差分布模型 對(duì)應(yīng)的第二參數(shù)以及與第三視差分布模型對(duì)應(yīng)的第三參數(shù)。
5. 如權(quán)利要求4所述的方法，其中，基于每個(gè)區(qū)域的各個(gè)參數(shù)確定該區(qū)域所屬于的平 面類型的步驟包括： 如果任意區(qū)域的第一參數(shù)小于預(yù)定閾值并且該第一參數(shù)充分小于該區(qū)域的第二參數(shù)， 則確定該區(qū)域?qū)儆诘谝黄矫骖愋停? 如果該區(qū)域的第二參數(shù)小于該預(yù)定閾值并且該第二參數(shù)充分小于該第一參數(shù)，則確定 該區(qū)域?qū)儆诘诙矫骖愋停? 否則，確定該區(qū)域?qū)儆诘谌矫骖愋停? 其中，基于該區(qū)域的第三參數(shù)設(shè)置該預(yù)定閾值。
6. 如權(quán)利要求5所述的方法，還包括：獲取與該參考圖像對(duì)應(yīng)的初始視差圖， 其中，計(jì)算與第一視差分布模型對(duì)應(yīng)的第一參數(shù)的步驟包括： 掃描每個(gè)區(qū)域的每一行像素以從所述初始視差圖獲得每一行像素的有效視差值的直 方圖； 獲得每一行像素的有效視差值的直方圖的峰值； 按照第一視差分布模型，利用每一行像素的縱坐標(biāo)和與該直方圖峰值對(duì)應(yīng)的初始視差 值形成的點(diǎn)對(duì)擬合出該區(qū)域的第一視差分布表達(dá)式； 根據(jù)該區(qū)域的第一視差分布表達(dá)式，計(jì)算該區(qū)域的第一參數(shù)， 其中，有效視差值是大于零的視差值。
7. 如權(quán)利要求6所述的方法，其中，計(jì)算與第二視差分布模型對(duì)應(yīng)的第二參數(shù)的步驟 包括： 掃描每個(gè)區(qū)域的每一列像素點(diǎn)以從所述初始視差圖獲得每一列像素的有效視差值的 直方圖； 獲得每一列像素的有效視差值的直方圖的峰值； 按照第二視差分布模型，利用每一列像素的橫坐標(biāo)和與直方圖峰值對(duì)應(yīng)的視差值形成 的點(diǎn)對(duì)擬合出該區(qū)域的第二視差分布表達(dá)式； 根據(jù)該區(qū)域的第二視差分布表達(dá)式，計(jì)算該區(qū)域的第二參數(shù)。
8. 如權(quán)利要求7所述的方法，其中，計(jì)算與第三視差分布模型對(duì)應(yīng)的第三參數(shù)的步驟 包括： 掃描每個(gè)區(qū)域內(nèi)的所有像素以從所述初始視差圖獲得所有像素的有效視差值； 按照第三視差分布模型，利用每個(gè)區(qū)域內(nèi)具有有效視差值的所有像素的橫坐標(biāo)、縱坐 標(biāo)以及相應(yīng)的有效視差值擬合出該區(qū)域的第三視差分布表達(dá)式， 根據(jù)該區(qū)域的第三視差分布表達(dá)式，計(jì)算該區(qū)域的第三參數(shù)。
9. 如權(quán)利要求8所述的方法，根據(jù)每個(gè)區(qū)域所屬于的平面類型，利用與該平面類型相 對(duì)應(yīng)的視差分布模型來計(jì)算該區(qū)域內(nèi)的像素點(diǎn)的視差值的步驟包括： 如果任意區(qū)域被分類為第一平面類型，則根據(jù)該區(qū)域的第一視差分布表達(dá)式計(jì)算該區(qū) 域內(nèi)的像素點(diǎn)的視差值，作為分配給所述像素點(diǎn)的視差值， 如果該區(qū)域被分類為第二平面類型，則根據(jù)該區(qū)域的第二視差分布表達(dá)式計(jì)算該區(qū)域 內(nèi)的像素點(diǎn)的視差值，作為分配給所述像素點(diǎn)的視差值， 如果該區(qū)域被分類為第三平面類型，則根據(jù)該區(qū)域的第三視差分布表達(dá)式計(jì)算該區(qū)域 內(nèi)的像素點(diǎn)的視差值，作為分配給所述像素點(diǎn)的視差值。
10. -種配置視差值的系統(tǒng)，包括： 獲取單元，配置為獲取參考圖像； 分割單元，配置為將獲取的參考圖像分割為多個(gè)區(qū)域； 分類單元，配置為對(duì)分割單元所分割的多個(gè)區(qū)域進(jìn)行分類； 分配單元，配置為基于分類單元的分類結(jié)果為每個(gè)區(qū)域內(nèi)的像素分配視差值。
【文檔編號(hào)】G06T7/00GK104240219SQ201310233783
【公開日】2014年12月24日 申請(qǐng)日期:2013年6月13日 優(yōu)先權(quán)日:2013年6月13日
【發(fā)明者】劉振華, 劉媛, 師忠超, 魯耀杰 申請(qǐng)人:株式會(huì)社理光