基于异构多核构架的双目散斑3维重建

发布时间：2019-10-02 03:14

【摘要】：为提高双目立体匹配的速度和精度,提出一种基于异构多核构架平台实现的双目立体散斑3维重建方案。在构建双目立体视觉模型基础上,辅助投射白色散斑结构光,然后采集散斑变形图像并进行极线校正。对传统的ZNCC快速计算方法进行改进,运用零均值归一化互相关函数(ZNCC)作为相关算法的匹配代价函数,克服了传统立体视觉算法对弱纹理区域重建效果较差的缺点。将该算法移植到异构多核处理器Myriad2上,实现了物体快速高精度3维重建。实验结果表明借助异构多核构架处理器强劲的并行运行能力,在不损失系统重建精度的前提下,使系统运行时间大大缩短,对系统的重建效率具有较大提升。
【图文】：

视图,极线几何,双目

系统的重建速度，本文先将传统ZNCC算法进行展开化简后转化为ZNCC快速算法，并使用盒滤波器进行加速处理。为进一步提高处理速度，减小同名点搜索范围，在相关性计算时使用网格匹配的二级搜索算法。即将极线校正后的左图像划分为小的区块网格，并初步匹配得到对应点所在的备选区间，然后在该区间内计算该点最大相关值即可得到视差位置。以上步骤在本文中均在异构多核嵌入式平台Myriad2上完成，并通过UVC协议将视差图和纹理图像送至PC端，方便后续的纹理映射及补洞处理。1双目散斑3维重建中相关方法1．1极线校正如图1所示，根据对极几何理论，左右两视图的光心连线必然与基线平行，3维空间中的点必然落在左右两视图的极线上，该极线与基线平行。右图像中像素在左图像中的匹配像素点位于与其纵坐标值相同的直线上，即该像素所处的极线就是与其纵坐标相同的横向扫描线。极线约束将匹配对应点的搜索区域从整幅图像范围内压缩至一条直线上，大大地减小了搜索范围，提高了匹配速度和效率。因此需要先将左右两视图分别进行极线校正后，再进行匹配点搜索。图1双目立体极线几何Fig．1Binocularimagingepipolargeometry极线校正过程首先通过标定得到两相机的内外参数，，再将两个摄像机绕各自的主点旋转，使得旋转后的两个摄像机的焦平面共面，然后两图像再绕各自光心旋转，并保证时两幅图像对应点的极线在同一条水平线上。最后，分别在左右视图中对应极线的水平位置相同的直线上进行搜索匹配点，即可计算得到视差图像。图2极线校正平面Fig．2Schematicdiagramofcalibrationplane1．2图像匹配在立体匹配中，要计算左右两幅图像中匹配对应点，就必须建立匹配点相似性的度量，即为匹配代价函数。因此，计算每对可能匹配点的匹配代

视图,极线,校正平面

虼诱鉪饩枷穹段纰谘顾踔烈惶踔毕呱希嘞?大地减小了搜索范围，提高了匹配速度和效率。因此需要先将左右两视图分别进行极线校正后，再进行匹配点搜索。图1双目立体极线几何Fig．1Binocularimagingepipolargeometry极线校正过程首先通过标定得到两相机的内外参数，再将两个摄像机绕各自的主点旋转，使得旋转后的两个摄像机的焦平面共面，然后两图像再绕各自光心旋转，并保证时两幅图像对应点的极线在同一条水平线上。最后，分别在左右视图中对应极线的水平位置相同的直线上进行搜索匹配点，即可计算得到视差图像。图2极线校正平面Fig．2Schematicdiagramofcalibrationplane1．2图像匹配在立体匹配中，要计算左右两幅图像中匹配对应点，就必须建立匹配点相似性的度量，即为匹配代价函数。因此，计算每对可能匹配点的匹配代价函154工程科学与技术第49卷
【作者单位】：四川大学计算机学院;
【基金】：国家重大仪器设备开发专项资助(2013YQ490879) 国家高技术研究发展计划资助项目(2015AA016405) 四川省科技支撑计划资助项目(2015GZ0256)
【分类号】：TP391.41

【相似文献】