文档介绍：: .
中国科技论文在线 tation; Rejection algorithm; Fattening effect
0 引言
大型物体的三维形貌测量是立体视觉精密测量的一个新的研究方向。基于结构光的双目
立体视觉方法[1]，可以在室内获得小物体精确的形貌尺寸。但是在户外，结构光照难以控制，
35 这种方法并不适用于测量户外大型物体。目前，基于全局的立体算法能够得到较好的匹配结
果。全局匹配算法包括，置信度传播算法[2-5](Belief Propagation)、图割算法[6-8](Graph Cuts)
和动态规划算法[9-13](Dynamic Programming)等。通过匹配代价计算、成本（支持）聚集和结
果优化，最终得到每一个像素的匹配结果。但是，对于立体视觉中的两大难题：遮挡和无纹
理区域，全局算法依然无法取得很好的结果。
40 在遮挡区域内，被遮挡点在立体匹配图像对中没有相对应点，所以造成匹配无法进行；
在无纹理区域内，匹配窗口内包含的信息少，同时噪声对匹配结果的影响更大，容易造成误
匹配。在户外时，由于自然光照的变化、大型物体中存在大量的遮挡部分，使得更容易造成
错误匹配。为了获得高精度的测量结果，包括遮挡像素在内的任何不确定的和错误的匹配像
基金项目：基金项目：高等学校博士学科点专项科研基金(20120201110073)
作者简介：方素平(1962)，男，教授，主要研究方向：精密加工与检测，光机电一体化
- 1 -中国科技论文在线
素都必须从匹配结果中剔除。
45 左右一致性检测（Left-Right Checking）[2,12-14]被广泛用来判断匹配点是否稳定，不稳定
点将被剔除掉，同时可以剔除一些遮挡区域内的像素点。利用相关法判断匹配点是否稳定的
方法[8-10]也被广泛使用。这两种方法有一定的效果，但是，在无纹理区域和纹理重复区域，
这两种方法得到的结果依然存在大量的错误。基于窗口的匹配方法，错误匹配点主要集中在
边缘处，称之为边缘效应。多窗口的方法[15,16]、SSD 权值方法[17]、自适应归一化互相关方
50 法[18]等方法用于减少边缘的错误匹配点，但是效果有限。
本文根据户外大型物体匹配的特点，提出了剔除由于窗口匹配产生的错误匹配和不稳定
匹配的方法。算法由以下步骤组成。1）窗口匹配和左右一致性检测获得初始视差图；2）使
用 Mean Shift 图像分割算法获得物体的边缘；3）剔除不稳定匹配点；4）重匹配未匹配点；
5）剔除物体边缘处错误匹配点。流程图如图 1 所示。
输入立体图像对
左右一致性检测获
得初始视差图
Mean Shift 算法分
割图像
剔除不稳定匹配点
后，重匹配