2  立体视觉算法原理

    双目立体视觉的基本思想是从两个不同视点拍摄同一景物，以获得在不同角度下的拍摄图象，通过各种测算方法计算两个图象象素间的视差(即位置偏差)来获的所拍摄景物的三维立体信息包括高度，宽度，深度等等信息，这个过程十分相似于人类双目视觉的运行机制。一整套完备的双目立体视觉系统一般可分为图象获取、摄象机定标、特征提取、立体匹配、深度确定等5个大部分[9]，其中立体匹配和深度确定是核心的比较重要的部分。下面两张图其中一张为人眼双目视觉模型，另一张为双目立体视觉系统的成像原理图。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

图2。1人眼双目视觉模型

图2。2双目立体视觉成像原理

后文中研究了几种主要的且很常见的立体匹配算法：基于特征的立体匹配算法、基于全局的立体匹配法以及基于局部的立体匹配算法。

2。1 基于区域的立体匹配算法

其基本原理就是在其中一个图像中找到一个待匹配点，再以此待匹配点为中心的位置创建一个窗口，然后用邻域像素的灰度值分布来表征该像素，接着再对基准图像中寻找一个像素，继续同样的操作，彼此之间的相似性务必要符合先前预设定好的相似性测度函数，从而在相似性测度函数上能使匹配点的匹配参数取到极值。这种算法的机能好坏基本上是由相似性测度，还有搜索策略的选择来决定的。在区域匹配算法中必须考虑的问题有很多，匹配窗口的大小便是其中之一。第一如果窗口选大了，出现误匹配的原因很可能是因为景物中可能存在遮挡或者图像不光滑的情况。第二如果窗口选择过小，从而窗口不足以涵盖充足的强度变化，那这样的话就经常会导致误匹配。最后基于灰度的匹配方法中非常经典的有归一化互相关灰度匹配算法。

在基于灰度相关的算法中，归一化互相关是非常经典的一种算法，其基本原理：选择其中一幅图像中的一个像点的灰度邻域，将其视为模板，在剩下的一幅图像中搜索相对应点领域，它的灰度值分布要与模板相似甚至相同，从而能够成功的匹配两幅图像。在搜索过程中，一般是将互相关函数作为两个搜索邻域间的相似性测度，这互相关函数得是符合条件的。

    设（x,y)和（x,y)分别为双目立体视觉中的两幅图像，（,）是（x,y)中的一点。在以（,）为中心的某一领域，取一个大小为的模板T。此时，模板T在（x,y)中沿水平方向平移，同样在垂直方向有平移，之后，Ｓ是它移动后所覆盖的（x,y)的子图。