视差估计的准确程度直接影响到整个系统的性能,为解决遮挡暴露引起的视差图中物体边缘出现较大面积的空洞问题,对半像素灰度差与Census变换得到初始视差图进行边缘区域修复,以此提高内点所占的比例,从而影响迭代计算的次数;然后基于RANSAC计算超像素视差平面。采用Middlebury提供的测试图,对固定窗口半径和动态规划中惩罚代价的最佳选取范围进行实验测试,结果表明经过边缘修复可以得到相对完整的物体轮廓视差图,并且适当增大Census的权重将有助于检测到细长的目标对象。 由于物体边缘遮挡暴露的原因，在视差图中会出现较大面积的空洞［14］，即有效的视差点过少，从而在最终的视差图中物体的边缘容易出现锯齿状。本文对初始视差值的边缘区域进行修复，然后再基于随机样本一致性(RANSAC)建立超像素视差倾斜平面，计算最终的视差图。并且采用Mid-dleburyStereoEvaluation－Version3［15］提供的训练图集trainingH进行实验与分析。本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name1算法设计假设立体图像经过极线校正，算法的整体思路分为获取初始视差图，和基于RANSAC求解超像素视差平面两部分，框图如图1所示。(1)获取初始视差图。像素平面立体匹配-电动折弯机数控滚圆机滚弧机张家港电动滚圆滚弧机折弯机将半像素灰度差匹配和Census变换两种匹配方法进行加权像素平面立体匹配-电动折弯机数控滚圆机滚弧机张家港电动滚圆滚弧机折弯机，运用固定窗口法计算匹配代价。再进行动态规划平滑处理、散斑滤波、左右一致性检查等滤除噪声，得到初始的视差图。(2)基于RANSAC求解超像素视差平面。先修复边缘区域的视差图，然后根据颜色、位置和八邻域特征划分超像素块，再对每个超像素块建立视差平面，并且加入视差值的差异，再次划分超像素块。最后通过块平面边界线的不同类型，重新估计超像素块的视差平面，输出最终的视差图。图1超像素平面立体匹配框图1．1获取初步视差图1．1．1半像素灰度差匹配首先对左、右两幅图像进行水平方向的Sobel边缘检测，固定截断阈值为15，可以得到左、右图像水平方向的梯度值。然后计算半像素点的梯度值，并且将每个像素点与左、右两个半像素点的梯度值进行比较，求出极值。最后按照公式(1)计算灰度差匹配代价:(1)如式(1)，p、q分别表示左、右两幅图中的一个像素点，并且q的横坐标比p小d个像素，CL(p，q)为从左向右的匹配代价，CR(q，p)为从右向左的匹配代价，分别按照式(2)、(3)计算:(2)(3)式中IL(p)、IT(像素平面立体匹配-电动折弯机数控滚圆机滚弧机张家港电动滚圆滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name