行列双动态规划的改进自适应立体匹配算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (23): 177-180.

• 图形、图像、模式识别 • 上一篇下一篇

行列双动态规划的改进自适应立体匹配算法

赵明，李晓白，郎荣玲

北京航空航天大学电子信息工程学院，北京 100191

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-11 发布日期:2011-08-11

Improved adaptive stereo matching algorithm with double dynamic programming with row and column

ZHAO Ming，LI Xiaobai，LANG Rongling

College of Electronic and Information Engineering，Beihang University，Beijing 100191，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-11 Published:2011-08-11

摘要/Abstract

摘要： 在各种立体匹配算法中，利用动态规划算法求解可有效地提高立体匹配的速度和精确度，同时具有实时性好、易于实现的优点。利用动态规划算法的优点，提出一种基于行列动态规划的自适应立体匹配算法，采用改进的自适应代价函数和能量最小化模型，对最优化问题进行求解。在求解的过程中，基于行动态规划得到的列方向视差值的变化给予对应数据项不同的奖励值，以减少行动态规划产生的明显条纹，最后使用列动态规划得出最终结果。实验结果表明，该算法能够减少总体的匹配错误率，减少明显的条纹瑕疵，取得较理想的立体匹配效果。

关键词: 立体匹配, 行列动态规划, 改进的自适应加权代价函数, 奖励策略

Abstract: Among various stereo matching algorithms，the one with dynamic programming can effectively improve speed and precision with good real-time performance and easy realization.This paper，based on advantages of dynamic programming algorithm，presents a self-adaptive stereo matching algorithm using dynamic programming with row and column，which uses improved adaptive support-weight approach and energy minimization model to solve the optimization problem，during which gives the corresponding data items different reward values to reduce apparent defective stripes，rested on the change of the initial disparity on the direction of column derived with dynamic programming algorithm with row，and finally acquires the final solution using dynamic programming algorithm with column.Experimental results show that the proposed algorithm can reduce the overall matching error rates and apparent defective stripes and get a better stereo matching effect.

Key words: stereo matching, dynamic programming with row and column, improved adaptive support-weight approach, reward strategy

赵明，李晓白，郎荣玲. 行列双动态规划的改进自适应立体匹配算法[J]. 计算机工程与应用, 2011, 47(23): 177-180.

ZHAO Ming，LI Xiaobai，LANG Rongling. Improved adaptive stereo matching algorithm with double dynamic programming with row and column[J]. Computer Engineering and Applications, 2011, 47(23): 177-180.

[1]	张忠民，刘金鑫，席志红. 熵率超像素分割一致性检验视差细化算法[J]. 计算机工程与应用, 2021, 57(5): 204-209.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	李婕，巩朋成. 结合传播滤波的立体匹配算法研究[J]. 计算机工程与应用, 2020, 56(19): 189-196.
[4]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.
[5]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[6]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[7]	马龙，孙铭泽，黄超，裴昕，周航，张鸿燕. 基于强相似点检测快速双目立体匹配算法[J]. 计算机工程与应用, 2018, 54(6): 193-197.
[8]	王春艳，朱华平，胡鹏辉. 二维立体匹配模型及其数值解法[J]. 计算机工程与应用, 2018, 54(22): 186-190.
[9]	曹晓倩，孙连山，李健. 斜面参数优化全局立体匹配算法研究[J]. 计算机工程与应用, 2018, 54(17): 198-201.
[10]	董本志，张丽君，景维鹏. 基于前向搜索的快速视差范围估计方法[J]. 计算机工程与应用, 2017, 53(24): 213-218.
[11]	冯彬彬1，蒋新华1，2，林俊杰2，聂明星2. 基于FPGA的实时SGM匹配算法研究与实现[J]. 计算机工程与应用, 2017, 53(22): 163-168.
[12]	陈卉，胡立坤，黄钰雯. 采用高斯混合模型及树结构的立体匹配算法[J]. 计算机工程与应用, 2017, 53(20): 195-200.
[13]	王军华1，李丁1，刘盛鹏2. 基于改进RANSAC的消防机器人双目障碍检测[J]. 计算机工程与应用, 2017, 53(2): 236-240.
[14]	郭艾侠，彭明明，邢仲璟. 机器视觉技术在荔枝识别与定位研究中的应用[J]. 计算机工程与应用, 2017, 53(17): 218-223.
[15]	贺利乐1，路二伟1，李赵兴1，2，华瑾1. 基于ORB算子的快速立体匹配算法[J]. 计算机工程与应用, 2017, 53(1): 190-194.

行列双动态规划的改进自适应立体匹配算法

Improved adaptive stereo matching algorithm with double dynamic programming with row and column

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics