动态多尺度融合的改进AD-Census立体匹配方法
Abstract
针对半全局立体匹配方法在匹配中容易受采样噪声的影响，以及在弱纹理区域匹配效果较差的问题，提出多尺度代价融合的立体匹配方法。首先构建图像金字塔，对每一层级进行代价计算，采用基于曼哈顿距离的SBT（Spatially-weighted Birchfield-Tomasi）代价、梯度代价、多灰度自适应阈值的Census代价的融合代价方法；然后对每一层级图像进行代价聚合，采用十字交叉区域代价聚合和扫描线优化代价聚合；接着对每一层级代价进行融合，得到代价融合的成本体；最后进行视差计算及优化。所提算法与传统半全局立体匹配算法AD-Census相比误匹配率减少15%。对算法进行CUDA的GPU加速，相比在CPU上运行速率提升超40倍，满足实时场景需求。
Fields of Study & Subjects
Advanced Vision and Imaging
Satellite Image Processing and Photogrammetry
Advanced Image and Video Retrieval Techniques
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0215002–0215002
- Publication date
- 1 January 2026
- Language
- EN