申请/专利权人：南京理工大学智能计算成像研究院有限公司

申请日：2020-09-11

公开（公告）日：2024-02-20

公开（公告）号：CN112116641B

主分类号：G06T7/33

分类号：G06T7/33;G06T1/20;G06T7/80

优先权：

专利状态码：有效-授权

法律状态：2024.02.20#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本发明开了一种基于OpenCL的散斑图像匹配方法，包括以下步骤：通过Census变换计算散斑图像的特征值，并利用特征值计算汉明距离；在已知汉明距离的情况下，通过半全局匹配算法来计算散斑图像之间的匹配聚合代价，利用匹配聚合代价计算散斑图像之间的视差数据；利用所得的匹配聚合代价进行亚像素计算；将上述方法编写为可供OpenCL使用的内核程序；初始化内核启动环境，执行程序，并从OpenCL内核中输出视差数据，释放资源。本发明方法利用OpenCL的并行化计算能力，对散斑匹配算法进行加速，在不影响散斑匹配精度的前提下，有效地提升了散斑匹配算法的计算速度。

主权项：1.一种基于OpenCL的散斑图像匹配方法，其特征在于，包括以下步骤：步骤1：对两幅散斑图像进行Census变换，将散斑图像上的灰度值转化为初始的特征值，并且利用特征值计算汉明距离；步骤2：通过半全局匹配算法，利用汉明距离来计算和视差图像相关的全局能量函数，将其作为匹配聚合代价，将匹配聚合代价最小值对应的视差数据作为散斑图像的视差数据；步骤3：利用SGM算法计算得到的匹配聚合代价和整数视差数据进行视差数据的亚像素计算；步骤4：将上述三个步骤中的算法编写为OpenCL内核程序；步骤5：初始化OpenCL内核启动环境；步骤6：执行OpenCL程序，程序结束后，从OpenCL内核中读出两幅散斑图像匹配后的视差数据；步骤2中所使用的半全局匹配算法的具体方法为：利用获得的特征信息经过半全局匹配算法，通过对目标散斑图像和参考散斑图像上下左右四个方向的匹配聚合代价进行计算，并将四个方向的匹配聚合代价取平均值，最终获得像素点之间的匹配聚合代价，通过匹配聚合代价的最小值找到两幅图像之间对应的匹配像素点；步骤3中将完整的双目立体匹配算法编写为OpenCL内核程序的执行顺序为：对散斑图像进行Census变换；通过Census变换得到的特征数据计算汉明距离；半全局匹配（SGM），分别进行四个方向的SGM变换，并在最后一个方向的SGM变换中将四个方向的匹配聚合代价取平均；通过WTA算法计算视差数据；进行亚像素计算；步骤4中初始化OpenCL内核启动环境的具体内容为：OpenCL主程序包括设置分块大小，获取可用平台，获取设备列表并选中目标设备作为运行设备，创建上下文环境，创建内核程序对象并进行编译、创建传输队列和内核执行队列，创建内存空间，设置参数映射，拷贝数据到设备，安排传输队列和内核队列的执行顺序，从目标设备中拷贝执行结果，释放资源；步骤4中初始化OpenCL内核启动环境的步骤为：先使用clGetPlatformIDs和clGetPlatformInfo两个命令来获取可用的计算平台；然后通过clCreateContextFromType命令生成context上下文环境和通过clBuildProgram命令生成program编译对象；根据步骤4中所提到的内核程序和所需要的内存空间，分别使用clCreateKernel命令和clCreateBuffer命令来创建内核对象和创建内存空间；然后设置global_work_size和local_work_size两个参数的值，因为采取二维线程的并行方式，所以两个参数均为二维数组，且根据不同的内核程序两个参数的值会随之变化。

全文数据：

权利要求：

百度查询： 南京理工大学智能计算成像研究院有限公司 一种基于OpenCL的散斑图像匹配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD