买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏省特种设备安全监督检验研究院

摘要：本发明属于图像处理技术领域，公开了一种基于目标区域半全局块匹配算法与自适应条件滤波点云后处理的三维重建方法，通过YOLOv8n目标检测网络检测到感兴趣的人员区域并进行裁剪，只针对感兴趣的部分进行SGBM立体匹配，从而减少计算时间。利用三角测量原理，将SGBM立体匹配算法得到的视差图转换成深度图，再将深度图转换为点云图。提出自适应条件滤波点云后处理算法，即利用得到的深度图以及目标检测框的位置信息得到目标的深度范围，从而自动更新条件滤波的深度阈值，完成噪声点的去除，最终实现人员的三维重建。本发明能够明显提高算法的处理效率，同时能有较好的点云噪声过滤效果。

主权项：1.一种基于目标区域半全局块匹配算法与自适应条件滤波点云后处理的三维重建方法，其特征在于：所述三维重建方法具体包括以下步骤：步骤1、获取双目相机采集的图像数据；步骤2、对双目相机进行标定，获取双目相机的标定参数，得到双目图像，其中，标定参数包括左摄像头和右摄像头的内参、外参和畸变参数；步骤3、读取步骤1中的图像数据并将其转换为灰度图像；步骤4、对步骤2得到的双目图像进行立体校正，消除双目图像之间的畸变，使得双目图像中的左目图像、右目图像在水平方向上对齐；步骤5、使用目标检测算法YOLOv8n对步骤4校正后的左目图像进行目标检测，识别出感兴趣的目标区域，得到目标类别以及坐标；步骤6、根据步骤5的目标检测结果得到左目图像目标检测框位置，对左目图像进行裁剪得到只含行人的局部左目图像Image_Left，在右目图像同一位置进行裁剪，得到只含行人的局部右目图像Image_Right；步骤7、对步骤6得到的左目图像Image_Left和右目图像Image_Right进行BT代价计算得到GrayBT，同时对图像进行水平Sobel算子处理，对处理后得到的图像进行BT代价计算得到SobelBT，将GrayBT与SobelBT进行加权融合得到总代价CombineBT；步骤8、对步骤7求得的总代价CombineBT，结合双目立体匹配算法SAD思想，采用邻域求和的方法，得到SAD-BT代价SADBTCost；步骤9、对SAD-BT代价进行多路径代价聚合，每个像素最终的匹配代价是所有路径信息的叠加，得到聚合代价AggregationCost；步骤10、采用赢家通吃WTA算法，每个像素选择最小聚合代价值所对应的视差值作为最终视差，最终得到与左目图像相同尺寸的视差图DisparityMap；步骤11、为了使像素点X与Y坐标还原，将步骤10得到的视差图DisparityMap还原至左目图像对应区域中，其他区域视差值用视差图视差最小值即无效视差进行填充，得到填充的视差图DisparityMapFilled；步骤12、利用三角测量原理将填充的视差图DisparityMapFilled转换为深度图DepthMap；步骤13、将步骤12得到的深度图DepthMap转换为点云得到PointCloud，且为了提高后续工作的效率，对点云数据进行体素滤波算法从而完成下采样得到体素滤波点云VoxelFilteredPointCloud，体素大小voxel_size设置为10；步骤14、根据经过步骤5的目标检测信息得到目标检测框中心点位置信息即Left+Right2和Top+Bottom2，根据目标检测框中心点位置信息以及步骤12得到的深度图DepthMap得到中心点深度值Z1；，以目标检测框中心点0°、90°、180°和270°方向延伸得到的第一个不是无效深度值的深度值Z2、Z3、Z4、Z5；步骤15、随着目标位置的改变，通过目标检测，目标检测框中心点位置信息自动更新，SGBM得到的视差图自动更新，通过三角测量原理，从而得到更新后的深度图，最终得到更新后的深度值Z1、Z2、Z3、Z4和Z5；步骤16、步骤15中的深度值Z1、Z2、Z3、Z4、Z5的中值Depth作为目标深度值，从而得到更新后的目标的深度值Depth；步骤17、对深度设置两个阈值Depthmin＝Depth-500,Depthmax＝Depth+500,对深度值在两阈值之间的点云进行保留，对深度值小于Depthmin或者大于Depthmax的点云进行去除，得到最终点云FilterPointCloud。

全文数据：

权利要求：

百度查询： 江苏省特种设备安全监督检验研究院 基于目标区域半全局块匹配算法与自适应条件滤波点云后处理的三维重建方法