特征融合的双目立体匹配算法加速研究与实现CSCD

随着图像分辨率和场景信息获取实时性需求的提高,业界对双目立体匹配算法的效率提出了更高的要求。针对该问题,提出了将SAD与Census变换特征融合的结果作为初始匹配代价,利用SGM算法进行代价聚合,采用赢家通吃策略计算视差,通过左右一致性检验检测出遮挡点并填充,使用中值滤波剔除异常值,最终获取优化后的视差图。采用统一计算设备架构(CUDA)对算法实现并行计算,针对立体匹配比较耗时的问题,该算法最大化地利用共享内存、寄存器内存以及CUDA流,实现了不同核函数之间的并行,大大提升了执行效率。结果表明,该算法在Middlebury立体匹配平台上,平均误匹配率下降了8.05%;在NVIDIA GeForce GTX 1650平台上运行450×375分辨率的图像,比原始SGM算法快687倍,运行高分辨率图像时依然能够实现实时显示性能。