趙晨園，李文新，張慶熙

（蘭州空間技術(shù)物理研究所，蘭州 730000）

0 概述

立體匹配是從雙目或多目圖像中尋找同名點(diǎn)并根據(jù)其視差計(jì)算場景深度信息的過程，是近年來計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一?，F(xiàn)場可編程門陣列（Field Programmable Gate Array，F(xiàn)PGA）具 有成本低、開發(fā)周期短、并行計(jì)算的優(yōu)點(diǎn)，是嵌入式應(yīng)用的設(shè)計(jì)平臺(tái)。基于FPGA 的立體匹配技術(shù)可以實(shí)現(xiàn)實(shí)時(shí)獲取目標(biāo)場景的深度信息，因此被廣泛應(yīng)用于智能機(jī)器人、無人駕駛、目標(biāo)跟蹤、三維重建等領(lǐng)域［1-2］。立體匹配算法主要分為局部［3］、全局［4］、半全局［5-6］、基于深度學(xué)習(xí)［7］算法。全局和基于深度學(xué)習(xí)的算法精度高，局部和半全局算法實(shí)時(shí)性強(qiáng)。半全局立體匹配（Semi-Global stereo Matching，SGM）算法是全局算法的改進(jìn)，其將二維圖像的優(yōu)化問題轉(zhuǎn)化為多條路徑的一維優(yōu)化問題，在保留算法精度的基礎(chǔ)上減小了計(jì)算復(fù)雜度，算法并行度高，適用于資源占用小、實(shí)時(shí)性要求高的嵌入式系統(tǒng)。

SCHARSTEIN 等［8］將立體匹配算法分為匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算與優(yōu)化、視差校正4 個(gè)階段，其中匹配代價(jià)計(jì)算通過相似性函數(shù)計(jì)算左右兩點(diǎn)的代價(jià)值，是立體匹配算法的核心步驟。傳統(tǒng)匹配代價(jià)計(jì)算方法有灰度差值平方和（Sum of Squared Differences，SSD）［9］、零均值絕對(duì)誤差和（Zero Sum of Absolute Differences，ZSAD）、Census 變換（Census Transform，CT）［10］等。Census 變換對(duì)圖像局部區(qū)域進(jìn)行編碼，具有結(jié)構(gòu)簡單、相對(duì)次序性良好的優(yōu)點(diǎn)，在立體匹配算法中應(yīng)用廣泛，但該算法存在過度依賴中心點(diǎn)像素值及對(duì)噪聲敏感的缺點(diǎn)。文獻(xiàn)［11］利用十字交叉窗口內(nèi)各像素灰度值的平均值代替中心像素點(diǎn)，增強(qiáng)了算法魯棒性；文獻(xiàn)［12］利用Census 變換融合其他相似性度量方法計(jì)算匹配代價(jià)，解決了匹配窗口選擇難的問題；文獻(xiàn)［13］將灰度絕對(duì)差值（Absolute Differences，AD）與Census 變換結(jié)合計(jì)算匹配代價(jià)，改善了相似紋理區(qū)域的誤匹配問題。然而，Census 變換對(duì)無、弱紋理區(qū)域匹配效果欠佳的問題仍未得到有效解決。左右一致性檢驗(yàn)（Left-Right Check，LRC）是利用相同點(diǎn)視差相同的原理來實(shí)現(xiàn)對(duì)遮擋點(diǎn)的檢測，是視差校正常用算法之一，但該算法需要同時(shí)獲取左右兩幅圖像的視差圖，占用資源量大，不適用于小型嵌入式系統(tǒng)中。

本文提出一種改進(jìn)的基于FPGA 的實(shí)時(shí)半全局立體匹配算法，以提高實(shí)時(shí)立體匹配精度。在匹配代價(jià)計(jì)算階段，利用帶權(quán)重的4 方向梯度絕對(duì)值差（Absolute Differences of Gradient，ADG）和改進(jìn) 的Tanimoto 距離相結(jié)合的算法，以提高弱紋理和邊緣區(qū)域的匹配精度；在代價(jià)聚合階段，采用4 路徑并行結(jié)構(gòu)的SGM 算法；在視差選擇階段，采用贏家通吃策略（Winner-Takes-All，WTA）；在視差校正階段，采用閾值檢測（Threshold Detection，TD）算法代替LRC算法，以減少硬件資源需求。

1 算法描述

1.1 匹配代價(jià)計(jì)算

傳統(tǒng)基于FPGA 平臺(tái)的立體匹配算法多利用Census 變換［11］作為匹配代價(jià)進(jìn)行計(jì)算，根據(jù)周圍像素值與中心像素值的大小關(guān)系獲得比特串，利用Hamming 距離計(jì)算匹配代價(jià)。Census 變換公式見式（1）。

其中：ICensus(p)為Census 變換結(jié)果；D為I(p)點(diǎn)周圍鄰域；I(p)為中心像素灰度值；I(q)為I(p)周圍像素點(diǎn)灰度值；?表示按位連接。當(dāng)I(p)>I(q) 時(shí)，ξ[I(p),I(q)]為1，當(dāng)I(p)

其中：DH(a,b)為Hamming 距離計(jì)算結(jié)果；N為窗口大小；ai和bi為左右圖經(jīng)過Census 變換獲得的比特串；⊕為按位異或操作。

Census 算法對(duì)灰度變化范圍大的區(qū)域匹配效果較好，但對(duì)灰度變化小的弱紋理區(qū)域匹配效果較差，且對(duì)中心點(diǎn)像素值依賴性強(qiáng)。目前對(duì)此改進(jìn)的方法主要有更換中心像素點(diǎn)［12，15］、多匹配代價(jià)融合［13，16］、選用自適應(yīng)窗口［17-18］等，算法對(duì)中心點(diǎn)的依賴性得到改善，但仍存在對(duì)弱紋理、邊緣區(qū)域的像素點(diǎn)區(qū)分度低、誤匹配率高的缺點(diǎn)。

本文引入Tanimoto 距離替代傳統(tǒng)Hamming 距離作為匹配代價(jià)計(jì)算方法，Tanimoto 距離計(jì)算公式見式（3）。

其中：DT(a,b)為Tanimoto 距離；a和b為像素點(diǎn)比特串。像素點(diǎn)p在視差為d時(shí)的Tanimoto 距離記為DT(p,d)。

改進(jìn)Tanimoto 算法附加權(quán)重如圖1 所示。以3×3 窗口為例，Tanimoto 距離 與Hamming 距 離的 比較結(jié)果見表1，經(jīng)Census 變換獲得的比特串位數(shù)為8 位，為方便對(duì)比，表1 中將Hamming 距離除以比特位數(shù)進(jìn)行計(jì)算。

表1 Hamming 距離、Tanimoto 距離與加權(quán)重的改進(jìn)Tanimoto 距離Table 1 Hamming distance，Tanimoto distance and weighted improved Tanimoto distance

圖1 改進(jìn)Tanimoto 算法附加權(quán)重Fig.1 Additional pixel weights of improved Tanimoto algorithm

Tanimoto 距離與Hamming 距離的區(qū)別在于，Tanimoto 距離在分母中去掉了對(duì)兩個(gè)比特位同時(shí)為零的計(jì)數(shù)，因此當(dāng)比特串位變化很小時(shí)，Tanimoto 距離具有更高的區(qū)分度，可有效減少Census 變換在弱紋理區(qū)域的誤匹配率，但這樣同時(shí)也降低了當(dāng)比特串位變化很大時(shí)（Σa∩b=0）的區(qū)分度，影響了匹配效果。針對(duì)這一問題，本文對(duì)Tanimoto 距離進(jìn)行改進(jìn)，改進(jìn)后的Tanimoto 距離計(jì)算公式見式（4）。

算法先按照?qǐng)D1（a）的加權(quán)模板為特定位增加權(quán)重，i=1，2，W1=1，W2=2，再對(duì)Σa∩b=0 的情況進(jìn)行處理以增大在比特串位變化很大時(shí)的區(qū)分度。在利用式（4）計(jì)算的過程中，對(duì)圖中灰色像素部分乘以權(quán)重2，相當(dāng)于特定位計(jì)數(shù)兩次，其他位保持不變。由圖1（b）可知，經(jīng)過加權(quán)后的比特位權(quán)重由“11111111”變?yōu)椤?2122121”，n由8 變?yōu)?2。加權(quán)重的改進(jìn)Tanimoto 距離計(jì)算結(jié)果見表1，可以看出，改進(jìn)算法進(jìn)一步細(xì)化了匹配代價(jià)值分布，增大了區(qū)分度，同時(shí)保持了弱紋理區(qū)域和紋理充足區(qū)域的匹配效果；同時(shí)，為有效解決Census 變換引起的算法依賴中心點(diǎn)和對(duì)噪聲敏感的問題，研究者引入梯度絕對(duì)值差（ADG）。LI 所提的改進(jìn)ADG 算法［19］由于根據(jù)窗口內(nèi)0°和90°兩方向的像素梯度絕對(duì)值差計(jì)算匹配代價(jià)，因此僅對(duì)這兩個(gè)方向的圖像邊緣處理效果較好，但對(duì)其他方向的邊緣不敏感，導(dǎo)致匹配效果欠佳，為解決上述問題，考慮到圖像邊緣多為45°和135°兩個(gè)方向，本文提出改進(jìn)的4 方向ADG 算法，在0°和90°基礎(chǔ)上，添加45°和135°兩個(gè)方向的梯度并增加權(quán)重進(jìn)行計(jì)算，進(jìn)一步提高算法在邊緣處的匹配效果，且3×3 小窗口算法對(duì)中心像素點(diǎn)的依賴性較小，對(duì)噪聲具有魯棒性。本文算法計(jì)算公式見式（5）。

其中：G(p,d)為梯度絕對(duì)值差；|?i(Il(p))-?i(Ir(p,d))|為4 個(gè)方向的梯度絕對(duì)值差；Wi為方向權(quán)重?？紤]到算法的實(shí)時(shí)性和占用資源情況，將45°和135°的計(jì)算結(jié)果左移一位以增加權(quán)重，增加了匹配點(diǎn)在邊緣區(qū)域的區(qū)分度。最后將相同像素點(diǎn)的ADG 和Tanimoto 距離的乘積作為該點(diǎn)的初始匹配代價(jià)值，計(jì)算式見式（6）。

1.2 SGM 代價(jià)聚合

代價(jià)聚合通過對(duì)相鄰像素的代價(jià)值進(jìn)行聚合以及施加懲罰，以達(dá)到避免選擇錯(cuò)誤同名點(diǎn)的效果，代價(jià)聚合能量函數(shù)定義見式（7）。

其中：E(D)全局能量函數(shù)；p是目標(biāo)像素點(diǎn)；q為p鄰域中一點(diǎn)；Dp和Dq為兩點(diǎn)視差；C(p,Dp)為視差圖D下所有像素點(diǎn)的匹配代價(jià)；P1和P2分別為平滑約束懲罰因子和邊緣約束懲罰因子。當(dāng)相鄰視差等于1([|Dp-Dq|=1])時(shí)添加P1懲罰因子；當(dāng)相鄰視差大于1([|Dp-Dq|>1])時(shí)添加P2懲罰因子，且滿足P2>>P1。

SGM 算法［20］是全局算法的改進(jìn)，其通過平等的聚合來自8 至16 條路徑的匹配代價(jià)，將二維圖像優(yōu)化問題轉(zhuǎn)變?yōu)槎嗦窂揭痪S優(yōu)化問題。當(dāng)路徑為r、視差為d時(shí)，可得到像素點(diǎn)p的代價(jià)聚合函數(shù)，計(jì)算公式見式（8）。

其中：第1 項(xiàng)Cinit(p,d)為初始匹配代價(jià)；第2 項(xiàng)是路徑r上的前一個(gè)像素點(diǎn)p-r的最小匹配代價(jià)；第3 項(xiàng)是防止代價(jià)聚合值過大而減去的固定值。最后將像素點(diǎn)p在各個(gè)路徑上的聚合值相加即為該點(diǎn)在經(jīng)過代價(jià)聚合后的匹配代價(jià)值，計(jì)算公式見式（9）。

1.3 視差選擇

本文選擇傳統(tǒng)立體匹配算法均采用的WTA 算法進(jìn)行視差選擇，得到像素點(diǎn)的初始視差值，計(jì)算公式見式（10）。

其中：dinit(p)為初始視差值；dmax為最大視差范圍；E(p,d)為經(jīng)過代價(jià)聚合后的代價(jià)值，最小代價(jià)值所在位置即為該點(diǎn)的視差值，dinit(p)?[0,dmax]。

1.4 視差校正

視差校正又稱為視差后處理，旨在對(duì)初始視差值中的誤匹配點(diǎn)進(jìn)行修正，傳統(tǒng)立體匹配后處理方法主要有左右一致性檢驗(yàn)（LRC）、中值濾波等。LRC 算法通過檢查左右兩張視差圖中同名點(diǎn)視差的差值來判斷是否為遮擋點(diǎn)，算法準(zhǔn)確有效，但該算法在FPGA 上實(shí)現(xiàn)時(shí)，需要同時(shí)獲得左右兩張視差圖，這將比獲取一張視差圖的算法多占用一倍的硬件資源，算法運(yùn)算效率低。

為了解決上述問題，筆者通過對(duì)WTA 獲得的初始視差值分析發(fā)現(xiàn)，遮擋點(diǎn)的代價(jià)值均大于某閾值，而正確匹配點(diǎn)的代價(jià)值均小于該閾值，這是由于遮擋點(diǎn)在參考圖中找不到最合適同名點(diǎn)，通過WTA 方法只能找到次合適同名點(diǎn)，故其選擇的最小代價(jià)值偏大。因此，提出通過設(shè)定閾值的方法來判斷是否為遮擋點(diǎn)，計(jì)算公式見式（11）。

若點(diǎn)d(p)視差值大于該閾值，則將視差值置0，視為遮擋點(diǎn)，否則保持不變。這樣就只需一張視差圖便可基本達(dá)到和LRC 一樣的結(jié)果，算法占用資源少，適合FPGA 實(shí)現(xiàn)。

完成遮擋檢測步驟后需對(duì)遮擋點(diǎn)進(jìn)行填充，遮擋點(diǎn)由前景物體遮擋背景造成，應(yīng)填充背景視差值，遮擋點(diǎn)填充算法的計(jì)算公式見式（12）。

其中：p為遮擋點(diǎn)；Dl為從該點(diǎn)開始向左第一個(gè)非遮擋點(diǎn)視差值；Dr為從該點(diǎn)開始向右第一個(gè)非遮擋點(diǎn)視差值，選取較小的視差值對(duì)p點(diǎn)進(jìn)行填充。完成遮擋點(diǎn)檢測和填充后的視差圖會(huì)產(chǎn)生條紋效應(yīng)，利用中值濾波對(duì)圖像中其余誤匹配點(diǎn)和條紋進(jìn)行填充和改善。

2 FPGA 算法實(shí)現(xiàn)

將算法模塊封裝成IP 核，目標(biāo)圖和參考圖以數(shù)據(jù)流的方式同時(shí)流入算法模塊，模塊與模塊之間利用為乒乓緩存結(jié)構(gòu)連接，算法整體硬件結(jié)構(gòu)如圖2 所示。

圖2 本文算法實(shí)現(xiàn)整體硬件結(jié)構(gòu)Fig.2 The overall hardware architecture of the proposed algorithm implementation

2.1 匹配代價(jià)計(jì)算模塊

匹配代價(jià)模塊分為Tanimoto 模塊和ADG 模塊，兩模塊并行運(yùn)算，運(yùn)算結(jié)束后得出初始匹配代價(jià)。圖3 為Tanimoto 算法結(jié)構(gòu)。數(shù)據(jù)流首先流入FIFO行緩存，緩存足夠的像素值后移入窗口緩存，進(jìn)行Census 變換獲得比特串，按照式（4）將數(shù)據(jù)按位進(jìn)行與或邏輯運(yùn)算，計(jì)數(shù)后送入除法模塊。經(jīng)檢驗(yàn)Census 窗口過大或過小均會(huì)導(dǎo)致誤匹配率增加，其中窗口為7×7 時(shí)效果最佳，對(duì)應(yīng)的Tanimoto 加權(quán)模板見圖1（b）。除法模塊由相減移位操作組成，被除數(shù)和除數(shù)的位寬為[lb(72-1)]=6 位，將被除數(shù)位寬增大到2 倍，高6 位為0，與除數(shù)進(jìn)行相減移位操作，除法計(jì)算需迭代6 次，所得結(jié)果位寬為12 位，高6 位為余數(shù)，低6 位為商，像素與像素之間并行計(jì)算以減少延遲，滿足Pipeline 流水線設(shè)計(jì)要求，除法模塊結(jié)構(gòu)如圖3 所示。

圖3 Tanimoto 距離算法硬件實(shí)現(xiàn)Fig.3 Hardware implementation of Tanimoto distance algorithm

圖4 為ADG 算法結(jié)構(gòu)圖。將緩存窗口中的數(shù)據(jù)同時(shí)進(jìn)行卷積，所得結(jié)果進(jìn)行相加運(yùn)算，匹配代價(jià)計(jì)算分別由Tanimoto 模塊和ADG 模塊組成，兩模塊雖并行計(jì)算，但所需時(shí)鐘周期不同，Tanimoto 模塊由于除法模塊的存在比ADG 相加模塊多消耗[lb(72-1)]-1=5 個(gè)時(shí)鐘周期，因此在ADG 模塊中增加FIFO 行緩存即可同步兩者輸出。初始匹配代價(jià)計(jì)算結(jié)構(gòu)如圖5 所示，所得結(jié)果以數(shù)據(jù)流形式流入下一模塊。

圖4 ADG 算法硬件實(shí)現(xiàn)Fig.4 Hardware implementation of ADG algorithm

圖5 初始立體匹配算法硬件實(shí)現(xiàn)Fig.5 Hardware implementation of initial stereo matching algorithm

2.2 4 路徑代價(jià)聚合模塊

傳統(tǒng)8 方向代價(jià)聚合算法通過聚合來自8 個(gè)路徑的匹配代價(jià)值計(jì)算出最終代價(jià)值，但在FPGA 上實(shí)現(xiàn)傳統(tǒng)8 方向的聚合算法將緩存大量像素值，因?yàn)閳D中淺灰色的4 條路徑不符合FPGA 流水線 的設(shè)計(jì)思想。圖6 為4 方 向SGM 代價(jià)聚合算法結(jié)構(gòu)圖。為了控制算法消耗資源量，保證算法運(yùn)行效率，采用圖6 中深灰色4 條路徑作為算法的代價(jià)聚合路徑。在行緩存內(nèi)有足夠數(shù)據(jù)后送入4 個(gè)并行計(jì)算的代價(jià)聚合模塊，按式（8）計(jì)算后以數(shù)據(jù)流形式輸出。

圖6 代價(jià)聚合路徑Fig.6 Cost aggregation paths

2.3 視差選擇模塊

圖7 為WTA 算法的并行化實(shí)現(xiàn)結(jié)構(gòu)圖，在最大視差范圍64 情況下，將整個(gè)結(jié)構(gòu)分為[lb 64]=6 級(jí)，共采用63 個(gè)比較器單元。模塊輸入為匹配代價(jià)值，輸出是將最小代價(jià)值所在位置作為視差值，由于后接的截?cái)嚅撝禉z測（TD）模塊須同時(shí)使用最小代價(jià)值和對(duì)應(yīng)視差值，故將兩者同時(shí)輸出。遮擋點(diǎn)檢測算法如圖8 所示，模塊由一個(gè)比較器和一個(gè)選擇器組成，設(shè)置合適的截?cái)嚅撝挡⒔邮誛TA 模塊傳來的最小代價(jià)值和對(duì)應(yīng)視差值。若最小代價(jià)值大于設(shè)定閾值，則判定該點(diǎn)為遮擋點(diǎn)且對(duì)應(yīng)視差值無效，將該點(diǎn)視差值置零并輸出；若最小代價(jià)值小于設(shè)定閾值，則判定該點(diǎn)為正常點(diǎn)，輸出視差值。

圖7 WTA 模塊和TD 模塊的硬件實(shí)現(xiàn)Fig.7 Hardware implementation of WTA module and TD module

圖8 4 路徑SGM 算法硬件實(shí)現(xiàn)Fig.8 Hardware implementation of four-path SGM algorithm

2.4 視差校正模塊

視差校正模塊分為無效點(diǎn)填充模塊和中值濾波模塊，其中無效點(diǎn)填充模塊是對(duì)視差圖中的異常點(diǎn)和遮擋點(diǎn)進(jìn)行填充，填充分為向左填充和向右填充，分別對(duì)應(yīng)兩個(gè)寄存器Dl和Dr，向右填充部分首先將數(shù)據(jù)流存入大小為1×dmax的行緩存中，若判定當(dāng)前像素為無效值，則取行緩存中第一個(gè)有效值存入Dr；向左填充部分等待數(shù)據(jù)流入并將第一個(gè)有效值存入Dl，Dl和Dr取最小值作為該無效點(diǎn)的視差值并輸出。

圖9 為中值濾波算法結(jié)構(gòu)，選擇3×3 窗口內(nèi)所有點(diǎn)的中值代替窗口內(nèi)所有點(diǎn)的值，可以有效消除視差圖中的異常點(diǎn)和條紋效應(yīng)。算法首先需對(duì)窗口內(nèi)的值進(jìn)行排序，然后計(jì)算得出中值，為提高排序效率，算法分為兩步，首先分別計(jì)算3 行值的最大、最小和中值；然后將獲得的3 個(gè)值排序，獲得的中值即為所有點(diǎn)的中值。

圖9 中值濾波模塊的硬件實(shí)現(xiàn)Fig.9 Hardware implementation of median filter module

3 實(shí)驗(yàn)結(jié)果與分析

本文利用Xilinx 的高級(jí)綜合工具（High Level Synthesis，HLS）進(jìn)行模塊的設(shè)計(jì)與實(shí)現(xiàn)，通過SDK 軟件進(jìn)行軟硬件協(xié)同設(shè)計(jì)并生成比特流文件導(dǎo)入XC7Z035 開發(fā)板中，采用Middleburry 數(shù)據(jù)集中1/4 分辨率 的4 幅圖像Tsukuba、Venus、Teddy 和Cones 對(duì)算法效果進(jìn)行驗(yàn)證，最大視差分別為16、20、64、60，將測試圖像存入SD 卡，經(jīng)由開發(fā)板讀取、運(yùn)算并由HDMI 顯示。

3.1 匹配精度

圖10 為算法測試結(jié)果，從中可以看出，算法在弱紋理和深度不連續(xù)區(qū)域匹配效果有所改善，但在無紋理區(qū)域的背景部分仍存在誤匹配的問題，這是因?yàn)闉榱吮ＷC匹配速率，算法采用7×7 窗口進(jìn)行匹配代價(jià)計(jì)算，遇到大面積相同像素值區(qū)域時(shí)就無法進(jìn)行有效區(qū)分，導(dǎo)致誤匹配。增大匹配窗口會(huì)導(dǎo)致計(jì)算量增大，但誤匹配率效果改善不明顯。

圖10 Middleburry 測試數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果Fig.10 Experimental results in Middleburry test database

本文算法與其他算法誤匹配率比較如表2 所示，誤匹配率計(jì)算表達(dá)式見式（13）。

其中：err 為誤匹配率；N為圖像總像素個(gè)數(shù)；dC為算法得到的視差值；dT為真實(shí)視差值，當(dāng)兩者差值大于誤差閾值δd時(shí)，判定為誤匹配點(diǎn)，Nerr(x,y)=1，否則為0，δd?[0.5,4]，本文取1。不同算法的誤匹配如表2 所示，其中，Nonocc 為非遮擋區(qū)域誤匹配率，All 為全區(qū)域誤匹配率，Disc 為深度不連續(xù)區(qū)域誤匹配率。由表2 可知，通過計(jì)算所有區(qū)域下各個(gè)測試集圖像的誤匹配率的平均值，得出算法的平均誤匹配率為7.52%，算法匹配精度低于文獻(xiàn)［11］的基于改進(jìn)Census 變換和動(dòng)態(tài)規(guī)劃的局部算法，略低于文獻(xiàn)［19］的TAD SGM 算法，普 遍優(yōu)于R3SGM 算法［21］和傳 統(tǒng)SGM 算法［22］。

表2 不同算法的誤匹配率Table 2 Percentage of Missmatch rate of different algorithms %

綜上所述，本文所提算法在識(shí)別精度方面較傳統(tǒng)基于FPGA 算法有明顯提升，優(yōu)于現(xiàn)有基于FPGA的改進(jìn)SGM 算法，算法對(duì)弱紋理和深度不連續(xù)區(qū)域的誤匹配情況也有所改善。

3.2 匹配速率

表3 為算法速率及資源占用情況，對(duì)比算法的誤差閾值均為1，算法在最大視差為64 個(gè)像素，圖像大小為450×375 像素且時(shí)鐘頻率為100 MHz時(shí)，可以達(dá)到98 frame/s，占用LUT 為88K，每秒處理百萬個(gè)視差數(shù)（Million Disparity Estimations per Second，MDE/s）為1 058。由表3 可知，本文算法在FPS 和MDE/s 上略遜于文獻(xiàn)［21-22］算法，這是因?yàn)樗惴ê谐ㄆ髂K，處理一個(gè)像素所用時(shí)間多于兩種算法。本文算法在得到更高匹配精度的前提下仍能滿足實(shí)時(shí)性要求，優(yōu)于文獻(xiàn)［23-24］算法。

表3 不同算法在Zynq-7000 XC7Z035 的速率及資源占用情況Table 3 Processing speed and corresponding resource utilization of different algorithms on Zynq-7000 XC7Z035

4 結(jié)束語

本文提出一種新型實(shí)時(shí)半全局立體匹配算法。利用改進(jìn)的Tanimoto 距離代替Hamming 距離并與帶權(quán)重4 方向的改進(jìn)ADG 算法相結(jié)合作為初始匹配代價(jià)，降低針對(duì)弱紋理區(qū)域和邊緣區(qū)域的誤匹配率。同時(shí)利用4 路徑的半全局代價(jià)聚合方法代替原8 路徑方法，在保證算法精度前提下提高了算法運(yùn)行效率。此外，采用截?cái)嚅撝禉z測算法代替左右一致性檢驗(yàn)，只需一張視差圖便可完成檢測，減少了資源占用率。本文算法在Middleburry 數(shù)據(jù)集上的平均誤匹配率為7.52%，在FPGA 上實(shí)現(xiàn)時(shí)吞吐率為98 frame/s，在保證實(shí)時(shí)性的前提下可使基于FPGA的雙目立體匹配系統(tǒng)匹配精度得到提高。但由于本文算法存在除法模塊，處理一個(gè)像素點(diǎn)需多個(gè)時(shí)鐘周期，在實(shí)時(shí)性方面稍遜于其他基于FPGA 的算法，并且需要保證實(shí)時(shí)性而選擇小窗口，在處理大片無紋理區(qū)域時(shí)存在誤匹配現(xiàn)象。后續(xù)將研究如何在小窗口下提高算法對(duì)于無紋理區(qū)域的匹配精度，并進(jìn)一步提高算法的實(shí)時(shí)性。