Multibaseline based Stereo Matching Using Texture adaptive Belief Propagation Technique

To acquire depth information using stereo vision, it is required to find correspondence points between stereo image pair. Conventional stereo vision systems usually use two cameras to get disparity data. Therefore, conventional stereo matching methods cannot resolve the tradeoff problem between accuracy and precision with respect to the length of baseline. Besides, belief propagation method, which is being used recently, has a problem that matching performance is dependent on the fixed weight parameter ${\lambda}$. In this paper, we propose a modified belief propagation stereo matching technique based on multi-baseline stereo vision to solve the tradeoff problem. The proposed method calculates EMAD(extended mean of absolute differences) as local evidence. And proposed method decides weight parameter ${\lambda}$ adaptively to local texture information. The proposed method shows higher initial matching performance than conventional methods and reached optimum solution in less iteration. The matching performance is increased about 4.85 dB in PSNR.

다중 베이스라인 기반 질감 적응적 신뢰도 전파 스테레오 정합 기법

스테레오 비전을 사용하여 거리정보를 획득하기 위해서는 스테레오 영상 쌍에서 대응점을 찾는 스테레오 매칭이 이루어져야 한다. 기존의 스테레오 비전은 주로 두 대의 카메라를 사용해서 양안시차를 획득하였다. 따라서 기존의 방법들은 베이스라인의 길이에 따른 정확도와 정밀도 사이의 이율배반적 관계를 해소하지 못하였다. 또한 근래에 사용되는 신뢰도 전파 기법의 경우 고정된 가중치 ${\lambda}$에 의하여 스테레오 정합 성능이 크게 좌우되는 문제점이 있었다. 본 논문에서는 이율배반적 문제를 해소하기 위해 다중 베이스라인 스테레오 비전에 기반을 둔 개선된 신뢰도 전파 스테레오 정합 기법을 제안한다. 제안된 기법은 국부-명백성 함수로 EMAD(Extended mean of absolute difference)를 계산한다. 그리고 제안된 기법은 가중치 ${\lambda}$를 지역적 질감 정보에 적응적으로 결정한다. 제안된 기법은 기존 기법보다 더 높은 정합 성능을 보여주며 적은 반복을 통해 최적해에 도달하였다. 정합 성능이 PSNR수치상 약 4.85dB만큼 증가하였다.