基于单双目深度融合的液面测量方法

摘要

视觉测量已在工业液位监测中得到广泛应用，但在液面这种弱纹理场景下，已有方法常依浮子、标靶或结构光以增强匹配特征，但这些方法在如火箭推进剂储箱等对纯度与密闭性要求极高的环境中无法适用。为提升双目视觉在弱纹理液面下的深度估计精度与鲁棒性，提出了一种基于置信度引导的单双目深度融合方法。该方法以双目立体匹配获取的绝对深度图为主，融合单目神经网络估计的相对深度图，通过构建多维置信度图进行单目尺度对齐，并在置信度引导下进行像素级加权融合，在双目高可信区域保留物理尺度精度，在弱纹理区域使用单目结构信息补全，从而提升深度估计的整体精度与完整性。通过搭建液位高度测量实验平台，对SGBM、 IGEV++以及所提融合算法在不同液位下的测量性能进行对比分析。实验结果表明，该融合算法的平均误差为1.505%，较SGBM方法降低约90.69%，验证了该方法在提升液位测量精度与稳定性方面的有效性。

关键词

液位测量 / 双目视觉 / 单目深度估计 / 算法融合 / 图像处理

基金资助

国家自然科学基金委员会重点资助项目（52435011）