張順嵐，唐望平，莫建文

(桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004)

?

改進(jìn)的雙目視覺三維尺寸測量系統(tǒng)

張順嵐，唐望平，莫建文

(桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004)

根據(jù)雙目視覺原理，開發(fā)了基于雙目視覺的三維尺寸測量系統(tǒng)。利用圖像幀差法實現(xiàn)目標(biāo)物體自動檢測；并在此基礎(chǔ)上利用立體匹配算法計算出目標(biāo)物體區(qū)域的視差，對生成的初步視差采用基于最小二乘法的視差優(yōu)化算法，獲取目標(biāo)物體區(qū)域的完整視差圖；再將三維點云重投影到二維平面，利用最小外接矩形完成目標(biāo)物體尺寸的自動測量。實驗表明，在合適的測量距離下，系統(tǒng)測量精度達(dá)到了較好的效果，驗證了該系統(tǒng)的可行性。

雙目視覺；視差優(yōu)化；最小外接矩形；三維測量

近年來，機器人自導(dǎo)引、無人駕駛、隱蔽式軍事偵察、醫(yī)學(xué)診斷及工業(yè)檢測等領(lǐng)域的應(yīng)用日趨廣泛，雙目立體視覺逐漸成為機器人技術(shù)研究中最為活躍分支之一，也是后續(xù)技術(shù)發(fā)展的重要基礎(chǔ)。相比于傳統(tǒng)的激光、紅外等其他測量技術(shù)，基于雙目立體視覺的測量技術(shù)是一種高效的被動式先進(jìn)檢測、測量、識別技術(shù)，發(fā)展前景可觀，應(yīng)用范圍廣泛[1-3]。

當(dāng)前，雙目視覺測量的應(yīng)用大部分集中在測量距離[4]，有一定的局限性；而在測量空間物體的大小尺寸應(yīng)用方面，需要手動獲取目標(biāo)像素點或者設(shè)置特殊的特征點，不能實現(xiàn)物體的自動提取、自動測量，這樣阻礙了工業(yè)生產(chǎn)的智能化、機械化；而且傳統(tǒng)的測量方法中的人工操作步驟，不僅增加了勞動成本而且使步驟更加復(fù)雜；在工業(yè)檢測方面實現(xiàn)的零件合格檢測[5]，也只是固定場景下的檢測，不能實現(xiàn)相對運動物體尺寸大小的自動測量；而且對運動的物體，手動的點取目標(biāo)像素是很不準(zhǔn)確的，也不能實現(xiàn)實時性。更重要的是，由于平滑表面的鏡面反射、投影縮減、透視失真、低紋理和重復(fù)紋理等對雙目匹配的影響，導(dǎo)致手動點取的目標(biāo)像素點不一定存在有效三維信息[6]。

為克服上述技術(shù)的不足，開發(fā)了一套基于視差優(yōu)化算法的雙目立體視覺自動測量系統(tǒng)，這種方法不僅簡化了雙目測量的操作步驟，更能較準(zhǔn)確地自動獲取目標(biāo)物體的測量信息，并且對其匹配后產(chǎn)生的視差進(jìn)行優(yōu)化，減少平滑表面的鏡面反射、投影縮減、透視失真、低紋理和重復(fù)紋理等外界影響，使目標(biāo)物體的三維點云信息更加完整。再將三維點云重投影，利用最小外接矩形法提取目標(biāo)的包圍尺寸，實現(xiàn)自動化智能化測量，極大限度地擴(kuò)展雙目測量的應(yīng)用范圍，為后續(xù)的機器人雙目視覺提供技術(shù)支持。

1 雙目測量系統(tǒng)結(jié)構(gòu)

雙目立體視覺作為計算機視覺的重要分支，由不同位置的2臺或者1臺攝像機經(jīng)過移動或旋轉(zhuǎn)拍攝同一幅場景，通過計算空間點在兩幅圖像中的視差，來獲得該點的三維坐標(biāo)。本系統(tǒng)采用雙目相機結(jié)構(gòu)，如圖1所示。在利用立體視覺獲取物體的三維幾何信息之前，首先需要對視覺傳感器進(jìn)行標(biāo)定，計算攝像機的內(nèi)外參數(shù)。雙目測量系統(tǒng)流程框圖如圖2所示。

圖1 雙目相機幾何關(guān)系

圖2 系統(tǒng)框圖

根據(jù)系統(tǒng)框圖所示，本系統(tǒng)的設(shè)計步驟可分為以下7步：

步驟1：通過簡單的雙目相機同時獲取兩路RGB彩色圖像，利用棋盤標(biāo)定法對雙目攝像頭進(jìn)行標(biāo)定，獲得兩個攝像頭的內(nèi)外參數(shù)，根據(jù)這些參數(shù)對雙目攝像頭進(jìn)行校正，去除鏡頭的魚眼效應(yīng)以及位置誤差等影響，得到校正后的雙目視圖(左視圖和右視圖)。

步驟2：對步驟1校正后得到的左右視圖，利用立體匹配算法(如BM、SGBM算法)以左視圖為基圖進(jìn)行匹配，得到初步的視差圖，該視差圖由于鏡面反射、投影縮減、透視失真、低紋理和重復(fù)紋理等影響產(chǎn)生突變視差或者局部無視差。對于產(chǎn)生的突變誤差可以進(jìn)行閾值篩選，濾除視差中的噪聲干擾點；對于局部無視差問題會在接下來的步驟中進(jìn)行解決。

步驟3：對步驟1校正后的左圖，利用背景相減法(也叫幀差法，在簡單背景下，前景和背景亮度和色彩等相差比較明顯，可以用包含前景的后一幀減去只包含背景的那一幀，獲得完整的前景區(qū)域)提取目標(biāo)物體，其他非目標(biāo)區(qū)域全為黑。

步驟4：根據(jù)步驟3提取出來的目標(biāo)物體區(qū)域，對步驟二生成的初步視差圖，利用最小二乘法直線擬合對局部無視差區(qū)域進(jìn)行填充，實現(xiàn)視差優(yōu)化，獲得目標(biāo)物體區(qū)域的完整視差圖，其他非目標(biāo)區(qū)域不優(yōu)化，為全黑無效區(qū)域。

步驟5：對步驟4獲得的目標(biāo)物體區(qū)域完整視差圖，根據(jù)投影模型獲得三維點云(包含點的三維坐標(biāo)、特征信息等信息量)。

步驟6：對步驟5生成的三維點云，進(jìn)行坐標(biāo)重投影，將三維坐標(biāo)投影到二維平面，并通過圖像處理的方法，把二維平面的世界真實坐標(biāo)與圖片的像素坐標(biāo)關(guān)聯(lián)起來，用灰度圖片具體的顯示出重投影后的二維坐標(biāo)信息。圖片中將能看到目標(biāo)物體重投影后的形狀(白色區(qū)域)，其像素寬度、長度將直接反映出物體的真實寬度和長度。

步驟7：對步驟6中生成的坐標(biāo)關(guān)聯(lián)像素圖，利用形態(tài)學(xué)的方法，采用最小外接矩形將像素圖片中的輪廓框住，最小矩形的長度和寬度就是目標(biāo)物體的長度和寬度。

系統(tǒng)框圖具體展示了整個系統(tǒng)的實現(xiàn)原理，該系統(tǒng)能有效提取出目標(biāo)物體，并對其匹配后產(chǎn)生的視差進(jìn)行優(yōu)化，三維信息重投影后生成的平面映射圖經(jīng)過形態(tài)學(xué)處理，能很好地框出目標(biāo)物體的最小外接矩形，能較準(zhǔn)確地自動獲取目標(biāo)物體的測量信息，極大限度地擴(kuò)展了雙目測量的應(yīng)用范圍，并簡化了雙目測量的操作步驟，基本實現(xiàn)自動化智能化測量，為后續(xù)的機器人雙目視覺提供技術(shù)支持。

2 基于前景檢測的視差優(yōu)化算法

本文采用的視差優(yōu)化算法是在傳統(tǒng)匹配算法所得視差圖的基礎(chǔ)上進(jìn)行優(yōu)化，所以與一般的雙目測距相比，包括以下共性：

1)相機標(biāo)定與校正：通過已知的參考點來求取攝像機的內(nèi)外參數(shù)，從而校正圖片。基于便捷性和可操作性考慮，本文采用張正友平面標(biāo)定法標(biāo)定相機，也稱棋盤法。張正友提出的針對徑向畸變標(biāo)定方法，通過多幅(不同相對位置的)平面模板(棋盤格)圖像，利用棋盤格上的角點與圖像平面上的像點之間的單應(yīng)性矩陣來約束對應(yīng)攝像機的內(nèi)參，詳細(xì)介紹見文獻(xiàn)[7]。

2)立體匹配獲取視差：通過一定的約束條件找出空間同一點在左右圖像平面上的兩個投影點，然后利用三角測量原理，計算視差。本文基于實時性考慮采用局部匹配算法。文獻(xiàn)[8]介紹的局部立體匹配(BM)算法主要是采用局部優(yōu)化方法進(jìn)行視差值估計，利用局部的信息進(jìn)行能量最優(yōu)化，所以得到的視差估計是局部最優(yōu)，而不是全局最優(yōu)。

該算法是在前景區(qū)域內(nèi)，按行檢測出有效視差和無效視差，并記錄存取。有效視差作為最小二乘法的已知條件，對無效視差部分進(jìn)行直線擬合，而有效視差保持不變，達(dá)到整個目標(biāo)物體區(qū)域有完整的視差圖，并分離出這區(qū)域的視差圖。該算法是實現(xiàn)自動測量的關(guān)鍵。算法的實現(xiàn)分為兩部分，分別是前景區(qū)域提取和最小二乘法優(yōu)化視差。

2.1 前景區(qū)域提取

本文涉及的前景檢測和提取，采用簡單的背景幀差法。背景幀差法具有簡單，運動速度快，對緩慢變換的光照不是很敏感等優(yōu)點，但同時也會有空洞等缺點?；趯崟r性考慮，幀差法的基本原理就是將前后兩幀或者當(dāng)前幀與固定背景幀圖像的對應(yīng)像素點的灰度值相減，得到幀差灰度圖。如果對應(yīng)像素灰度相差很大就可以認(rèn)為此處景物為前景。

針對幀差法會產(chǎn)生空洞的缺點，以及能更好地提取前景物體，本文將得到的幀差灰度圖二值化后利用形態(tài)學(xué)的取最大連通域法進(jìn)行處理。

1)利用輪廓提取算法[9]找出二值化圖片的所有輪廓；

2)對比各輪廓的面積，選擇最大的輪廓，并記錄當(dāng)前最大輪廓；

3)填充輪廓內(nèi)部，去除連通域中的離散黑色斑塊，形成較干凈的最大連通域(二值化圖像中以白色區(qū)域呈現(xiàn))。

在基本去除空洞現(xiàn)象后，得到感興趣區(qū)域二值化前景圖，最后用掩模法(mask)摳出目標(biāo)物體，利用生成的前景二值化圖與對應(yīng)時刻的原始RGB圖進(jìn)行掩模處理，黑色區(qū)域保持不變，白色區(qū)域替換成原始RGB圖片的對應(yīng)區(qū)域。

前景提取效果如圖3所示，由此可見，該方法可以較好地提取出前景區(qū)域，并保證前景目標(biāo)的完整性，是后面視差優(yōu)化算法的前提條件。

圖3 前景提取過程

2.2 最小二乘法優(yōu)化視差

視差優(yōu)化算法是在傳統(tǒng)匹配算法計算得出的視差基礎(chǔ)上，在前景區(qū)域內(nèi)利用最小二乘法直線擬合，對前景區(qū)域內(nèi)的無效視差進(jìn)行優(yōu)化，得到一個比較完整的前景區(qū)域視差圖。

算法實現(xiàn)過程如下：

1)設(shè)定前景感興趣區(qū)域內(nèi)每行白色像素點個數(shù)閾值n；

2)按行掃描，尋找連續(xù)白點個數(shù)m；

3)如果m

4)記錄這m個連續(xù)邊白色點的坐標(biāo)，構(gòu)成點集V；

5)在視差圖中按行讀取點集V中對應(yīng)坐標(biāo)的視差值d；

6)如果d有效，記錄有效視差點位置和視差，轉(zhuǎn)向8)；

7)記錄無效視差點集，用最小二乘法直線擬合生成無效視差點的視差；

8)感興趣區(qū)域沒有掃描完，返回2)繼續(xù)掃描；否則結(jié)束算法。

算法主要利用無效視差點位置的前后幾個(可以根據(jù)需求設(shè)定)有效視差點作為已知條件，完成直線擬合對無效視差點填充替換成估計值，有效視差點保留原視差值。重復(fù)以上步驟，按行優(yōu)化感興趣區(qū)域的視差，得到較為完整的前景區(qū)域視差圖。

此算法運算復(fù)雜度低，能克服紋理性差等因素造成的影響，生成完整的感興趣區(qū)域視差。算法只對視差進(jìn)行優(yōu)化，對前面的匹配等過程不造成影響。

對比圖4a和4b可見，該視差優(yōu)化算法完全實現(xiàn)了上述要求，而且效果明顯。

圖4 算法優(yōu)化對比圖

3 雙目測量實現(xiàn)

測量的實現(xiàn)，首先需要求取目標(biāo)區(qū)域的三維空間坐標(biāo)，然后利用空間兩點間的距離公式計算出空間真實距離，對于測量距離(離攝像機的距離)來說，只需要知道該點的深度信息。目前的測量應(yīng)用大多集中在距離測量，本文利用前景提取、視差優(yōu)化、空間重投影、形態(tài)學(xué)等方法，不僅實現(xiàn)了測距、手動點取測量空間兩點的距離，還實現(xiàn)了自動識別提取目標(biāo)物體，自動測量其長、高信息。常見的獲取三維空間坐標(biāo)的方法有兩種，一種是基于最小二乘法求解三維坐標(biāo)[10]，另一種是利用視差法求取三維坐標(biāo)[11]。本文采用視差法求取三維坐標(biāo)。

在獲取三維信息(即三維點云)后，本文首先對三維點云進(jìn)行重投影，生成二維平面信息；然后將二維平面信息(即真實平面坐標(biāo)信息)以一定的轉(zhuǎn)換關(guān)系生成二值化像素圖像，本文稱作坐標(biāo)關(guān)聯(lián)像素圖；最后利用形態(tài)學(xué)、最小外接矩形、像素轉(zhuǎn)坐標(biāo)信息等方法實現(xiàn)自動測量。自動測量的實現(xiàn)最重要的兩方面為：三維重投影和計算最小外接矩形。

3.1 三維重投影

在不考慮空間旋轉(zhuǎn)角度的情況下，即以上攝像機圖像平面與物體表面平行(可以根據(jù)三腳架上面的水平儀確定這種平行關(guān)系)。根據(jù)空間三維投影到二維平面的簡單幾何關(guān)系，在空間物體的z(厚度)分量與世界坐標(biāo)系的z(光軸方向)分量平行的情況下，三維重投影問題就變成簡單的選取三維坐標(biāo)xyz分量問題。這里取x、y分量，組成二維xy平面，該平面與圖像平面重合，在這個過程中必須利用濾波器過濾一些噪聲點。

為了讓xy平面可視化，必須把這些坐標(biāo)信息與像素坐標(biāo)關(guān)聯(lián)起來，本系統(tǒng)采用的關(guān)聯(lián)準(zhǔn)則是：1個像素點對應(yīng)真實世界的1 mm(這個對應(yīng)關(guān)系是可以根據(jù)所測物體和所需精度設(shè)置的)，那么如果定義一個640×480像素的圖片，那么就可以對應(yīng)640 mm×480 mm的矩形大小。在可視化的過程中，x、y分量的值為多少毫米就將圖片對應(yīng)像素坐標(biāo)位置的像素值置255(呈白色)，如圖5c中xy平面二維坐標(biāo)圖轉(zhuǎn)換為圖5d坐標(biāo)關(guān)聯(lián)像素圖所示。

圖5 重投影及轉(zhuǎn)換演示圖

針對前面提到的過濾噪聲點，本文以深度(z分量)信息為閾值，深度超過閾值的點全部濾除，如圖5b所示，如果深度閾值設(shè)為150，那么深度大于150的散亂的點將被全部濾除，對于深度信息小于150的散亂雜點，暫時不管，在將過濾后的二維坐標(biāo)信息生成坐標(biāo)關(guān)聯(lián)像素圖后，二值化圖片上深度小于150的噪點將產(chǎn)生白色的小斑點，這些白色小斑點就是其噪聲點，可以通過圖像處理方法處理：尋找最大輪廓，去除周邊散斑，形成較完整的二值化圖，如圖5d所示。

圖5中，圖5a為前景區(qū)域三維點云重建的效果圖，其中包含噪聲散點；圖5b和5c分別為重投影到側(cè)平面(xz平面)和正平面(正對攝像機的xy平面)的效果圖。在OpenCV中將二維平面的坐標(biāo)信息以一定的轉(zhuǎn)換關(guān)系(上面提到的關(guān)聯(lián)準(zhǔn)則)轉(zhuǎn)換為二值化的坐標(biāo)關(guān)聯(lián)像素圖，如圖5d所示，對比圖5c可以看出濾除了部分噪聲點。

3.2 計算最小外接矩形框

對前面生成的二值化坐標(biāo)關(guān)聯(lián)像素圖，計算其最小外接矩形主要包括兩部分：先建立二維點集的凸包，凸包的求取參考文獻(xiàn)[12]，然后利用旋轉(zhuǎn)卡殼算法求取最小外接矩形，最小外接矩形的求取參考文獻(xiàn)[13]。

本系統(tǒng)基于OpenCV計算其最小外接矩形，其實現(xiàn)過程如下：

1)利用2.1節(jié)介紹的方法提取二值化圖片的最大連通域。

2)利用前面提到的旋轉(zhuǎn)法計算出最大連通域外輪廓的最小外接矩形的4個角點(矩形隨著平面輪廓的不同有角度變化)，并保存其4個角點像素坐標(biāo)(這些坐標(biāo)值可以直接用來計算外接矩形的旋轉(zhuǎn)角度)，最后根據(jù)這4個角點畫出矩形的4條邊。在圖5d中還畫了其最小外接橢圓[14]作為對比。

3)在畫出最小外接矩形后，矩形的長和寬分別是多少個像素將變得很清晰，因為其4個角點像素坐標(biāo)在前一過程已經(jīng)求出，所以為了反映物體的真實長和寬，按照3.1節(jié)所提到的真實坐標(biāo)信息與像素坐標(biāo)關(guān)聯(lián)準(zhǔn)則，將矩形的長寬像素反轉(zhuǎn)換為真實的長寬信息，并顯示在圖片上，這樣整個自動測量方法完成。

本文采用1個像素點對應(yīng)真實世界的1 mm的關(guān)聯(lián)準(zhǔn)則，由于像素點是離散的，而尺寸信息是連續(xù)的，所以當(dāng)不滿1 mm的部分將不能以像素點顯示出來，這樣會帶來一個1 mm以內(nèi)的誤差。

4 實驗過程與結(jié)果分析

4.1 半自動測量

半自動測量需要鼠標(biāo)點擊目標(biāo)點，包括直接測距(目標(biāo)點離攝像機的距離)和測量空間兩點的距離。圖6中左視圖中紅色框里面的小車為檢測的最近物體，視差圖和匹配圖中黑色部分為無效視差和非匹配區(qū)。

手動點擊圖6d中小車后輪的水平直徑，測量兩點間的距離。手動標(biāo)尺測量小車輪胎直徑是10 cm，雙目測量系統(tǒng)軟件測量結(jié)果為9.987 0 cm。表1是多組測量數(shù)據(jù)及誤差。

從表1分析可知在一定范圍內(nèi)，測量精度較高，可以滿足需求，在取兩點求取空間距離時，兩點可以是深度接近的兩點，也可以是深度相差比較大的兩點，其誤差都在可接受范圍內(nèi)。產(chǎn)生的誤差原因可能有以下方面：

1)攝像機標(biāo)定誤差的大小會直接影響后面一系列的過程，包括校正、匹配等；

2)攝像頭的分辨率也是主要原因，像素太低會導(dǎo)致匹配不準(zhǔn)得不到準(zhǔn)確視差；

3)匹配算法的缺陷導(dǎo)致匹配不夠精確；

4)本身標(biāo)尺測量就存在誤差。

表1 數(shù)據(jù)分析

4.2 自動測量

自動測量無需鼠標(biāo)點擊目標(biāo)點，當(dāng)目標(biāo)物體進(jìn)入視圖后，系統(tǒng)會自動檢測和提取目標(biāo)物體(前景區(qū)域)。如圖7中的匹配圖區(qū)域只顯示前景的小車，而且對比圖6，可以發(fā)現(xiàn)前景區(qū)域沒有黑色無效視差，視差圖得到明顯優(yōu)化。

圖7 車輛側(cè)面自動測量長度、高度效果圖

小車實測(直尺)長度557 mm,寬度280 mm,高度177 mm，通過第3節(jié)介紹的自動測量方法，其自動測量結(jié)果顯示如圖7～8所示，目標(biāo)物體的實際尺寸大小跟蹤顯示在坐標(biāo)關(guān)聯(lián)像素圖中。其中L表示寬度，H表示高度，單位為mm。“左視圖”窗口方框為檢測到的最近物體，中間的數(shù)字為小車離攝像機的距離，單位為cm。

表2為通過圖7所示方式從車側(cè)面測量長度、高度所得結(jié)果。表3是通過圖8所示方式從車正面測量寬度、高度所得結(jié)果。

從表2～3數(shù)據(jù)分析可知，自動測量準(zhǔn)確度在可接受范圍內(nèi)，能過達(dá)到自動測量的目的。自動測量中誤差產(chǎn)生的原因主要有：光照強度影響目標(biāo)物體的提取進(jìn)而影響測量精確度，坐標(biāo)信息轉(zhuǎn)化為像素圖片的過程中存在一定誤差，對二值化坐標(biāo)關(guān)聯(lián)像素圖的處理以及計算其最小外接矩形過程中存在誤差。

圖8 車輛正面自動測量寬度、高度效果

表2 從車側(cè)面自動測量數(shù)據(jù)分析

小車離攝像頭距離/cm系統(tǒng)測量小車長度/mm誤差/%系統(tǒng)測量小車高度/mm誤差/%67 0555 00 35180 01 69120 0556 00 18177 00145 0558 00 18178 00 56

表3 從車正面自動測量數(shù)據(jù)分析

5 結(jié)語

本文在研究雙目立體視覺的基礎(chǔ)上提出了一種將三維點云重投影到二維平面，利用最小外接矩形完成目標(biāo)物體尺寸自動測量系統(tǒng)，利用最小二乘法的視差優(yōu)化算法改善了立體匹配效果。對所提出的方法進(jìn)行了實際驗證，實驗結(jié)果表明，在合適的測量物體到攝像頭距離下，其測量精度達(dá)到了較好的效果，即驗證了所設(shè)計系統(tǒng)的可行性。在實際應(yīng)用中，可通過提高攝像頭分辨率，調(diào)整合適的測量距離，以及調(diào)整兩攝像頭間基線距離，得到跟好的測量效果。

[1]岳亮.一種基于雙目視覺的安全車距測量方法[J].電視技術(shù)， 2013，37(15)：194-197.

[2]張順嵐， 莫建文.基于雙目視覺的三維人臉識別算法[J].電視技術(shù)， 2014， 38(9)：214-217.

[3]SHIH S， TSAI W H.Optimal design and placement of omni-cameras in binocular vision systems for accurate 3D data measurement[J].IEEE Trans.Circuits and Systems for Video Technology， 2013， 23(11)：1911-1926.

[4]ZHU J， YUAN L， ZHENG Y F， et al.Stereo visual tracking within structured environments for measuring vehicle speed[J].IEEE Trans.Circuits and Systems for Video Technology，2012，22(10)： 1471-1484.

[5]MONTILLA M， ORJUELA-VARGAS S A， PHILIPS W.State of the art of 3D scanning systems and inspection of textile surfaces[C]//Proc.IS&T/SPIE Electronic Imaging.[S.l.]：International Society for Optics and Photonics， 2014： 180-185.

[6]MIN D， LU J， DO M.Joint histogram based cost aggregation for stereo matching[J].IEEE Trans.Pattern Analysis and Machine Intelligence， 2013， 35(10)：2539-2545.

[7]ZHANG Z Y.A flexible new technique for camera calibration[J].IEEE Trans.Pattern Analysis and Machine Intelligence， 2000， 22(11)：1330-1334.

[8]HIRSCHMULLER H，SCHARSTEIN D.Evaluation of cost functions for stereo matching[C]// Proc.IEEE Con.Computer Vision and Pattern Recognition.[S.l.]：IEEE Press， 2007：1-8.

[9]ZHANG Y， HAN J， YUE J， et al.Weighted KPCA degree of homogeneity amended non-classical receptive field inhibition model for salient contour extraction in low-light-level image[J].IEEE Trans.Image Processing， 2014，23(6)：2732 - 2743.

[10]DUAN Z， YUAN Z， LIAO X， et al.3D tracking and positioning of surgical instruments in virtual surgery simulation[J].Journal of Multimedia， 2011， 6(6):671-679.

[11]CHIANGJ S， HSIA C H，HSU H W.A stereo vision-based self-localization system[J].IEEE Trans.Sensors Journal， 2013，15(5)： 1677 - 1689.

[12]GAO S，YANG J.Saliency-seeded localizing region-based active contour for automatic natural object segmentation[C]//Proc.IEEE 21st International Con.Pattern Recognition.[S.l.]：IEEE Press，2012：3644-3647.

[13]JIANG N， YANG W， DUAN L， et al.Acceleration of CT reconstruction for wheat tiller inspection based on adaptive minimum enclosing rectangle[J].Computers and Electronics in Agriculture， 2012(85)： 123-133.

[14]CUI J W， LEI X Q， TU X P， et al.Reacher on ellipticity error by use of minimum circumscribed ellipse and maximum inscribed ellipse algorithm[J].Applied Mechanics and Materials，2013，333(6)： 1461-1464.

張順嵐(1974— )，女，講師，碩士，主研圖像信號處理；

唐望平(1988—)，碩士，主研立體視覺、雙目立體測量；

莫建文(1972—)，博士，副教授，主研圖像信號處理。

責(zé)任編輯：閆雯雯

Improved 3D Size Measurement System Based on Binocular Vision

ZHANG Shunlan, TANG Wangping, MO Jianwen

(SchoolofInformationandCommunicationEngineering,GuilinUniv.ofElectronicandTechnology,GuangxiGuilin541004,China)

The 3D size measurement system is developed according to the principle of binocular vision.Firstly, the target is automatically detected based on frame difference method.And the stereo disparity is calculated from the image target area by using stereo matching method.Secondly, the initial disparity map is improved by utilizing the least square method.The complete disparity map of the image target area is obtained.And then, the three-dimensional point cloud is re-projected onto a 2D plane.Finally, the size of the target can be automatically measured by making use of the minimum circumscribed rectangle.Simulation results show that the improved system can achieve good results, and it is feasible.

binocular vision; disparity optimization; minimum circumscribed rectangle; three dimensional measurement

TP391.4

A

10.16280/j.videoe.2015.07.030

2014-12-15

【本文獻(xiàn)信息】張順嵐，唐望平，莫建文.改進(jìn)的雙目視覺三維尺寸測量系統(tǒng)[J].電視技術(shù),2015，39(7).