鞠冠秋　王海梅

摘 要：基于雙目視覺的目標(biāo)定位是當(dāng)前計算機視覺研究領(lǐng)域的熱點問題，文章介紹了雙目視覺的基本原理，對其關(guān)鍵技術(shù)進行了深入研究，并將基于灰度相關(guān)性的立體匹配算法應(yīng)用到雙目視覺定位系統(tǒng)中。設(shè)計雙目視覺定位實驗，實驗表明文章方法能夠?qū)崿F(xiàn)一般的雙目視覺中的目標(biāo)定位問題。

關(guān)鍵詞：雙目視覺；立體匹配；目標(biāo)定位

引言

雙目視覺是利用已經(jīng)標(biāo)定了的不同位置的兩臺攝像機（或者一臺攝像機經(jīng)過移動或旋轉(zhuǎn)）拍攝同一幅場景得到的兩幅二維圖像， 應(yīng)用圖像處理、圖像匹配、三維重建等方法進行處理，從而實現(xiàn)從二維圖像恢復(fù)場景三維圖像的一種模擬人的雙目視覺的方法。

運動目標(biāo)的位置確定在機器人視覺導(dǎo)航、公共場景監(jiān)控、智能交通等領(lǐng)域有著十分廣泛的應(yīng)用背景，而在上述應(yīng)用領(lǐng)域，雙目視覺較單目視覺有著顯然不可替代的優(yōu)勢，故文章主要對基于雙目視覺的運動目標(biāo)的定位問題進行研究。

1 雙目視覺的基本原理

1.1 線性攝像機模型

在線性攝像機模型中，定義了三種坐標(biāo)系[1]：圖像坐標(biāo)系、攝像機坐標(biāo)系與世界坐標(biāo)系。通過三種坐標(biāo)系的相互關(guān)系可以得到世界坐標(biāo)系表示的點P坐標(biāo)（Xw，Yw，Zw）與其投影點p的坐標(biāo)（u，v）間的關(guān)系。如圖1所示。其代表的線性攝像機模型由式（1）表示。

M1由f、dx、dy、u0、v0決定，由于這些參數(shù)只與攝像機內(nèi)部結(jié)構(gòu)有關(guān)，故稱這些參數(shù)為攝像機的內(nèi)部參數(shù)。M2由攝像機相對于世界坐標(biāo)系的方位而定，被稱為攝像機的外部參數(shù)。

1.2 視差原理

標(biāo)準(zhǔn)的雙目視覺系統(tǒng)成像關(guān)系如圖2所示，實際上不同的系統(tǒng)結(jié)構(gòu)都可以變換為這種簡單的標(biāo)準(zhǔn)結(jié)構(gòu)。圖2中，Ol、Or分別為左、右兩個攝相機的光心，Ol、Or之間的距離為b，相機焦距為f。點P到OlOr連線間的距離為z。

2 攝像機標(biāo)定

攝像機標(biāo)定是進行目標(biāo)定位的必要過程，通過攝像機標(biāo)定可以得到攝像機的內(nèi)外參數(shù)。常用標(biāo)定方法[2]有：傳統(tǒng)標(biāo)定方法、自標(biāo)定方法等。文章采用傳統(tǒng)標(biāo)定方法對攝像機進行標(biāo)定。在傳統(tǒng)標(biāo)定方法中，首先攝像機的前方放置標(biāo)定參照物，由攝像機獲取標(biāo)定物的圖像。通過圖像處理的方法獲取標(biāo)定物上的特征點，同時對標(biāo)定物特征點的世界坐標(biāo)進行精確測定。最后利用一系列標(biāo)定點在圖像像面上成像點的像素坐標(biāo)與其世界坐標(biāo)之間的對應(yīng)關(guān)系，借助非線性優(yōu)化的方法，計算出攝像機數(shù)學(xué)模型中包含的內(nèi)外參數(shù)。

采用傳統(tǒng)標(biāo)定方法的標(biāo)定過程[3]如下：

（1）通過改變模板的位置，從不同的角度和位置來拍攝模板圖像，并檢測拍攝的模板圖像上的角點，獲取角點坐標(biāo)。

（2）根據(jù)角點計算單應(yīng)矩陣，根據(jù)單應(yīng)矩陣求解攝像機部分參數(shù)初值，計算出攝像機內(nèi)外參數(shù)和畸變參數(shù)。

3 基于灰度相關(guān)性的立體匹配

立體匹配是尋找同一空間目標(biāo)在不同視點下投影圖像中像素間的一一對應(yīng)關(guān)系。通根據(jù)匹配基元的不同，雙目視覺中的立體匹配算法分為[4]：區(qū)域匹配、特征匹配、相位匹配。文章選用一種基于灰度相關(guān)性的立體匹配算法。

基于灰度相關(guān)性的立體匹配步驟如下：首先在圖像中選擇一點Pl（x，y）作為待匹配點，以此點位中心，選擇一個大小為（2M+1）*（2N+1）的匹配窗口。然后依據(jù)具體的匹配方法在待匹配圖像中尋找對應(yīng)點窗口，即在待匹配圖像中依次對比同一極線上的Pl（x，y）與Pr（x+i，y）的相似程度，依照某種度量標(biāo)準(zhǔn)對比兩圖像窗口的相似程度，并認(rèn)為相似度最高的窗口的中心像素點與點Pl（x，y）成功匹配。

在上面的兩種匹配代價下，差別系數(shù)越大，模板與圖像之間的區(qū)別就越大。為了在圖像匹配到模板的目標(biāo)，需要使用一個給定的閾值對相似性圖像sad和ssd進行閾值分割，閾值在試驗中獲取。

4 實驗設(shè)計及結(jié)果分析

實驗采用兩個攝像頭作為攝錄工具，圖像分辨率都為720*480，兩個攝像頭間隔24cm平行放置。軟件采用基于OpenCV的C++語言進行編程。

實驗分為兩個部分：

4.1 攝像機標(biāo)定

首先對左右攝像機進行標(biāo)定，獲取攝像機的內(nèi)外參數(shù)，采用7*9的國際象棋棋盤作為標(biāo)定模板，每個棋盤格規(guī)格為25mm×25mm。運用OpenCV中提供角點定位函數(shù)及雙目標(biāo)定函數(shù)編寫程序進行標(biāo)定，角點提取成功的圖像如圖3，標(biāo)定結(jié)果如表1。

從表1中數(shù)據(jù)可以看出，相機的主點并不位于圖像中心，兩者存在一定的偏差。由于兩臺攝像機的擺放位置比較理想，所以標(biāo)定得到的旋轉(zhuǎn)矩陣接近于單位矩陣，平移矢量的第二、三個分量遠(yuǎn)小于第一分量。

4.2 立體匹配及目標(biāo)定位

標(biāo)定完成后，在同樣的拍攝環(huán)境下拍攝一段視頻，選擇視頻中的行人為定位目標(biāo)，對左攝像機中的行人進行目標(biāo)跟蹤，并選取跟蹤算法中的目標(biāo)區(qū)域為模板，采用基于灰度相關(guān)性的立體匹配算法，在右攝像機中對同一行人進行目標(biāo)匹配。同時在匹配正確的情況下，記錄目標(biāo)在定點的圖像坐標(biāo)值，并計算其深度信息，以實現(xiàn)目標(biāo)定位。

軟件平臺采用VS2005，基于C++語言進行編程，具體算法步驟如下：

（1）采集左右圖像，對圖像進行預(yù)處理；（2）在左圖像中對目標(biāo)進行跟蹤，并確定模板區(qū)域，利用文章算法在右圖像中與待測區(qū)域進行比較，比較值滿足閾值相似性條件認(rèn)為是匹配點；（3）若是比較值不滿足閾值相似性條件，則移動同一極線上的待測區(qū)域中心點，重復(fù)步驟（2）；（4）記錄在定點處目標(biāo)的坐標(biāo)值利用式（2），計算出相應(yīng)的深度信息。

立體匹配的實驗結(jié)果如圖4所示。

圖4中，為視頻中第100幀的立體匹配情況，其中左圖中的的目標(biāo)區(qū)域是由跟蹤算法確定的，右圖中的目標(biāo)區(qū)域是由立體匹配算法確定的，從試驗結(jié)果可以看出，右圖的立體匹配比較準(zhǔn)確。

為了檢驗文中目標(biāo)定位的準(zhǔn)確性，在視頻拍攝之前選定了若干行走路線上的確定點，并手工測量了其深度值。在雙目視覺的目標(biāo)定位算法實驗中，以行人到攝像機拍攝平面的距離為實際深度，算法實驗得到的相應(yīng)確定點的深度數(shù)據(jù)與手工測量的深度數(shù)據(jù)如表2所示。

表2中1號數(shù)據(jù)對應(yīng)圖4。由表2中的數(shù)據(jù)計算得到的平均相對誤差為1.95%，可以看出采用雙目視覺方法的運動目標(biāo)定位是可以實現(xiàn)的，定位精度能夠滿足一般要求。

對實驗過程進行分析，發(fā)現(xiàn)誤差產(chǎn)生原因主要有以下兩個方面：

（1）在計算深度的過程中使用的某些數(shù)據(jù)，如焦距f，像素點實際對應(yīng)尺寸等存在誤差，導(dǎo)致深度計算中出現(xiàn)二次誤差；

（2）由于立體匹配算法本身存在缺陷，導(dǎo)致匹配的圖像坐標(biāo)產(chǎn)生誤差，最終對深度信息造成影響。

針對上述原因造成的誤差，文章提出一些改進的建議：

（1）對最終的深度計算結(jié)果進行參數(shù)補償，以減小絕對誤差；

（2）在立體匹配過程中，選取匹配圖像前后的多幀圖像，分別進行匹配并及計算深度，取平均值作為該幀目標(biāo)的深度；

（3）改進立體匹配算法，使之能夠更好地應(yīng)用于運動目標(biāo)系統(tǒng)。

5 結(jié)束語

運動目標(biāo)的位置確定是計算機視覺領(lǐng)域的重要研究內(nèi)容，文章首先對雙目視覺的基本原理進行介紹，然后深入研究了雙目視覺關(guān)鍵技術(shù)中的攝像機標(biāo)定和立體匹配方法，采用傳統(tǒng)標(biāo)定方法及基于灰度相關(guān)性的立體匹配算法，設(shè)計了雙目標(biāo)定及目標(biāo)定位實驗，實驗結(jié)果表明，文中采用的算法能夠?qū)崿F(xiàn)一般應(yīng)用需求中的運動目標(biāo)的定位問題。

參考文獻(xiàn)

[1]馬頌德，張正友.計算機視覺-計算理論與算法基礎(chǔ)[M].北京：科學(xué)出版社，1998.

[2]顏卓.基于雙目視覺的運動物體檢測系統(tǒng)研究[D].沈陽：沈陽大學(xué)，2012.

[3]Gary Bradski，Adrian Kaehler.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009.

[4]時洪光.基于雙目視覺的運動目標(biāo)定位研究[D].青島：青島大學(xué)，2010.

[5]王逸林.基于區(qū)域匹配算法的雙目立體匹配技術(shù)的研究[D].大連：大連海事學(xué)院，2012.