樊露

（廣西大學(xué)，廣西 南寧530004）

?

單目攝像頭精確測(cè)距技術(shù)及實(shí)現(xiàn)方法

樊露

（廣西大學(xué)，廣西 南寧530004）

摘要：利用手機(jī)攝像頭，通過(guò)改變攝像設(shè)備的焦距，對(duì)比兩幅不同焦距下圖片的模糊度，精確計(jì)算目標(biāo)物體的距離，該方法同樣適用于立體物體的距離測(cè)距。該方法將被測(cè)區(qū)域的圖片量化為81個(gè)小圖片，對(duì)每個(gè)圖片采用邊沿提取模糊測(cè)距技術(shù)來(lái)計(jì)算距離大小。利用高斯融合算法將該81個(gè)子圖片的計(jì)算結(jié)果進(jìn)行融合，最終得到被測(cè)立體物體到攝像頭的距離。

關(guān)鍵詞：散焦測(cè)距；單目視覺(jué)；邊緣提??；高斯融合算法

機(jī)器人視覺(jué)是指使機(jī)器人具有視覺(jué)感知功能的系統(tǒng)，是機(jī)器人系統(tǒng)組成的重要部分之一。機(jī)器人視覺(jué)［1-3］可以通過(guò)視覺(jué)傳感器獲取環(huán)境的二維圖像，并通過(guò)視覺(jué)處理器進(jìn)行分析和解釋，進(jìn)而轉(zhuǎn)換為符號(hào)，機(jī)器人據(jù)此辨識(shí)物體，并確定其位置。目前機(jī)器視覺(jué)行業(yè)已經(jīng)進(jìn)入高速發(fā)展的時(shí)期，機(jī)器視覺(jué)產(chǎn)品在下游行業(yè)，尤其是工業(yè)控制領(lǐng)域?qū)崿F(xiàn)了廣泛的應(yīng)用，機(jī)器視覺(jué)技術(shù)已逐步走向成熟。目前機(jī)器視覺(jué)技術(shù)主要用于產(chǎn)品質(zhì)量檢測(cè)、分類、機(jī)器人定位、包裝等，一方面替代人工視覺(jué)，另一方面用于提高生產(chǎn)的柔性和自動(dòng)化程度。在大批量工業(yè)生產(chǎn)中，用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率，減少人工風(fēng)險(xiǎn)。比如在藥品生產(chǎn)中，采用機(jī)器視覺(jué)產(chǎn)品不僅可以提高藥品質(zhì)量檢測(cè)的準(zhǔn)確度和生產(chǎn)效率，還可以避免人眼長(zhǎng)時(shí)間工作而造成的視覺(jué)疲勞。另外，將機(jī)器視覺(jué)應(yīng)用于機(jī)器人的引導(dǎo)中，可以實(shí)現(xiàn)生產(chǎn)的柔性化，使生產(chǎn)線很容易適應(yīng)產(chǎn)品的變化，這成為未來(lái)發(fā)展趨勢(shì)之一。

如何精準(zhǔn)的測(cè)量被測(cè)物體的距離，一直是機(jī)器人視覺(jué)技術(shù)的研究熱點(diǎn)，目前在測(cè)距算法方面大家都廣泛使用基于單目視覺(jué)系統(tǒng)的散焦測(cè)距的方法，該方法通過(guò)鏡頭不同參數(shù)下所拍攝的兩幅圖像就可以計(jì)算出物體到攝像頭的距離信息。本文將對(duì)目前廣泛應(yīng)用的散焦測(cè)距算法提出改進(jìn)，達(dá)到可以精準(zhǔn)測(cè)距的效果。

1　現(xiàn)有技術(shù)

目前的單目測(cè)距算法主要在Subbarao提出的散焦測(cè)距算法［4，5］發(fā)展而來(lái)的，該算法通過(guò)兩幅或者多幅照片，利用不同圖片的模糊程度來(lái)提取距離信息。Ens和Lawrence為了提高算法的精度提出了散焦測(cè)距矩陣迭代法［6］將一幅圖片數(shù)據(jù)信息考慮成另一幅圖片的數(shù)據(jù)信息與一個(gè)矩陣卷積的結(jié)果，該矩陣為兩幅圖片的擴(kuò)散函數(shù)如公式（1），（2）所示。該方法在應(yīng)用在立體物體的測(cè)距時(shí)采用動(dòng)態(tài)參照技術(shù)（dynamic reference technique）并通過(guò)高斯卷積準(zhǔn)模糊處理后，按照平面測(cè)距來(lái)處理，這種處理方法存在一定的誤差。

公式1中F（x，y）與F'（x，y）分別表示2幅圖片數(shù)據(jù)信息，G為兩幅圖片的擴(kuò)散函數(shù)。

2　算法改進(jìn)

散焦三維測(cè)量直接利用物體深度、攝像鏡頭參數(shù)和圖像模糊度之間的關(guān)系來(lái)測(cè)量物體的深度。圖1是散焦物體測(cè)距的原理圖。由圖1可知物體表面發(fā)射的光通過(guò)半徑為D/2的孔徑光欄后，根據(jù)幾何光學(xué)的物像關(guān)系有：

其中：u是物體表面的物距，v是像距，f為焦距。

當(dāng)像點(diǎn)和攝像平面不重合時(shí)，物點(diǎn)在攝像面上形成不是清晰的像點(diǎn)，而是與孔徑光欄形狀相同的模糊光斑，對(duì)一般的散焦測(cè)距系統(tǒng)，孔徑光欄具有圓對(duì)稱性，所以這個(gè)模糊光斑是一個(gè)圓形光斑，其光斑半徑R1、R2與光學(xué)系統(tǒng)的光學(xué)參數(shù)（透鏡孔徑D、攝像面距透鏡的距離s1、s2）及物點(diǎn)的物距u之間有如下關(guān)系：s1、s2為兩次攝像平面到攝像透鏡的距離，從公式（4），（5）知道，在已知系統(tǒng)的光學(xué)參數(shù)的情況下，只要測(cè)量出物體上某點(diǎn)模糊光斑的半徑，就能計(jì)算出該點(diǎn)的物距u.

圖1　散焦成像

圖像邊緣的對(duì)應(yīng)為圖像中灰度發(fā)生急劇變化的區(qū)域邊界，它是圖像的基本特征，邊緣檢測(cè)［7-8］是采用一定的算法提取出圖像中物體與背景的交界線。人們通過(guò)相鄰點(diǎn)像素灰度分布的梯度來(lái)反應(yīng)這一急劇變化。根據(jù)這一特點(diǎn)，前人提出了多種檢測(cè)算子，Robert算子、Sobel算子等。本文提出的改進(jìn)算法利用水平和垂直兩個(gè)方向的Sobel算子提取圖像的邊沿。然后通過(guò)計(jì)算顯示屏的像素即可求解R1、R2.

Sobel算子包含兩組3×3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以F代表原始圖像，Gx及Gy分別代表經(jīng)縱向及橫向邊緣檢測(cè)的圖像，則有

另外該改進(jìn)算法將拍攝得到的2幅圖片分別量化為81個(gè)子圖片如圖2所示，針對(duì)每個(gè)子圖片分別采用Sobel算子提取圖像邊緣，計(jì)算每個(gè)子圖片的距離，通過(guò)公式（8）利用9階高斯算子將每個(gè)子圖片的計(jì)算結(jié)果融合在一起作為最終的測(cè)試結(jié)果，有利于提高計(jì)算精度。

圖2　量化過(guò)程

3　實(shí)驗(yàn)及結(jié)果分析

仿真實(shí)驗(yàn)：本實(shí)驗(yàn)選取的樣品為毛絨公仔，采用華為榮耀6進(jìn)行拍攝，像素為1300萬(wàn)像素，將毛絨公仔放置鏡頭前500 mm處，拍攝兩幅散焦程度不同的圖片如圖3所示。改變目標(biāo)樣本到鏡頭的距離，每隔500 mm拍攝一組散焦程度不同的照片，采用本改進(jìn)算法計(jì)算目標(biāo)物體的距離，結(jié)果如表1所示。

圖3　散焦程度不同的圖片

表1　誤差比對(duì)表

根據(jù)實(shí)驗(yàn)結(jié)果，可以得到計(jì)算值與實(shí)際值的對(duì)比曲線如圖4所示，以及被測(cè)物體在不同距離下計(jì)算出的距離誤差如圖5所示，根據(jù)該改進(jìn)算法在2 m～3 m之間可以比較精致的計(jì)算出目標(biāo)物體的距離，超過(guò)這個(gè)范圍后，計(jì)算誤差較大。

圖4　仿真曲線

圖5　誤差曲線

4　結(jié)束語(yǔ)

改進(jìn)算法通過(guò)對(duì)圖片分解成81個(gè)子圖片，對(duì)每個(gè)子圖片采用邊沿提取模糊測(cè)距計(jì)算被測(cè)物體的距離，最后將這81個(gè)子圖片的結(jié)果進(jìn)行高斯融合得到最終的測(cè)試結(jié)果，有利于提高測(cè)試精度。

參考文獻(xiàn)：

［1］楊延西，劉丁，辛菁，等.MOTOMAN-SV3XL機(jī)器人手眼視覺(jué)立體定位系統(tǒng)［J］.計(jì)算機(jī)工程與應(yīng)用.2003，（22）：38-41.

［2］熊春山，黃心漢，王敏.手眼立體視覺(jué)的算法與實(shí)現(xiàn)［J］.機(jī)器人，2001，（02）:113-117.

［3］孫堯，張強(qiáng)，萬(wàn)磊.基于自適應(yīng)UKF算法的小型水下機(jī)器人導(dǎo)航系統(tǒng)［J］.自動(dòng)化學(xué)報(bào)，2011，（03）:342-353.

［4］Subbarao，M.，Gurumoorthy，N.，Depth Recovery from Blurred Edges［R］.CVPR88.1988:498-503.

［5］Subbarao M.，Parallel depth recovery by changing camera Parameters［R］.Second International Conference on Computer Vision，F(xiàn)lorida，USA，December，1988:149-155.

［6］Ens J.Lawrence P.，A matrix based method for determining depth from focus［R］.Proc.of IEEE Conf.On Computer Vision and Pattern Recognition，June，1991:600-609.

［7］高梁，劉曉云，廖志武，等.一種基于多信息融合的模糊邊界檢測(cè)算法［J］.儀器儀表學(xué)報(bào)，2011，（11）:2506-2514.

［8］趙振兵，金思新，劉亞春.基于NSCT的航拍絕緣子圖像邊緣提取方法［J］.儀器儀表學(xué)報(bào)，2012，（09）:2045-2052.

Monocular Camera Precise Distance Measurement Technology Research and Implementation

FAN Lu
（Guangxi University，Nanning Guangxi 530004，China）

Abstract：This paper based on mobile phone camera，by changing the focal length of the camera device，compared to two picture under different focal length of ambiguity，the precise distance of target object，this method also could apply to the 3D object distance range.This method to quantify measured area of pictures as 81 small images，for each image edge extraction of fuzzy distance measuring technology is used to calculate the distance.Using Gaussian fusion algorithm to the 81 child image fusion，the calculated results of the resulting measured 3D objects to the distance of the camera.

Key words：range of defocusing；monocular vision；edge detection；gaussian fusion algorithm

中圖分類號(hào)：TP242

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-545X（2016）03-0185-03

收稿日期：2015-12-16

作者簡(jiǎn)介：樊露（1984-），女，湖南邵陽(yáng)人，工學(xué)碩士，工程師，研究方向：計(jì)算機(jī)應(yīng)用，無(wú)線網(wǎng)絡(luò)協(xié)議。