楊承忠

摘要??? 本文在基于雙目立體視覺的研究基礎上，對立體匹配所存在的問題和解決措施提提出了看法。

【關鍵詞】特征點檢測立體匹配三維重建

1 引言

眼科學認為，人類兩眼的不同位置，讓我們感知的世界是立體的。由觀察到兩幅不同的畫面，從而產(chǎn)生視差。雙目立體視覺模仿人類視覺的立體感知過程，通過視差根據(jù)三角測量原理來獲得深度信息。隨著科學技術的發(fā)展，在工業(yè)、生活的各個領域都有雙目視覺技術成功運用的案例。

2 雙目立體視覺研究

2.1 立體匹配介紹

立體匹配即將兩幅圖像的點對應起來。由于圖像特征的局部性，雖然大量機構致力于立體匹配技術的研究，但由于實際場景的復雜性，仍然存在許多尚未解決的難題。例如，強光照、視差不連續(xù)區(qū)域、弱紋理區(qū)等問題。如何解決這些難題仍然是當下難點。

2.2 研究現(xiàn)狀

已有很多雙目立體視覺技術在實際應用的成功報道。其中最熱門的便是雙目視覺技術應用到移動機器人障礙物檢查與避障方面。以激光、紅外等作為傳感器測距比較方便，但是設備昂貴，性價比不高，很難廣泛運用。

但是使用攝像機作為傳感器可以獲取更多環(huán)境信息，且探測距離更廣等優(yōu)點。利用雙目攝像機在實際運用中能夠比較好獲得場景三維信息。文獻[5]將圖像分割與立體匹配相結(jié)合，設置種子點，并采用快速圖割算法完成區(qū)域分割提取，與現(xiàn)有的圖割法相比，該方法匹配準確且運算量小。圖割法的提出，使馬爾科夫隨機場能量最小問題得以解決。

3 立體匹配實現(xiàn)

3.1 雙目相機標定

運用小孔成像和投影變換原理，采用張正友法標定左右攝像機參數(shù)。其中圖1為左相機，圖2為右相機。

3.2 圖像匹配

（1）在圖像中選取像素點I，假設它的亮度為H;

（2）設置一個閾值T;

（3）以像素I為中心，選擇半徑為3的米字型頂點的8個像素點;

（4）假如所選點中有連續(xù)N個點的亮度大于H+T或者小于H-T，則確定為關鍵點;

（5）重復上述步驟，對每一個像素執(zhí)行相同的操作。

完成以上步驟后，還需構建圖像金字塔解決尺度不變性，通過灰度質(zhì)心法解決特征旋轉(zhuǎn)問題。灰度質(zhì)心法步驟如下：

1. 定義圖像塊C矩陣：

公式

2. 確認質(zhì)心：

3. 連接幾何中心O與質(zhì)心C，得到向量，于是特征方向定義為：

在確定特征點后，使用快速近似最近鄰（FLANN）算法匹配特征點，并加入畸變系數(shù)和顏色映射信息提高匹配精度。圖3、4分別為左、右相機場景圖，圖5為得到的深度圖。

4結(jié)束語

雖然現(xiàn)在有很多改進的方法和新穎的想法，但是在實際運用中效果仍然欠佳。即使是同一算法用在不同場景也會有不同效果，本文方法運用在強光環(huán)境中結(jié)果也不理想。如何解決光照和弱紋理問題還需進一步研究。

參考文獻

[1]?馬頌德，張正友.計算機視覺一計算理論與算法基礎[M].科學出版社，1998.

[2]?黃承亮.基于雙目立體視覺立體匹配算法研究與應用[D].南京理工大學，2013.

[3]?孔令富，李林，張廣志.一種并聯(lián)機器人雙目主動視覺監(jiān)測平臺避障方法的研究.燕山大學學報，2009，33（03）：189-193.

[4]?基于雙目視覺的運動物體實時跟蹤與測距[J].機器人，2009，31（04）：327-334.

[5]?王雅寧，梁新剛.基于交互式圖像分割的立體匹配方法[J].計算機技術與發(fā)展，2016（09）：164-166.

[6]時華，朱虹.基于自適應匹配窗口及多特征融合的立體匹配[J].模式識別與人工智能，2016，29（03）：193-203