藍畋 華云松

摘 ?要： 為了實現(xiàn)雙目攝像機對目標物測量精度的提升，本文提出一種基于立體標定件的雙目立體視覺目標物測量方法。在攝像機標定步驟中，本方法在傳統(tǒng)標定方法基礎(chǔ)上，利用立體標定件的幾何特性以及相鄰面的圖像冗余對初步標定的內(nèi)外參矩陣進行修正，提升標定數(shù)據(jù)的精確性，然后利用SGBM（Semi-Global Block Matching）立體匹配算法對校正后的左右圖像進行匹配，獲取測量物上各點的三維坐標值，從而實現(xiàn)對目標物的尺寸測量。分別用不同的物體進行測量后，實驗結(jié)果證明本方法能將誤差控制在1 mm以內(nèi)，具有較好的準確性。

關(guān)鍵詞： 雙目立體視覺測量;立體標定件;相機標定;立體匹配

中圖分類號： TP317.4 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.06.020

本文著錄格式：藍畋，華云松. 基于立體標定件的雙目視覺目標測量方法[J]. 軟件，2020，41（06）：9195

【Abstract】： In order to improve the measurement accuracy of the target by the binocular camera， a binocular stereo vision target measurement method based on stereo calibration parts is proposed in this paper. In the camera calibration step， based on the traditional calibration method， this method uses the geometric characteristics of the three-dimensional calibration part and the image redundancy of adjacent surfaces to modify the initial calibration internal and external parameter matrix to improve the accuracy of the calibration data. The Semi-Global Block Matching algorithm matches the corrected left and right images to obtain the three-dimensional coordinate values of the points on the measurement object， thereby achieving the measurement of the size of the target object. After measuring with different objects， the experimental results prove that the method can control the error within 1mm， and has better accuracy.

【Key words】： Binocular stereo vision measurement; Stereo calibration; Camera calibration; Stereo matching

0 ?引言

人眼能夠輕松的感知物體在空間中的位置，但無法實現(xiàn)對三維空間物體的精準測量。立體視覺作為計算機視覺的重要分支，它利用圖像采集及預(yù)處理、攝像機標定、立體校正、立體匹配、圖像深度信息還原等步驟實現(xiàn)對目標物的非接觸精準測量。相比于人工測量，雙目立體視覺測量不僅有效率高、精度高、自動化程度高等優(yōu)點，更能獲取目標測量物的特征幾何參數(shù)及空間姿態(tài)特性，實現(xiàn)了目標物測量的智能化。

本文在傳統(tǒng)張正友標定法[2]的基礎(chǔ)上，根據(jù)立體標定件的幾何特性及標定件相鄰面的圖像冗余作為約束，對雙目攝像機內(nèi)外參進行修正，再結(jié)合立體校正和SGBM立體匹配算法實現(xiàn)對目標物的高精度測量。

1 ?測距原理

基于雙目立體視覺的測量是通過兩個平行放置的攝像機對同一目標物進行拍攝，在獲取的二維圖像上計算出兩幅圖像的像素位置偏差，利用得到的視差圖再根據(jù)三角幾何原理獲取被測物體的三維信息，原理圖如圖1所示。

2 ?相機標定

2.1 ?相機標定原理

2.2 ?立體標定方法

在利用傳統(tǒng)方法得到兩個攝像機的內(nèi)外參矩陣 后，可利用立體標定件的固有幾何特性對標定結(jié)果進行修正。

針對左攝像機所拍攝的畫面，如圖3所示。通過Harris角點檢測出 ，及其連線上的三個角點，再據(jù)初步計算出的左攝像機內(nèi)外參 ，計算得出這五個點的坐標。最后利用最小二乘法擬合出三維向量 ，表示為 再用相同的方法求出 的向量 以及 的向量 。

4 ?立體匹配

立體匹配算法是雙目立體視覺整個過程的核心，它能夠?qū)蓚€攝像機拍攝到的兩張或者多張圖像轉(zhuǎn)化為視差圖，從而獲取物體的深度信息。根據(jù)約束條件的不同，立體匹配算法可以分為全局立體匹配算法、局部立體匹配算法以及半全局立體匹配算法。其中，全局立體匹配算法利用利用圖像本身及附近區(qū)域的像素點信息進行匹配，優(yōu)點是匹配效果較好，針對小間斷區(qū)域和低紋理區(qū)域也能達到較好的匹配效果。而局部立體匹配算法是利用圖像的灰度信息完成匹配，能在較短的時間內(nèi)完成計算，但缺點是對于深度間斷和低紋理區(qū)域不能達到較好的效果。半全局立體匹配算法則是在全局能量函數(shù)上加入額外的平滑約束公式：

其中， 表示基于視差為 的所有像素匹配代價和。 代表圖像中的某個像素， 為懲罰系數(shù)，它適用于圖像中像素 相鄰像素中視差值與 視差值相差為1的像素， 也是懲罰系數(shù)，它適用于圖像中像素 相鄰像素中視差值與 視差值相差大于1的像素。 代表若函數(shù)內(nèi)判別式為真，則返回1，否則返回0。

本實驗選用SGBM（Semi-Global Block Matching）這個半全局匹配算法對圖像進行立體匹配，為了獲得該函數(shù)的最優(yōu)解，將該問題分解為8個一維問題，每個問題都通過動態(tài)規(guī)劃來求解。具體步驟為①從左至右逐個像素匹配計算②用一維約束近似二維約束進行計算③計算視差④剔除誤匹配的點。

由以上實驗數(shù)據(jù)可得出，本測量方法能把實驗的絕對誤差控制在1 mm以內(nèi)，并能利用有限的標定圖像獲取較為準確的矩陣內(nèi)外參數(shù)據(jù)，以完成對目標物的測量工作。

6 ?結(jié)論

本文基于立體標定件結(jié)合SGBM立體匹配算法，提出一種雙目立體視覺的目標物測量方法。本測量方法首先利用立體標定件的幾何特性和圖像冗余，在傳統(tǒng)標定方法上對初步標定結(jié)果進行修正，得到更為精準的雙攝像機內(nèi)外參矩陣，后結(jié)合立體校正及半全局立體匹配算法對目標物的三維信息進行還原。實驗選用不同目標測量物進行長度測量，多次測量證明了本方法的有效性，并將測量的絕對誤差控制在1mm以內(nèi)，也證明了本方法的在精度上較傳統(tǒng)測量方法有一定的優(yōu)勢。

參考文獻

[1] Bleyer M， Gelautz M. A layered stereo algorithm using image segmentation and global visibility constraints[C]// 2004 International Conference on Image Processing， 2004. ICIP '04. IEEE， 2005.

[2] ZHANG Z. Flexible camera calibration by viewing a plane from unknown orientations[C]// Proceedings of the Seventh IEEE International Conference on Computer Vision. IEEE， 1999.

[3] 胡雨豪， 劉波. 基于機器視覺的四軸飛行器自主巡航算法改進[J]. 軟件， 2018， 39（2）： 52-56.

[4] 王建華， 韓紅艷， 王春平， 等. CCD雙目立體視覺測量系統(tǒng)的理論研究[J]. 電光與控制， 2007（4）.

[5] 任忠良. 一種基于SIFT特征的快速圖像匹配算法[J]. 軟件， 2015， 36（6）： 53-57.

[6] 王躍勇， 于海業(yè)， 劉媛媛. 基于雙目立體視覺的機械手移栽穴盤定位方法[J]. 農(nóng)業(yè)工程學(xué)報， 2016， 32（5）： 43-49.

[7] 李沫. 視覺檢測系統(tǒng)在汽車儀表自動化測試方面的應(yīng)用[J]. 軟件， 2018， 39（5）： 126-128

[8] 曾文獻， 郭兆坤. 立體匹配算法研究綜述[J]. 河北省科學(xué)院學(xué)報， 2018， v.35; No.124（02）： 47-52.

[9] 張媛媛， 楊洪娟， 朱匯龍. 面向圖像視覺特征檢索的高維索引結(jié)構(gòu)研究[J]. 軟件， 2018， 39（1）： 105-109.

[10] 蔡健榮， 孫海波， 李永平， 等. 基于雙目立體視覺的果樹三維信息獲取與重構(gòu)[J]. 農(nóng)業(yè)機械學(xué)報， 2012（03）： 158-162.

[11] 胡雨豪， 劉波. 基于機器視覺的四軸飛行器自主巡航算法改進[J]. 軟件， 2018， 39（2）： 52-56

[12] 黃松梅， 畢遠偉， 許曉. 雙目立體匹配算法的研究與實現(xiàn)[J]. 魯東大學(xué)學(xué)報： 自然科學(xué)版， 2018.

[13] 洪改艷， 芮廷先， 俞偉廣， 等. Harris角點檢測的優(yōu)化算法[J]. 計算機系統(tǒng)應(yīng)用， 2017（4）.

[14] 王崴， 唐一平， 任娟莉， 等. 一種改進的Harris角點提取算法[J]. 光學(xué)精密工程.

[15] 黎宏久， 張志安， 朱朔. 基于視覺的特種機械臂目標識別與定位[J]. 兵工自動化， 2018， 37（09）： 85-90+101.

[16] 胡雨豪， 劉波. 基于機器視覺的四軸飛行器自主巡航算法改進[J]. 軟件， 2018， 39（2）： 52-56.