符亞云 胡慶勝 牛一 楊少杰

摘 要：隨著計算機運算速度的提高以及圖像采集設備的更新?lián)Q代，人們越來越不滿足于傳統(tǒng)三維測量方式，非接觸式測量技術蓬勃發(fā)展，成為國內外學者研究的熱點，雙目三維重建是研究重點之一。本文首先介紹了基于雙目視覺的三維重建技術，然后在MATLAB和OpenCV實驗平臺上，采用經典立體匹配算法即AD-Census算法對花瓶進行三維重建。

關鍵詞：雙目視覺;三維重建;AD-Census算法

中圖分類號：TP391.41文獻標識碼：A文章編號：1003-5168（2021）01-0016-03

Abstract： With the improvement of computer operation speed and the update of image acquisition equipment， people are more and more dissatisfied with the traditional three-dimensional measurement method. The non-contact measurement technology is booming， and has become a hot spot of scholars at home and abroad. Binocular three-dimensional reconstruction is one of the research focuses. This paper first introduced the 3D reconstruction technology based on binocular vision， and then used the classical stereo matching algorithm ad census algorithm to reconstruct the vase on the experimental platform of MATLAB and OpenCV.

Keywords： binocular vision;3D reconstruction;AD-Census algorithm

以雙目視覺為基礎的三維重建技術是光學深度獲取的重要方法之一，具有非接觸、測量速度快等優(yōu)點，被廣泛應用于眾多領域。目前，雙目三維重建技術被廣泛應用于工業(yè)生產、機器人視覺導航、文物修復、目標識別[1]等領域。基于雙目視覺的三維重建技術的原理是人眼視物，通過視差來獲取被測物體的深度信息，繼而實現(xiàn)三維重建，即利用雙目相機拍攝的圖像，將目標在圖像上的二維像素坐標轉化為三維世界坐標[2]。雙目三維重建的工作流程主要包含4步，即雙目標定、圖像校正、立體匹配和三維重建，其中立體匹配是關鍵步驟[3-4]。

1 雙目相機標定

相機標定精度直接影響重建結果，物體和成像平面上像素的幾何位置取決于相機成像模型。相機標定是雙目三維重建的基礎，通過相機標定可以獲得相機的內參和外參。相機內參反映相機幾何特性和光學特性，用來去除圖像畸變，確定像素坐標與世界坐標的關系;相機外參反映相機的位置關系，用于計算圖像深度。

在三維重建過程中，要確定世界坐標系、相機坐標系、圖像坐標系及像素坐標系之間的關系。此處，世界坐標系用[Xw]、[Yw]、[Zw]表示;相機坐標系用[Xc]、[Yc]、[Zc]表示;圖像坐標系用[X]、[Y]表示;像素坐標系用[u]、[v]表示。

像素坐標與世界坐標之間的關系為：

以上為理想情況下的雙目相機模型。為了獲得更好的成像效果，研究者在相機前方增加了透鏡，由透鏡形狀引起的畸變稱為徑向畸變;在相機組裝過程中，不能使透鏡和成像平面嚴格平行，否則會引入切向畸變。

2 通過雙目相機模型進行圖像校正

雙目相機類似于人眼視物，通過左右相機的視差來判斷物體的距離。在匹配之前，利用相機標定的信息去除鏡頭畸變，使得極線對齊，極線對齊的過程叫立體校正。圖1為雙目相機校正后的模型圖。通過三角測量原理得到視差與深度的關系。圖2為雙目相機幾何原理示意圖。根據三角形[POlOr]與三角形[Pplpr]相似，可以得出深度與視差的關系：

3 立體匹配

在雙目視覺系統(tǒng)中，對于左圖像中的某一特征點或者某一小區(qū)域，在右圖像中可能存在幾個相似的待匹配點。為了減少誤匹配，需要借助額外的信息或者約束作為判斷的依據，一般采用的約束有極線約束、唯一性約束、視差連續(xù)性約束、順序一致性約束[5]。

本文采用的AD-Census立體匹配算法是Xing Mei等人在2011年提出來的[6]。AD-Census算法是將AD算法和Census算法進行結合，Census算法對光照和圖像噪聲具有魯棒性，AD算法對差異性比較敏感。AD-Census算法具有速度快、精度好的優(yōu)點，主要包含代價計算、代價聚合、掃描線優(yōu)化和多步視差優(yōu)化。匹配代價計算的目的是衡量待匹配像素與候選像素之間的相關性。兩個像素無論是否為同名點，都可以通過匹配代價函數計算匹配代價，代價越小則說明相關性越大，是同名點的概率也越大。

AD-Census中采用十字交叉法進行代價聚合;掃描線優(yōu)化進一步較少匹配的模糊性，提高匹配精度;視差優(yōu)化普遍存在于立體匹配過程中，是立體匹配必不可少的過程。

4 實驗結果

實驗過程中搭建了如圖3所示的實驗平臺，黑色背景布可以吸收光照，減少光的反射對物體的影響。

4.1 標定

實驗利用MATLAB標定工具箱對相機進行標定，使用的標定板規(guī)格是9×12，每個小方格的規(guī)格是20 mm×20 mm。為了得到更精確的標定結果，首先用雙目相機拍攝了30組標定板的圖片進行標定。從標定結果可以看出，部分圖像對的標定誤差比較大，因此，要刪除誤差比較大的圖像對，保證剩余的圖像對在10組到20組，以得到更精確的標定結果。通過對剩余照片進行標定計算及誤差計算，可以得到左右相機的內外參數、畸變參數、基礎矩陣、本質矩陣等。圖4（a）為27組照片的標定誤差，圖4（b）為14組照片的標定誤差。

4.2 校正

由于透鏡自身和安裝的原因，相機拍攝的圖像不能直接用于三維重建，利用標定獲取的相機內外參數和畸變參數對圖像進行校正。圖5為校正結果。

4.3 立體匹配

圖6是通過算法AD-Census處理得到的視差圖，圖7是通過三角測量原理得到的點云圖。

5 結語

本實驗采用AD-Census算法對花瓶進行重建，AD-Census算法在計算視差圖時具有速度快、精度好的特點。但是，由于被重建的花瓶紋理少，再加上受實驗環(huán)境等的影響，重建的花瓶點云效果并不好，實驗效果有待提高。為了使重建效果更好，可以采用結構光三維重建的方式。

參考文獻：

[1]胡慶勝，符亞云，牛金星.采摘機器人視覺系統(tǒng)的目標識別提取研究[J].河南科技，2020（25）：5-8.

[2]周科杰，馮常.基于雙目視覺的三維測量技術研究[J].計算機測量與控制，2019（1）：22-25，31.

[3]陳炎，楊麗麗，王振鵬.雙目視覺的匹配算法綜述[J].圖學學報，2020（5）：702-708.

[4] TIPPETTS B ， LEE D J ， LILLYWHITE K ， et al. Review of stereo vision algorithms and their suitability for resource-limited systems[J]. Journal of Real-Time Image Processing，2016（1）：5-25.

[5]王良丹.雙目結構光視覺系統(tǒng)及三維重建方法實現(xiàn)[D].杭州：浙江工業(yè)大學，2017：20-21.

[6] MEI X ， SUN X ， ZHOU M ， et al. On building an accurate stereo matching system on graphics hardware[C]// IEEE International Conference on Computer Vision Workshops.2012.