姜曉雪，陳小菊，徐銳，屈子昂

（宜賓學(xué)院，四川宜賓，644000）

0 概述

利用雙目視覺技術(shù)實現(xiàn)測距，現(xiàn)在傳統(tǒng)技術(shù)一般采用DSP、ASIC或者單片機(jī)完成[1]。一個完整的視覺模塊僅采用DSP還不夠需要結(jié)合其他東西來實現(xiàn)，采用ASIC設(shè)計開發(fā)視覺系統(tǒng)的主要缺點是靈活性較差，成本高，研制開發(fā)周期較長，增減功能和升級都很不方便[2]。單片機(jī)實現(xiàn)速度很慢，對一些復(fù)雜圖像不能處理。而FPGA的并行處理在圖像中既可以做到實時性又可以做到便攜化，更可能提高機(jī)器人的集成度。本實用新型為了避開傳統(tǒng)計算機(jī)、單片機(jī)的速度不夠和體積龐大的缺點，采用FPGA的并行處理技術(shù)獲取算法成功應(yīng)用。

1 雙目測距理論基礎(chǔ)

雙目測距的基本原理是從兩個視場觀察同一物體，在獲取不同視場下的兩幅圖像后，通過幾何成像原理計算圖像特征點之間的視場，進(jìn)而獲取景物的三維信息[3,4]。這一過程與人類眼睛的視覺感知過程尤為相似，具體的實施方法我們可以用兩個性能參數(shù)相同且相隔某一固定距離的攝像頭來模擬人類眼球獲取事物在統(tǒng)一時間點的兩幅圖像，計算兩幅圖像中相同的兩個特征點的視覺差異，進(jìn)而獲得相同的兩個特征點的深度信息，這里以平行雙目立體視覺成像為例加以說明，如圖1所示。

圖1 雙目測距幾何原理圖

假定左攝像機(jī)和右攝像機(jī)的焦距及各參數(shù)都相等，光軸平行至兩平面的X軸重合。我們所得到的兩個平面會完全重合，是因為光軸與成像的平面相互垂直，Y軸也互相平行。我們所用到的空間任意一點P在左、右攝像機(jī)的成像面上的投影點是P1和P2，即可得視差。為了更直觀的表示此原理，現(xiàn)將右攝像機(jī)成像面的坐標(biāo)系平移至左攝像機(jī)成像面的坐標(biāo)系。由于在理想狀態(tài)下我們可假設(shè)兩攝像機(jī)的位置完全一樣，則可由相似三角形的原理求出P點的深度信息Z為：

其中b代表左右兩個攝像機(jī)的基線距離，f代表相機(jī)的焦距，P1為P點在相機(jī)左成像面的坐標(biāo)，P2為P點在右成像面的特征點在左成像面的等效坐標(biāo)。因此，只要能夠找到空間中某點在左右兩個相機(jī)像面上的對應(yīng)點，并且知道攝像機(jī)的主距、基距等參數(shù)，就可以求解這個點的深度信息[5]。

2 硬件介紹

本設(shè)計硬件模塊主要包括主控模塊、 COMS攝像頭采集數(shù)據(jù)模塊以及VGA顯示模塊等；攝像頭采用的是MT9V011, MT9V011 為 30 萬像素，最高 30 幀，感光陣列面積為 1/3"，內(nèi)部結(jié)構(gòu)如圖2所示。

圖2 MT9V011內(nèi)部結(jié)構(gòu)圖

APS(Active Pixel Sensor)是最新的 CMOS 圖像傳感器的像素結(jié)構(gòu)設(shè)計。APS 的工作過程：

(1)復(fù)位晶體管 Mrst 開通；

(2)PD 復(fù)位到 Vrst-Vth(Mrs的閾值電壓)；

(3)關(guān)閉 Mrst，PD 進(jìn)入電氣浮動狀態(tài)；

(4)光線入射，PD 結(jié)電容聚集光生載流子；

(5)在一個積累時間后，選通晶體管 Msf；

(6)打開晶體管 Msel，像素中的輸出信號在垂直輸出線上被讀出；

(7)關(guān)閉 Msel，Mrst 再次接通，重復(fù)上述過程。

VGA(Video Graphics Array)是IBM公司在1987年推出的一種具有高分辨率、高速顯示速率、顏色豐富的視頻傳輸，在彩色顯示領(lǐng)域應(yīng)用廣泛。不支持熱插拔，不支持音頻傳輸。本設(shè)計采用的是ADV7123 芯片，ADV7123 是一款單芯片、三通道、高速數(shù)模轉(zhuǎn)換器。ADV7123 內(nèi)置三個高速、10 位、帶互補(bǔ)輸出的視頻數(shù)模轉(zhuǎn)換器、一個標(biāo)準(zhǔn) TTL 輸入接口以及一個高阻抗、模擬輸出電流源。具體內(nèi)部框圖如圖3所示。

圖3 ADV7123內(nèi)部結(jié)構(gòu)

本設(shè)計使用的是 640×480@60Hz 的 VGA 時序接口，計算像素時鐘 pclk = 800×525×60 =25200000，這里的 HSYNC(行同步信號)和 VSYNC(場同步信號)都是低電平有效，且 HSYNC在數(shù)據(jù)行無效區(qū)域也要提供。

3 實現(xiàn)步驟

本設(shè)計的主要流程分為圖像獲取、圖片預(yù)處理、相機(jī)標(biāo)定、目標(biāo)檢測、立體匹配。其中最關(guān)鍵的是目標(biāo)檢測和立體匹配。最后基于FPGA在Quartus Ⅱ上寫了一個測距離的程序。該程序在背景比較單一的環(huán)境中能準(zhǔn)確標(biāo)定對象并測出相機(jī)到目標(biāo)的距離。

3.1 圖像獲取

步驟一：CMOS 驅(qū)動：負(fù)責(zé) CMOS 圖像采集與裁剪；步驟二：RAW2RGB：負(fù)責(zé)將原始的 RAW 數(shù)據(jù)轉(zhuǎn)換成 RGB656 數(shù)據(jù)；步驟三：FIFO 寫負(fù)責(zé)將 RAW2RGB 轉(zhuǎn)換的的 RGB 數(shù)據(jù)發(fā)送給 SDRAM 控制器；步驟四：FIFO 讀負(fù)責(zé)將 SDRAM 中的視頻幀數(shù)據(jù)讀出給 VGA 驅(qū)動模塊；VGA 模塊負(fù)責(zé)將視頻信號發(fā)送給 ADV7123，最終 VGA 顯示器顯示。

3.2 圖像預(yù)處理

圖像分析中，圖像質(zhì)量的好壞直接影響識別算法的設(shè)計與效果的精度，因此在圖像分析（特征提取、分割、匹配和識別等）前，需要進(jìn)行預(yù)處理。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實信息，增強(qiáng)有關(guān)信息的可檢測性、最大限度地簡化數(shù)據(jù)，從而改進(jìn)特征提取、圖像分割、匹配和識別的可靠性。本設(shè)計采用的是Tophat形態(tài)學(xué)濾波算法。Tophat變換是原圖像與開運算結(jié)果之差，突顯出圖像輪廓周圍更亮的區(qū)域。具體的計算公式如下:

Tophat濾波只需要在開運算的基礎(chǔ)上，將原始像素信號同步到開運算,最終結(jié)果輸出，只要在開運算模塊中的膨脹模塊中添加一個shift_ ram，實現(xiàn)時鐘延時的同步，實現(xiàn)程序如下：

wire [7:0] taps_1x_old;

shift_ram shift_ram_inst1

{

.clock(coms_pclk),

.clken(coms_href),

.shiftin(cmos_data_old_in),

.shiftout(),

.taps0x(),

.taps1x(taps_1x_old),

.taps2x()

};

reg [7:0] taps_1x_old_r;

always @(posedge cmos_pclk)

taps_1x_old_r<=taps_1x_old;

3.3 相機(jī)標(biāo)定

標(biāo)定的目的是獲得相機(jī)的內(nèi)參(焦距，圖像中心，畸變系數(shù)等)和外參（旋轉(zhuǎn)矩陣和平移矩陣）。本設(shè)計采用的方法為張正友的棋盤格標(biāo)定方法。步驟為：左攝像頭標(biāo)定，獲取內(nèi)外參數(shù)；右參數(shù)攝像頭標(biāo)定獲取外參；雙目標(biāo)定，獲取相機(jī)之間的平移旋轉(zhuǎn)關(guān)系。

3.4 目標(biāo)檢測

本設(shè)計介紹了一種基于FPGA的顏色識別經(jīng)驗算法，在RGB顏色通道提取的基礎(chǔ)上對其他顏色通道進(jìn)行腐蝕處理，再提取R-G、R-B兩個特征值，再進(jìn)行線性疊加，得到RR為所檢測的目標(biāo)。這樣做減法既減少了計算量，又能夠消除干擾背景，使識別更加精確、可靠。

圖4 MATLAB標(biāo)定工具箱使用

本設(shè)計顏色識別模塊中寫有紅、藍(lán)、綠三個顏色濾波器，當(dāng)識別顏色時，濾波器分時工作，即選定一種顏色的濾波器之后，其他顏色的分量都不能夠通過濾波器，而只有這種顏色能夠通過濾波器，該分量通過濾波器之后，則得出要識別顏色中該分量的值。簡單來說就是當(dāng)紅色濾波器處于工作狀態(tài)時，只有藍(lán)色光能通過濾波器，而藍(lán)色、綠色不通過，這樣就能夠得出紅色分量的值。當(dāng)入射光通過三個顏色濾波器之后得出三個顏色分量值，這樣，疊加在一起則得出被測物體顏色，識別紅色物體。實現(xiàn)程序如下:

always@(posedge clk or negedge rst_n)

begin

if(!rst_n)

r_data<=8'd0;

else if(href_i) begin

if(r_data>=g_data)

r_data_r1<=r_data-g_data;

else

R_data_r1<=8'd0;

end

else

r_data_r1<=8'd0;

end

3.5 立體匹配

立體匹配是雙目深度估計的核心部分，發(fā)展了很多年，也有非常多的算法，主要目的是計算參考圖與目標(biāo)圖之間像素的相對匹配關(guān)系，主要分為局部和非局部的算法。本設(shè)計采用的匹配算法為SAD(Sum of absolute differences)，基本思想：差的絕對值之和。此算法常用于圖像塊匹配，將每個像素對應(yīng)數(shù)值之差的絕對值求和，據(jù)此評估兩個圖像塊的相似度。具體步驟如下：

(1)輸入：兩幅圖像，一幅Left-Image，一幅Right-Image，對左圖，依次掃描，選定一個錨點。

(2)構(gòu)造一個小窗口,類似于卷積核。

(3)用窗口覆蓋左邊的圖像,選擇出窗口覆蓋區(qū)域內(nèi)的所有像素點。

(4)同樣用窗口覆蓋右邊的圖像并選擇出覆蓋區(qū)域的像素點。

(5)左邊覆蓋區(qū)域減去右邊覆蓋區(qū)域，并求出所有像素點灰度差的絕對值之和。

(6)移動右邊圖像的窗口，重復(fù)（3）-（4）的處理（這里有個搜索范圍,超過這個范圍跳出）。

(7)找到這個范圍內(nèi)SAD值最小的窗口,即找到了左圖錨點的最佳匹配的像素塊。

4 實驗驗證

如圖5所示，一種基于FPGA的雙目測距系統(tǒng)，包括主控模塊、 COMS攝像頭采集數(shù)據(jù)模塊、VGA顯示模塊；主控模塊分別連接紅COMS攝像頭采集數(shù)據(jù)模塊、VGA顯示模塊。

本設(shè)計在實施時，通過攝像頭模塊采集信息，控制模塊對采集的數(shù)據(jù)進(jìn)行處理，如圖5所示，圖像采集使用MTV9V011攝像頭完成對目標(biāo)信息的采集，首先將目標(biāo)的彩色RGB圖像存入SDRAM中，然后用控制端去讀取數(shù)據(jù)信息，再將獲取的RGB圖像依次進(jìn)行灰度處理、閾值分割得到二值圖像，對二值數(shù)字圖像進(jìn)行邊界追蹤的基礎(chǔ)上進(jìn)行顏色識別，將所標(biāo)定區(qū)域顯示在VGA上，再對所標(biāo)定的對象進(jìn)行測距，最終距離通過串口傳到上位機(jī)上實時顯示出測得的距離。

圖5 系統(tǒng)框架

如圖6所示，本設(shè)計的第一組測試標(biāo)定對象為藍(lán)色物體，從圖中可以看出，藍(lán)色物體易受周圍環(huán)境干擾，標(biāo)定了一部分其他顏色物體，精確度不高。

圖6 藍(lán)色標(biāo)定

如圖7所示，本設(shè)計的第二組測試標(biāo)定對象為紅色物體，從圖中可以看出，紅色物體受周圍環(huán)境影響小。

圖7 紅色標(biāo)定

如圖8、10、12所示，對標(biāo)定的紅色物體進(jìn)行測距，距離分別為為40.7cm、80.6cm、8.7cm，如圖9、11、13所示通過串口助手將測到的距離傳送給上位機(jī)便于實時觀察，上位機(jī)顯示測距為40cm、80cm、8cm，與實際所量距離基本一致。

圖8 實際距離40.7cm圖

圖9 40.7cm上位機(jī)測試數(shù)據(jù)

圖10 實際距離80.6cm圖

圖11 80.6cm上位機(jī)測試數(shù)據(jù)

圖12 實際距離8.7cm圖

圖13 8.7cm上位機(jī)測試數(shù)據(jù)