李春明，耿永鵬，遠(yuǎn)松靈，李 鵬

(1.河北科技大學(xué) 信息科學(xué)與工程學(xué)院；2.石家莊市京華電子實(shí)業(yè)有限公司，河北 石家莊 050000)

雙目視覺測(cè)量系統(tǒng)在不接觸物體的前提下可以高效率、高精度地獲取目標(biāo)物體的三維信息，當(dāng)前作為機(jī)器視覺領(lǐng)域的重要分支，技術(shù)相對(duì)成熟，其擬人化的工作方法可以在各種條件下測(cè)量各種場(chǎng)景的三維信息，這在現(xiàn)代科學(xué)技術(shù)社會(huì)中具有重要意義和極高的研究?jī)r(jià)值，它廣泛用于工業(yè)、農(nóng)業(yè)和醫(yī)學(xué)等各個(gè)領(lǐng)域。因此，在研究了雙目視覺原理和關(guān)鍵技術(shù)之后，設(shè)計(jì)了一套雙目立體測(cè)距系統(tǒng)。

1 雙目立體視覺架構(gòu)設(shè)計(jì)

雙目立體視覺以模擬人眼圖像的方式獲得深度信息，其主要思想是通過視差原理，從兩個(gè)不同方向維度獲取目標(biāo)圖像信息，進(jìn)而獲取物體的三維信息。立體視覺測(cè)距試驗(yàn)完成過程如圖1所示。

圖1 立體視覺測(cè)距流程

2 雙目立體視覺測(cè)距原理

類似于人眼獲取的場(chǎng)景信息，兩個(gè)相對(duì)平行的相機(jī)拍攝同一物體獲取照片，但由于兩臺(tái)攝像機(jī)位置不同，獲得的兩個(gè)圖像之間存在像素位置偏差，基于該原理獲得視差圖，再依據(jù)三角測(cè)量方法取得被測(cè)物體的三維信息，原理圖如圖2所示。

圖2 雙目立體視覺原理

由平行放置的兩臺(tái)攝像機(jī)對(duì)空間中的一點(diǎn)P進(jìn)行成像，待測(cè)點(diǎn)P在左右像平面的投影點(diǎn)分別為pl(xl,yl)和pr(xr,yr)，假設(shè)P點(diǎn)在攝像機(jī)坐標(biāo)下的坐標(biāo)為(xc,yc,zc)，則P點(diǎn)的坐標(biāo)可以表示為：

(1)

其中f為相機(jī)的焦距，b為光心O1和O2的距離。

通過公式可知，確定物體在平面上的坐標(biāo)就可以獲取它所對(duì)應(yīng)的三維空間坐標(biāo)。

3 雙目立體視覺測(cè)距系統(tǒng)設(shè)計(jì)

3.1 雙目相機(jī)標(biāo)定

筆者采用的是張正友教授提出的相機(jī)標(biāo)定法，挪動(dòng)標(biāo)定板的位置以拍攝多組照片。采用Matlab工具箱對(duì)拍攝的多組圖片進(jìn)行標(biāo)定，最后，檢索攝像機(jī)的內(nèi)部和外部參數(shù)以及畸變參數(shù)。

3.2 圖像校正

由于在制作過程中雙目相機(jī)很難保持相對(duì)平行，因此需要立體校正確保兩幅圖關(guān)聯(lián)在同一水平線上，簡(jiǎn)化立體匹配所需的時(shí)間。

3.3 立體匹配

根據(jù)約束條件的不同，立體匹配可大致分為以下三大類：①基于局部立體匹配。該算法的優(yōu)點(diǎn)是具備較強(qiáng)的實(shí)時(shí)功能，但當(dāng)處理圖像中弱紋理區(qū)域時(shí)就會(huì)顯得力不從心，造成誤匹配的概率增大。②基于全局的匹配算法。該算法雖然彌補(bǔ)了局部匹配中對(duì)弱紋理區(qū)域的匹配，但該算法復(fù)雜且耗時(shí)很多。③半全局立體匹配。該算法既保證精度的同時(shí)也確保了匹配速度，從而獲得了研究人員的普遍運(yùn)用，這也是本文采用此算法的原因。

半全局立體匹配算法的主要思路是對(duì)圖像中某一像素進(jìn)行一維路徑的計(jì)算，通過約束項(xiàng)對(duì)能量函數(shù)進(jìn)行優(yōu)化處理，從而得到最優(yōu)匹配結(jié)果，其具體步驟如下：①匹配代價(jià)的計(jì)算。計(jì)算圖像中某一個(gè)像素點(diǎn)的匹配代價(jià)。②匹配代價(jià)的聚合。通過沿8個(gè)方向掃描線上分別計(jì)算匹配代價(jià)，每個(gè)路徑的間隔為45°，而后將一切掃描途徑的匹配代價(jià)進(jìn)行聚合。③視差的計(jì)算。經(jīng)過迭代得到計(jì)算視差，用隨機(jī)的視差影像來校正右圖像，再進(jìn)行匹配，獲得新的視差圖。④視差的優(yōu)化處理。左右圖像匹配后，利用左右兩幅圖之間存在的約束性來判定該點(diǎn)是否為誤匹配點(diǎn)，若為誤匹配點(diǎn)則將其剔除。圖3為立體匹配流程圖。

圖3 立體匹配流程

4 雙目視覺測(cè)距實(shí)驗(yàn)流程及結(jié)果分析

4.1 雙目視覺實(shí)驗(yàn)流程

4.1.1 Step1：相機(jī)校準(zhǔn)。以獲取相機(jī)的內(nèi)部和外部參數(shù)，內(nèi)外參數(shù)結(jié)果如下：

T=[-120.5369 0.2066 1.5093]

Dl=[-0.2732 0.0584 -0.0006 -0.0008 0.0000]

Dr=[-0.3078 0.0860 -0.0003 -0.0001 0.0000]

其中矩陣Ml和Mr是相機(jī)自身的內(nèi)部參數(shù)，R為旋轉(zhuǎn)矩陣，T為平移向量，Dl和Dr為兩個(gè)相機(jī)的畸變。

4.1.2 Step2：圖像讀取。在同一時(shí)刻對(duì)同一物體進(jìn)行左右目圖像的拍攝，圖4為相機(jī)拍攝的左右圖片。

圖4 左右相機(jī)拍攝圖片

4.1.3 Step3：圖像校正。使用OpenCV的內(nèi)置重映射功能進(jìn)行圖像校正。圖像校正完成后，輸出雙目行對(duì)齊圖像(雙目圖像能夠自動(dòng)行對(duì)齊說明雙目標(biāo)定結(jié)果基本正確)，圖5為校正后圖片。

圖5 校正后圖片

4.1.4 Step4：立體匹配。雙目立體匹配采用的是SGBM算法，并且使用ReprojectImageTo3D函數(shù)將通過雙目匹配獲得的像素坐標(biāo)轉(zhuǎn)換為世界坐標(biāo)系中的3D坐標(biāo)。

4.1.5 Step5：像素視差圖顯示。圖6為視差圖。

圖6 視差圖

4.1.6 Step6：xyz三維坐標(biāo)值顯示。運(yùn)行程序，在像素視差圖上的任意位置單擊操作，從而在命令符號(hào)窗口中顯示與該點(diǎn)的像素坐標(biāo)相對(duì)應(yīng)的3D坐標(biāo)，圖7為顯示距離的命令符號(hào)窗口。

圖7 顯示距離的命令符號(hào)窗口

4.2 實(shí)驗(yàn)結(jié)果以及分析

基于SGBM算法匹配在保證精度的同時(shí)也大大提升了速度。實(shí)驗(yàn)通過改變目標(biāo)物與攝像機(jī)的相對(duì)距離測(cè)得不同距離下的深度數(shù)據(jù)，檢測(cè)結(jié)果如表1所示。

表1 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)以車牌為基準(zhǔn)，通過測(cè)量各種距離進(jìn)行檢查可以看出，在距離攝像機(jī)較近的位置時(shí)精度較高，而當(dāng)距離變長(zhǎng)時(shí)誤差也就越大。誤差產(chǎn)生的原因主要包括有實(shí)際測(cè)量產(chǎn)生的誤差、相機(jī)標(biāo)定產(chǎn)生的誤差以及其他因素影響產(chǎn)生的誤差。

5 結(jié)束語(yǔ)

筆者介紹了雙目匹配測(cè)距技術(shù)的主成分分析和實(shí)現(xiàn)過程，通過獲得圖像中被選擇點(diǎn)的三維位置信息，完成距離測(cè)量。在對(duì)測(cè)量車牌距離的測(cè)試實(shí)驗(yàn)中驗(yàn)證了該方法在測(cè)距方面的可行性，該實(shí)驗(yàn)表明，對(duì)于設(shè)備簡(jiǎn)單、成本低廉的雙目視覺測(cè)距系統(tǒng)依然可以測(cè)量出穩(wěn)定性強(qiáng)、準(zhǔn)確度高的結(jié)果，這也是它被廣泛應(yīng)用在計(jì)算機(jī)視覺、軍事技術(shù)、三維重建等多個(gè)重要領(lǐng)域的原因。雖然獲得了預(yù)期的實(shí)驗(yàn)結(jié)果，但研究不夠深入，還有可以改進(jìn)的地方：選擇精度更高的標(biāo)定板和提高立體匹配速度等問題。