鄒 宇

（江蘇開放大學，江蘇 南京 210012）

0 引言

雙目視覺技術(shù)指的是使用相機代替人眼獲取不同的圖像運動信息，再將人類大腦的思維通過視覺處理器模擬出來，從同一場景的不同角度對物體進行二維圖像拍攝，最終恢復(fù)物體的三維坐標。雙目視覺技術(shù)的計算精度高、實現(xiàn)簡單，屬于人工智能視覺領(lǐng)域的重點研究問題。雙目視覺技術(shù)的特點明顯，尤其在人類無法作業(yè)的場景，包括高危環(huán)境、有害環(huán)境等，雙目視覺技術(shù)已經(jīng)應(yīng)用于各行各業(yè)，是其他目標定位技術(shù)無法超越的一種圖像獲取技術(shù)。因此，雙目視覺技術(shù)一直是人工智能領(lǐng)域的重點技術(shù)。該文提出的基于雙目視覺技術(shù)的定位控制系統(tǒng)包括系統(tǒng)構(gòu)建、相機標定、圖像預(yù)處理、圖像匹配和信息獲取等。

1 圖像處理技術(shù)

圖像平滑技術(shù)也稱圖像模糊處理技術(shù)，屬于一種速度快、準確率高且操作簡單的圖像處理技術(shù)，圖像平滑技術(shù)能夠有效降低圖像中的噪聲，避免圖像失真。

1.1 脈沖噪聲

一般情況下，數(shù)字信號在傳輸過程中產(chǎn)生的數(shù)據(jù)錯誤容易造成圖像脈沖噪聲的出現(xiàn)。如要判斷是否出現(xiàn)了脈沖噪聲，需要確定一點的像素值，再與其他像素點的灰度值進行比對，這樣可以獲得脈沖噪聲與其他像素點灰度特征值的差異。通常情況下，脈沖噪聲是相鄰域中像素點灰度特征的極值。然而，像脈沖噪聲極值點也經(jīng)常會存在于其他區(qū)域或邊界，判斷脈沖噪聲點不能僅依靠極值點實現(xiàn)，同時要綜合考慮其他因素。

1.2 高斯噪聲

高斯噪聲模型廣泛應(yīng)用于圖像平滑技術(shù)領(lǐng)域的原因是高斯噪聲的數(shù)據(jù)整理率在圖像的空間域或頻域較高。高斯噪聲包括2個特征：一個是高斯噪聲的噪聲波動和噪聲密度較大；另一個是高斯噪聲圖像中每個像素的灰度級都會被影響，其干擾圖像像素的范圍較廣，即使是相同灰度級的像素受高斯噪聲干擾的程度也不同。

2 雙目立體視覺定位系統(tǒng)設(shè)計

雙目立體視覺定位系統(tǒng)主要是通過獲取圖像的深度信息以得到圖像的三維立體信息。在完成圖像預(yù)處理工作和圖像立體匹配工作后，實現(xiàn)相機立體標定，再采用三角測量的模式，用2個相機對相同目標物體拍攝圖像，進而從視差中恢復(fù)距離。為了最終能夠獲得空間物體目標在現(xiàn)實領(lǐng)域中的實際物理形態(tài)，雙目立體視覺定位系統(tǒng)要綜合考慮包括根據(jù)立體匹配結(jié)果獲得視差以及根據(jù)視差對物體目標的特征進行三維坐標還原等在內(nèi)的多個問題。

2.1 雙目視覺立體定位系統(tǒng)構(gòu)成

該文創(chuàng)建的雙目視覺立體定位系統(tǒng)結(jié)構(gòu)如圖1所示。1） 相機。該文選取的相機像素是130萬，屬于工業(yè)級黑白相機，USB接口免驅(qū)安裝，工作電壓為5V。2個相機可以通過USB接口與計算機連接，實現(xiàn)數(shù)據(jù)信息傳輸。由于相機不用安裝驅(qū)動，也不需要數(shù)據(jù)采集卡，通過MFC編程就可以實現(xiàn)對圖像的采集和保存，同時可以控制圖像尺寸大小和實際曝光時間。通過手動方式調(diào)整鏡頭的焦距距離，對圖像進行捕捉時，要確保相機內(nèi)部參數(shù)固定。不采用自動對焦鏡頭進行圖像捕捉的原因是進行標定后的相機內(nèi)部參數(shù)不能改變。2） 計算機。雙目視覺立體定位系統(tǒng)對計算機顯卡和處理器要求較高，如果計算機內(nèi)存過小，處理器計算速度較低，系統(tǒng)圖像處理模塊中的大量算法計算會導(dǎo)致計算機出現(xiàn)卡頓等情況。系統(tǒng)為了能夠有效顯示目標物體定位結(jié)果，完全呈現(xiàn)目標物體圖像和拍攝圖像，需要性能較好的計算機，因此，該文選自i3處理器的臺式機。3） 平臺。該文進行的圖像捕捉試驗需要一個木制平板，為了能夠有效實現(xiàn)對目標物體的準確定位，可以固定2臺CCD相機的安裝平臺。

圖1 雙目視覺立體定位系統(tǒng)硬件組成圖

雙目視覺立體定位系統(tǒng)采用了MFC編程方式，能夠在Windows操作系統(tǒng)中運行，同時調(diào)用了Open CV函數(shù)庫完成了系統(tǒng)控制程序的編譯，系統(tǒng)流程圖如圖2所示。

圖2 雙目視覺立體定位系統(tǒng)流程圖

如圖3所示，手繪黑白棋盤格圖像置于質(zhì)地堅硬的平板上，10×10邊長設(shè)為2cm的黑白格，目標是排除誤差較大的角點并排除誤差較多的點。同時將相機標定的圖像和目標物體的圖像數(shù)據(jù)傳輸?shù)接嬎銠C系統(tǒng)中并保存。

圖3 圖像采集模塊示意圖

如圖4所示，將左右相機固定，對棋盤進行移動操作，共采集圖像20組，全部由相機進行圖像捕捉。分別點擊4個角點，即左上、左下、右上和右下。根據(jù)角點信息計算獲得圖像主光心坐標，再依次提取角點，重復(fù)以上步驟。

圖4 圖像預(yù)處理模塊示意圖

如圖5所示，原點是圖像左上角的第一個角點，方向指向棋盤模板外，軸垂直于圖像平面，根據(jù)創(chuàng)建的坐標系得到每個角點單應(yīng)性矩陣。同時，通過單應(yīng)性矩陣可得相機的內(nèi)、外參數(shù)。為了得到更高精度的相機內(nèi)、外參數(shù)，必須增加畸變因數(shù)，把標定得到的內(nèi)、外參數(shù)進行非線性化的求解。

圖5 圖像校正和匹配模塊示意圖

該文對選擇采集的2組圖像進行數(shù)據(jù)校正，得到有效區(qū)域。并通過改進基于固定窗口的特征匹配算法獲得自適應(yīng)區(qū)域特征匹配算法，達到了提高數(shù)據(jù)匹配準確度和精確度的目的。

如圖6所示，將提前標定好的相機內(nèi)、外參數(shù)和立體匹配得到的視圖差等通過MATLAB標定箱導(dǎo)入雙目視覺立體定位系統(tǒng)中，以獲得目標物體定位模塊，并計算得出物體三維坐標及位置距離。

圖6 目標定位模塊示意圖

2.2 試驗平臺搭建

該文選用的雙目視覺立體定位系統(tǒng)相機鏡頭焦距為4mm，屬于工業(yè)相機，將2個相機固定在同一水平位置，確保2個相機的內(nèi)、外參數(shù)完全一致。相機內(nèi)部參數(shù)見表1，相機固定位置如圖7所示。

表1 相機內(nèi)部參數(shù)

圖7 雙目視覺立體定位系統(tǒng)

2.3 標定試現(xiàn)驗證

標定試驗的步驟如下。確保目標在2個相機的視角區(qū)域范圍，將黑白格棋盤模板靜置于2個相機前方。在區(qū)域內(nèi)完成平行移動和旋轉(zhuǎn)動作，試驗輔助燈源采用日光燈，防止光線不佳影響拍照質(zhì)量。為了確保旋轉(zhuǎn)矩陣中向量乘積為0，要注意模板的光軸處于交叉狀態(tài)（尤其在對標定棋盤模板進行移動時）。為了提高標定系數(shù)的準確性，該文試驗對棋盤模板進行了20次捕捉拍攝，并使用MATLAB中的工具作為標定工具箱。每次對棋盤進行旋轉(zhuǎn)動作操作時，相機即對棋盤模板進行捕捉拍攝，左、右相機拍攝3次可以得到相機內(nèi)部參數(shù)。標定流程如圖8所示。

圖8 標定實現(xiàn)流程圖

得到的標定結(jié)果見表2、表3。

表2 左相機標定結(jié)果

像素誤差 [0.48684，0.35799]

表3 右相機標定結(jié)果

3 結(jié)論

綜上所述，該文選用VS2010開發(fā)軟件，并調(diào)用軟件中的Open CV函數(shù)庫，通過MATLAB軟件編譯了系統(tǒng)MFC控制程序，搭建了系統(tǒng)驗證試驗平臺。在基于雙目視覺三維定位與試驗的基礎(chǔ)上，從相機的標定、圖像的平滑和增強、立體校正與匹配以及特征點的定位4個方面進行了研究。該文雖然實現(xiàn)了雙目系統(tǒng)的定位功能，但是由于時間有限，還需要進一步完善和研究。