王浩 張善房 朱建高 張鳳生

1. 海信家電集團股份有限公司 山東青島 266000；

2. 青島大學(xué) 山東青島 266000

0 引言

目前非接觸式測距方法中，利用超聲波、紅外、激光等進行測量的方式較為普遍，超聲波方式成本高、精度較低，紅外方式測量范圍小，激光方式測量精度高、成本高[1][2]。隨著圖像技術(shù)的發(fā)展，雙目視覺測距法展現(xiàn)出速度快、柔性好等優(yōu)點，具有較大潛力。同時，以雙目視覺測距為基礎(chǔ)，通過調(diào)整測量系統(tǒng)的參數(shù)，可以實現(xiàn)測量范圍的改變，通過改變不同的圖像處理算法實現(xiàn)不同的功能，同時搭載不同的語言控制系統(tǒng)，可將雙目視覺技術(shù)應(yīng)用到機械臂、智慧家居、智能制造等領(lǐng)域，前景廣闊[3]。

基于視差原理分析[4]、相機成像模型分析，設(shè)計雙目測距系統(tǒng)，并推導(dǎo)測距算法及計算公式。進一步對相機畸變模型、相機標定、圖像處理及圖像特征點匹配方法進行研究，最終將理論應(yīng)用到實際，根據(jù)設(shè)計原理，基于兩個CCD相機搭建雙目視覺測距系統(tǒng)實體[5]，對測距系統(tǒng)實體采用張正友標定法進行相機標定[6][7]，并進一步對系統(tǒng)進行標定，得到系統(tǒng)的固有參數(shù)?；谙到y(tǒng)固有參數(shù)，通過設(shè)計的系統(tǒng)采集被測對象的圖片，并對左右相機采集的對應(yīng)圖片進行圖像處理及特征匹配，得到被測對象相對相機的位置，最終實現(xiàn)測距[8][9]目的。

1 雙目視覺測距原理

圖1所示為雙目視覺測距原理圖。C1、C2為兩個標稱參數(shù)一致的CCD相機，f1、f2分別為左、右相機鏡頭焦距，α1、α2分別為左、右相機光軸傾角，理論上應(yīng)有f1=f2、α1=α2。2L為左右相機像平面中心之間的距離。為測量被測對象位置，需建立如下坐標系：（1）測量系統(tǒng)坐標系xoz：原點為兩相機像平面中心o1o2連線的中心，o1o2連線為x軸，方向o1指向o2為正；z軸垂直于o1o2連線，向上為正；（2）相機坐標系：分別以兩個CCD相機像平面中心o1和o2為原點在兩個CCD上建立x1o1z1和x2o2z2坐標系[10]。

圖1 雙目視覺測距系統(tǒng)示意圖

設(shè)點P為待測點位置，其在xoz坐標系中的坐標為(x,z)；在兩相機各自成像平面上的坐標為P’(x1,0)和P’’(x2,0)。由幾何光學(xué)成像原理得出：

可見，P點坐標(x,z)取決于x1、x2、f1、f2、α1、α2和L這7個參數(shù)，任一值的誤差均會影響測量結(jié)果。

x1、x2是通過實際測量得出，但相機采集的圖像會存在畸變，影響測量精度，需要通過相機標定得到相機本身畸變系數(shù)后進行圖像畸變矯正，提高測量精度；其余5個參數(shù)為系統(tǒng)本身固定參數(shù)，但由于固定參數(shù)的理論值與實際值難以完全一致，需要對系統(tǒng)進行標定，得到系統(tǒng)固定參數(shù)的實際值，減小測量誤差，提高測量精度。

2 圖像匹配

圖像匹配可以建立左右相機采集到的兩圖像之間位置對應(yīng)關(guān)系，進一步便可得到視差。圖像匹配主要有三種方式：相位匹配、灰度匹配、特征匹配。

相位匹配是基于對應(yīng)點相位相等，利用空間域平移與頻率域相位平移的對應(yīng)關(guān)系進行匹配，但會存在相位卷繞及相位奇點的問題，此方法主要處理帶通濾波信號的相位信息；灰度匹配受圖像灰度信息影響較大，抗造性差、誤差大；特征匹配利用圖像上的點、線等特征信息，不直接依賴灰度信息，具有魯棒性好、速度快、精度高的優(yōu)點，因此本文采用特征匹配的方式進行圖像匹配[10]。

常用的特征點有Harris角點、FAST特征點、SURF特征點。SURF特征點檢測精度和穩(wěn)定性高于Harris角點和FAST特征點，但速度慢于FAST特征點檢測，效率問題通過計算機設(shè)備可以得到保障，故最終選擇SURF特征點檢測[10]。

基于SURF特征點的圖像匹配主要有兩種：BruteForceMatcher（暴力匹配法）、FlannBasedMatcher（快速最近鄰逼近搜索法）。BruteForceMatcher法精度高、效率低，通過目前計算機設(shè)備可以彌補效率低的缺點，因此選擇BruteForceMatcher法進行SURF特征匹配。但是在匹配過程中，由于環(huán)境因素影響，往往會存在一些誤匹配現(xiàn)象，干擾因素越多，匹配情況越差，如圖2 a)所示。因此需要采取去除誤匹配措施。

目前主要有兩種去除SURF特征點誤匹配方法：基于RANSAC法特征匹配、基于極線約束法特征匹配。基于RANSAC法特征匹配利用迭代比對方式求解最優(yōu)模型，該方式精度高，但匹配對數(shù)量少，如圖2 b)所示，并且一定情況下還會出現(xiàn)匹配不成功的情況?；跇O線約束法特征匹配，其原理為：右成像平面上一點在左成像平面的對應(yīng)匹配點必定位于左成像平面的極線上。此方法將求解范圍由二維降低至一維，提高了效率，匹配對數(shù)量多，但仍然有較少誤匹配點對，如圖2 c)所示。本文提出首先通過基于極線約束法進行一次匹配，去除絕大部分雜點、誤匹配點，后在此基礎(chǔ)上進行基于RANSAC法的特征匹配，由于首先進行了一次基于極線約束法的特征匹配，為后續(xù)RANSAC法的特征匹配提供了一個干擾小、雜點少的環(huán)境，最終結(jié)果表現(xiàn)為匹配精度高、匹配點多的良好效果，如圖2 d)所示。

圖2 不同SURF特征匹配方法效果對比圖

3 雙目視覺測距系統(tǒng)搭建及標定

根據(jù)雙目測距系統(tǒng)原理，搭建雙目測距平臺，如圖3所示。相機型號為FC-IU320C-6，像元大小3.2 μm×3.2 μm，分辨率為2048×1536，焦距f=25 mm，設(shè)置兩個相機各自的光軸傾角6.703°。底座為自制槽鋼，尺寸為100 mm×48 mm×5.3 mm，槽鋼兩端裝配有兩個可調(diào)節(jié)云臺，通過調(diào)節(jié)云臺，設(shè)定系統(tǒng)參數(shù)2L為1375 mm。自制8×6格數(shù)的棋盤格，每格大小為80 mm×80 mm。

圖3 雙目測距系統(tǒng)組成裝置圖

采集19對不同方位下棋盤格標定板的圖像進行雙目測距系統(tǒng)標定，標定程序為基于Visual Studio 2015，利用C++語言自主設(shè)計開發(fā)，標定程序界面及標定結(jié)果如圖4所示。

圖4 相機標定程序界面

根據(jù)標定結(jié)果計算得f1=7913.234×3.2×10-3≈25.3223 mm，f2=7921.116×3.2×10-3≈25.3476 mm，畸變系數(shù)不為零，說明存在畸變，需要矯正畸變。一般平均重投影誤差小于0.2個像素即可認為標定結(jié)果良好，兩相機該值均小于0.2，說明相機標定結(jié)果良好[10]。

根據(jù)雙目標定結(jié)果可求解左相機光軸傾角α1=6.8399°，兩相機主點距離為2L=1374.07 mm，右相機光軸傾角α2=6.8228°，此結(jié)果與實驗前設(shè)定的兩個相機各自的光軸傾角6.703°和兩相機主點距離1375 mm非常接近，同時得到的重投影誤差小于0.2，說明雙目標定結(jié)果良好[10][11]。

4 雙目測距實驗及結(jié)果評價

基于標定結(jié)果進行測距系統(tǒng)的測距實驗，選取一段管路（沒有棱角、特較不明顯、對系統(tǒng)檢測能力要求更高）作為被測對象進行測量實驗，如圖5所示。管路固定于工作臺，可實現(xiàn)調(diào)整x（代表左右方向，下同）、z（代表前后方向，下同）方向的位移，調(diào)整精度為0.01 mm。

圖5 測量實驗場景圖

在有效測量范圍內(nèi)選取了9個待測點，如圖6所示?；趚oz坐標系，待測點1～9右側(cè)與下方數(shù)值為待測點位置設(shè)定值，通過德國BOSCH公司激光測距儀設(shè)定，測距儀型號為DLE40，精度1 mm（注：理論上設(shè)定值也會存在一定誤差，限于實驗條件，未考慮該誤差）。待測點基本涵蓋有效測量范圍區(qū)域。在這9個待測點處均以如下方式進行圖像采集：以待測點為中心，沿z軸方向前、后各移動10次，每次移動1 mm且采集一對圖像；同理以待測點為中心沿x軸向左、右方向各移動6次進行圖像采集。

按照上述移動方式，下面以待測點5為例，對測量過程進行說明：

由圖6知，待測點5位置為（5693, -22），單位：mm，負號表示待測點5位于x軸負半軸。

圖6 待測點位置關(guān)系圖

（1）圖像預(yù)處理

首先對采集的圖像進行降噪，后進行圖像畸變矯正。

（2）圖像匹配

將兩幅對應(yīng)圖像通過RANSAC法與極線約束法結(jié)合的方式進行SURF特征匹配：首先在左圖選取ROI，其左上邊角坐標為（911, 308），此為起始坐標。以一對匹配點為例：

首先求解匹配點對像素坐標。左匹配點在ROI圖上坐標為（87.274, 114.004），由上可知該點的起始坐標為（911, 308），因此該點的實際坐標為兩坐標相加為（998.274, 422.004）；右匹配點可直接得出坐標為（984.347, 424.048）。

已知像素坐標，進一步求解物理坐標x1、x2。由于物理坐標位于相機像平面的中點，故由相機標定結(jié)果得知左相機物理坐標原點為（1023.970, 767.932），右相機物理坐標系原點為（1023.988, 768.124），因此，計算x1為：

同理，計算x2為：

將所有參數(shù)帶入公式（1）可得x為-22.86639 mm，z為5693.77632 mm，十分接近設(shè)定值（5693，-22）。以此方式按照在待測點5處前后、左右移動的方案進行測量，由實驗結(jié)果得到，待測點5所處區(qū)域，z最大測量誤差為3.091 mm，x最大測量誤差為0.962 mm。同理，按照同樣方式在其余待測點位置區(qū)域進行實驗，得到所有待測點所處區(qū)域?qū)τ趜值和x值的最大測量誤差，如表1所示。進一步，將前后方向和左右方向的最大測量誤差繪制成如圖7所示誤差圖，可直觀反映前后方向和左右方向的測量精度情況。

圖7 各個位置z、x最大測量誤差圖

表1 各待測點位置測量實驗的最大測量誤差

根據(jù)實驗結(jié)果，有如下結(jié)論：

（1）在有效測量區(qū)域內(nèi)，雙目測距系統(tǒng)對前后方向z的測量誤差為±6.103 mm，左右方向x的測量誤差為±1.983 mm。

（2）在有效測量區(qū)域內(nèi)，邊角處測量誤差最大（即待測點1、3、7、9所處區(qū)域），中心位置區(qū)域測量誤差最小（即待測點5所處區(qū)域），中心位置區(qū)域z測量誤差為±3.091 mm，x測量誤差為±0.962 mm。

（3）在測量分辨力方面，系統(tǒng)對左右方向x的測量能力優(yōu)于對前后方向z的測量能力。

5 結(jié)論

通過研究雙目測距原理，設(shè)計了雙目測距系統(tǒng)，以Visual Studio 2015為開發(fā)平臺，基于C++語言、OpenCV3.2.0函數(shù)庫編制測距系統(tǒng)程序，進行圖像采集、相機標定、圖像處理、圖像匹配，最后進行實驗驗證。實驗結(jié)果表明，雙目測距系統(tǒng)具有良好的精度和可行性，下一步將繼續(xù)深入研究、分析、完善此雙目測距系統(tǒng)的測量精度及可靠性，開展雙目系統(tǒng)應(yīng)用到相關(guān)智能制造設(shè)備和智能化場景的研究。