閆小宇,陸凡凡,葛蘆生,伍孟濤,劉 彬

安徽工業(yè)大學(xué) 電氣與信息工程學(xué)院,安徽 馬鞍山 243002

1 引 言

計(jì)算機(jī)視覺的研究目的是讓二維圖像來識(shí)別三維空間信息的能力。立體視覺技術(shù)在眾多計(jì)算機(jī)視覺方法中具有很重要的地位,它對(duì)場(chǎng)景處理的形式類似于人類雙目對(duì)眼前所看內(nèi)容處理形式,具有簡(jiǎn)單性、可靠性、靈活性等特點(diǎn),可以在許多不利條件下對(duì)景物的立體信息進(jìn)行測(cè)量,可以不需要接觸、自動(dòng)、在線的檢測(cè)。視覺測(cè)距是一個(gè)很重要的分支,不同于超聲波、激光是通過計(jì)算發(fā)射源接收和發(fā)射過程所消耗時(shí)差進(jìn)行測(cè)量距離的主動(dòng)測(cè)距,主動(dòng)測(cè)距速度快,操作簡(jiǎn)單,但是在一些惡劣的環(huán)境下如光照、噪聲等這些主動(dòng)測(cè)距的方法效果就遜色很多。所以對(duì)于一些需要一定條件下進(jìn)行測(cè)距的應(yīng)用主動(dòng)測(cè)距就受到很大的限制。雙目測(cè)距是通過對(duì)目標(biāo)物自身的光信號(hào)進(jìn)行反射到攝像機(jī)內(nèi)來實(shí)現(xiàn)測(cè)距,是一種被動(dòng)的測(cè)距方式。以其結(jié)構(gòu)簡(jiǎn)單、效率高、精度高、便于使用等諸多優(yōu)點(diǎn)用于導(dǎo)航、非接觸測(cè)量、工件定位等諸多領(lǐng)域。對(duì)于雙目視覺測(cè)量系統(tǒng),攝像機(jī)標(biāo)定、立體校正、立體匹配是核心工作[1]。其中立體匹配是整個(gè)測(cè)距系統(tǒng)最難也是最關(guān)鍵的一部分。立體匹配算法常見的有全局立體匹配和局部立體匹配算法。全局匹配是考慮圖像上對(duì)應(yīng)全部像素點(diǎn),所以其效果好準(zhǔn)確性高,但對(duì)于計(jì)算量是很大的,耗時(shí)較高,經(jīng)典全局立體匹配算法有動(dòng)態(tài)規(guī)劃算法(Dynamic Programming,DP)[2]、置信傳播算法(Belief Propagation,BP)[3]、圖割算法[4](Graph Cuts,GC)等算法,全局立體匹配算法得到精度較高的視差圖,但算法需要的計(jì)算過程較復(fù)雜。而對(duì)于局部匹配是通過選定一個(gè)合適的窗口,通過遍歷所選窗口內(nèi)的像素點(diǎn)進(jìn)行匹配,匹配方式遍歷整個(gè)圖像像素的一部分,計(jì)算量較少,速度快,適用于大多數(shù)應(yīng)用場(chǎng)景,常見的立體匹配算法有絕對(duì)誤差之和(SAD)、絕對(duì)誤差(AD)、跨尺度代價(jià)聚合算法[5]等。許威等[6]將MATLAB及Open CV應(yīng)用在雙目測(cè)距系統(tǒng)中搭建了測(cè)距系統(tǒng)。汪珍珍等[7]通過搭建的雙目測(cè)距系統(tǒng)并使用SAD算法實(shí)現(xiàn)了對(duì)得到圖像的匹配。

對(duì)于雙目立體視覺測(cè)距系統(tǒng)大致可分為:圖像采集、立體標(biāo)定、立體校正、立體匹配和測(cè)距。由張法[8]來實(shí)現(xiàn)標(biāo)定,對(duì)于攝像機(jī)的標(biāo)定可以使用MATLAB工具箱實(shí)現(xiàn)。得到的標(biāo)定參數(shù)再導(dǎo)入OpenCV。利用BM匹配算法完成立體匹配得到相應(yīng)的視差圖,最后利用相似三角形理論計(jì)算三維信息。

2 測(cè)距原理

雙目視覺和人的視覺相似,人的視覺中雙眼判斷目標(biāo)物體的距離是由雙眼對(duì)目標(biāo)物體所表現(xiàn)圖像的不同決定的,兩臺(tái)攝像機(jī)通過多方位進(jìn)行旋轉(zhuǎn)或平移對(duì)相同的視場(chǎng)進(jìn)行采集,再?gòu)牟杉降膱D像得到真實(shí)空間對(duì)應(yīng)的視差,最終可以獲取空間點(diǎn)的三維坐標(biāo)值[9]。

雙目攝像機(jī)系統(tǒng)模型如圖1所示。P(XC,YC,ZC)是空間中任意一點(diǎn),Ol、Or分別對(duì)應(yīng)攝像機(jī)的左右光心,左右光心所在的成像平面進(jìn)行對(duì)齊。Pl(xl,yl)和Pr(xr,yr)是P點(diǎn)的投影點(diǎn)。焦距f,基線T。要想得到P點(diǎn)的三維坐標(biāo),只需求得P點(diǎn)在Ol中的投影點(diǎn)Pl及在Or中的投影點(diǎn)Pr的坐標(biāo)。視差為左右投影點(diǎn)之間的橫坐標(biāo)的差值,即視差d=xl-xr。由點(diǎn)Ol、點(diǎn)Or、點(diǎn)Pl、點(diǎn)Or以及點(diǎn)P這5個(gè)點(diǎn)共面[10]。則根據(jù)三角形相似原理可得式(1):

圖1 雙目視覺測(cè)量原理Fig.1 Principle of binocular vision measurement

(1)

由視差d=xl-xr可求出攝像機(jī)坐標(biāo)系下點(diǎn)P的坐標(biāo):

(2)

由式(2)可知對(duì)于攝像機(jī)的坐標(biāo)系和攝像機(jī)參數(shù)以及視差有很緊密的聯(lián)系,對(duì)于所要得到的三維空間信息就包含在這視差中。求取攝像機(jī)參數(shù)f和T在標(biāo)定環(huán)節(jié),圖像視差值獲取在立體匹配環(huán)節(jié)。即測(cè)距的精度[11]離不開攝像機(jī)標(biāo)定與匹配環(huán)節(jié)。

3 攝像機(jī)參數(shù)標(biāo)定

3.1 攝像機(jī)標(biāo)定原理

在立體視覺系統(tǒng)中,由拍攝的圖像可獲得景物所對(duì)應(yīng)的輪廓、定位等信息。對(duì)于未知的攝像機(jī)方位,可由標(biāo)定來得到圖像內(nèi)的點(diǎn)與映射到三維空間點(diǎn)對(duì)應(yīng)關(guān)系。為了得到目標(biāo)物體的信息,需要將像素坐標(biāo)系O1-uv,圖像坐標(biāo)系O0-xy,攝像機(jī)坐標(biāo)系OC-XCYCZC,世界坐標(biāo)系OW-XWYWZW進(jìn)行轉(zhuǎn)換。攝像機(jī)標(biāo)定是將空間三維坐標(biāo)點(diǎn)和圖像二維坐標(biāo)點(diǎn)對(duì)應(yīng)。攝像機(jī)標(biāo)定的基本思想是利用一些已知點(diǎn)、線或面在圖像坐標(biāo)和三維空間坐標(biāo),解出轉(zhuǎn)換矩陣中對(duì)應(yīng)的內(nèi)外參數(shù),可得到投影矩陣M。

由于近些年攝像機(jī)標(biāo)定技術(shù)發(fā)展很快,針對(duì)不同的攝像機(jī)模型,學(xué)術(shù)界提出了一系列經(jīng)典的標(biāo)定算法有:直接線性變換算法(DLT),自標(biāo)定法,張正友棋盤格標(biāo)定等,通過對(duì)以上標(biāo)定方法仔細(xì)研究,最終用張法實(shí)現(xiàn)標(biāo)定。方法使用的是針孔模型。傳統(tǒng)的標(biāo)定方法對(duì)于標(biāo)定物有很高的精度要求,而張法對(duì)于標(biāo)定物的要求就相對(duì)簡(jiǎn)單,只需要一張標(biāo)準(zhǔn)的棋盤格,與自標(biāo)定法不同的是張法標(biāo)定的精度有很大的改善。因此張法標(biāo)定廣泛地應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域[12]。

O1-uv系的橫坐標(biāo)u和縱坐標(biāo)v分別表示圖像所在的列與行,單位為像素。O0-xy系的單位一般為mm,而像素在O0-xy系中并沒有實(shí)際的物理單位。O1-uv系所在的u軸和v軸分別平行O0-xy系的x軸和y軸。像素圖像之間坐標(biāo)轉(zhuǎn)換如式(3)所示:

(3)

其中,(u,v)為像素坐標(biāo),(x,y)為圖像坐標(biāo)。

攝像機(jī)與OC-XCYCZC系的中心重合,OC-XCYCZC系的水平軸XC與垂直軸YC分別平行O0-xy系的x,y軸,z軸垂直且朝著像素平面,O0-xy系的原點(diǎn)位于z軸相交像素平面處,對(duì)于兩坐標(biāo)系之間的距離為攝像機(jī)的焦距f。

OW-XWYWZW系旨在統(tǒng)一空間中的所有坐標(biāo)進(jìn)行表示。根據(jù)應(yīng)用場(chǎng)景的不同,OW-XWYWZW系有不一樣的表示方法。對(duì)攝像機(jī)進(jìn)行標(biāo)定時(shí),將標(biāo)定板的某個(gè)角點(diǎn)視為OW-XWYWZW系。對(duì)于OW-XWYWZW系的XW,YW,ZW軸并不是與其他坐標(biāo)軸平行的而是存在一定的角度。透鏡的系與OC-XCYCZC系之間存在如式(4)所示的關(guān)系:

(4)

(5)

改為齊次坐標(biāo)和矩陣形式如式(6)所示:

(6)

M1M2XW=MXW

(7)

其中,M為3×4的投影矩陣,M1為內(nèi)參矩陣,M2為外參矩陣。dx,dy是尺度因子,u0,v0圖像中心坐標(biāo)。

透鏡的畸變[13]主要分為徑向畸變和切向畸變(徑向畸變張法不考慮四階以上的情況)。徑向畸變可能是工藝制作過程所帶來的誤差?；兂潭扰c距離透鏡邊緣成正比。矯正前后坐標(biāo)為式(8)所示:

(8)

切向畸變可能是攝像機(jī)的本身或安裝所帶來的誤差。切向畸變矯正前后的坐標(biāo)為式(9)所示:

(9)

其中,x,y是圖像坐標(biāo)中無(wú)畸變的,x′,y′是去除畸變后的圖像坐標(biāo),k1,k2,p1,p2,k3是畸變系數(shù)與式(7)中參數(shù)f,dx,dy,u0,v0一起形成內(nèi)參數(shù)。

3.2 攝像機(jī)內(nèi)外參數(shù)標(biāo)定

實(shí)驗(yàn)使用Matlab工具箱進(jìn)行內(nèi)外參數(shù)標(biāo)定,為了標(biāo)定實(shí)驗(yàn)的精確性,實(shí)驗(yàn)分別在攝像機(jī)距離標(biāo)定板300、400、500、600、700 mm處采集不同位姿和角度的圖像進(jìn)行攝像機(jī)標(biāo)定確定最終的參數(shù)。

3.2.1實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)所用的雙目攝像機(jī)型號(hào)為zed,視頻采集圖像分辨率為1 280×720(像素)。標(biāo)定圖案由8列6行方塊組成,每個(gè)方塊實(shí)際大小為20 mm×20 mm,角點(diǎn)數(shù)為7×5。兩攝像機(jī)平行放置,基線距離約為120 mm,圖像分辨率為1 280×720像素。計(jì)算機(jī)配置為Intel(R)Core(TM)i5-10200H CPU@2.40GHz 2.40 GHz處理器,16 G內(nèi)存,NVIDIA GeForce GTX 1650顯卡。實(shí)驗(yàn)硬件組成如圖2所示。

圖2 實(shí)驗(yàn)硬件組成Fig. 2 Experiment hardware

3.2.2Matlab工具箱標(biāo)

使用Matlab工具箱進(jìn)行標(biāo)定具體標(biāo)定步驟如下:

(1) 固定好雙目攝像機(jī)zed,同時(shí)拍攝不同位姿的圖像,實(shí)驗(yàn)取16幅圖像進(jìn)行標(biāo)定,通過Matlab命令指令calib_gui分別讀入左右攝像機(jī)得到標(biāo)定圖像如圖3所示,其中,圖3(a)為左攝像機(jī)標(biāo)定圖,圖3(b)為右攝像機(jī)標(biāo)定圖。

(a) 左攝像機(jī)標(biāo)定圖

(2) 讀入圖像完成后操作工具箱中的Extract grid comers對(duì)每組圖像提取標(biāo)定點(diǎn)(方格交叉點(diǎn))的圖像坐標(biāo),圖4為左右攝像機(jī)獲取的第一幅圖像提取標(biāo)定的結(jié)果(得到7×5個(gè)標(biāo)定點(diǎn)),其中,圖4(a)為左攝像機(jī)標(biāo)定結(jié)果圖,圖4(b)為左攝像機(jī)標(biāo)定結(jié)果圖。圖5為左右攝像機(jī)其他的15幅圖像提取標(biāo)定點(diǎn)后的結(jié)果。

(a) 左攝像機(jī)標(biāo)定點(diǎn)結(jié)果圖

圖5 左右攝像機(jī)剩下15幅圖提取標(biāo)定點(diǎn)結(jié)果Fig. 5 The remaining 15 images of left and right cameras to extract the calibration points

(3) 完成標(biāo)定點(diǎn)提取后,點(diǎn)擊工具箱中的Calibration鍵,就可以單獨(dú)對(duì)左右攝像機(jī)進(jìn)行標(biāo)定,得到對(duì)應(yīng)的攝像機(jī)內(nèi)參數(shù)。

(4) 對(duì)雙目立體視覺系統(tǒng)而言,外參數(shù)可以是左右攝像機(jī)各自相對(duì)世界坐標(biāo)系的,使用更多的是左右攝像機(jī)之間的關(guān)系。當(dāng)有了各自相對(duì)于世界坐標(biāo)系的外參數(shù)之后,便很容易得到左右攝像機(jī)之間的位置關(guān)系。通過使用工具箱輸入的指令stereo_gui分別讀取左右攝像機(jī)參數(shù)進(jìn)行雙目攝像機(jī)標(biāo)定即可外參數(shù)旋轉(zhuǎn)矩陣R和平移矩陣T。

4 立體校正與匹配

雙目視覺主要用于測(cè)距,在理想的雙目系統(tǒng)下通過視差代入距離公式可以將距離求出,而實(shí)際的雙目系統(tǒng)獲取的兩張圖像不在共同的平面上,這對(duì)于測(cè)距帶來了很大的不便。所以,要進(jìn)行立體校正。校正是為了將攝像機(jī)得到的圖像校正到同一面上,同一個(gè)投影點(diǎn)落到圖像平面的像素橫坐標(biāo)要相同,這樣就實(shí)現(xiàn)了降維,為立體匹配降低了難度[14]。

實(shí)驗(yàn)將Matlab工具箱測(cè)出的內(nèi)外參數(shù)導(dǎo)進(jìn)OpenCV中,利用cvstereoRectify函數(shù)來立體校正,圖6為立體校正前后左右圖像對(duì)。校正前畸變較嚴(yán)重,校正后相同的點(diǎn)基本在同一條線上[15]。

圖6 立體校正前后左右圖像對(duì)Fig. 6 The left and right image pairs before and after stereo correction

立體匹配是找到不同視點(diǎn)對(duì)應(yīng)的同一個(gè)景物中的投影像素之間的對(duì)應(yīng)關(guān)系[16]。根據(jù)圖像所表達(dá)的基元不一樣大致可以分為:區(qū)域匹配[17]方法和特征匹配方法[18]。

(1) 區(qū)域匹配方法。方法根據(jù)假設(shè)不同的圖像匹配區(qū)域有灰度相似的分布,對(duì)圖像進(jìn)行小區(qū)域劃分,再對(duì)差異圖像間劃分適當(dāng)?shù)男^(qū)域圖像的灰度值相似性進(jìn)行計(jì)算,最后將不同圖像之間的區(qū)域匹配聯(lián)系起來。方法定位的精度很高以及有稠密的視差區(qū)域,是由于方法對(duì)圖像像素直接進(jìn)行匹配,與特征檢測(cè)精度以及密度無(wú)關(guān)。灰度信息是匹配的關(guān)鍵,導(dǎo)致匹配會(huì)對(duì)景物表面的結(jié)構(gòu)、光照強(qiáng)度、成像幾何很敏感,當(dāng)出現(xiàn)圖像本身紋理不夠多或圖像中存在障礙物遮擋一些區(qū)域使用該方法效果不夠理想。

(2) 特征匹配方法。方法是對(duì)圖像中特殊的點(diǎn)或其他特殊的基元進(jìn)行提取灰度,在使用圖和表的形式表達(dá)這些基元間的關(guān)系,可以將圖像間的匹配問題轉(zhuǎn)換為圖和表之間的對(duì)應(yīng)問題。特征匹配是有選擇匹配景物特殊的特征,而不是直接通過灰度進(jìn)行匹配,更多的選擇景物的特殊結(jié)構(gòu)來進(jìn)行匹配。匹配方法具有對(duì)景物所處環(huán)境不敏感、精度高、穩(wěn)定性好喝匹配速度快等優(yōu)點(diǎn)。

實(shí)驗(yàn)中使用opencv中的SAD(Sum of absolute diffe-rences )塊匹配算法完成左右圖像對(duì)的匹配?；舅枷?將每個(gè)像素對(duì)應(yīng)數(shù)值之差的絕對(duì)值求和,據(jù)此評(píng)估兩個(gè)圖像塊的相似度來判斷圖像是否匹配[19]?；玖鞒倘缦?

① 構(gòu)造一個(gè)窗口并覆蓋左圖像,計(jì)算出窗口覆蓋區(qū)域內(nèi)的所有像素點(diǎn)灰度值;

② 再用同樣大小的窗口覆蓋右圖像并計(jì)算出覆蓋區(qū)域的像素點(diǎn)灰度值;

③ 用左邊窗口灰度值減去右邊窗口灰度值,并計(jì)算出像素點(diǎn)灰度值差的絕對(duì)值之和;

④ 滑動(dòng)右邊圖像的窗口,重復(fù)③和④的處理。

⑤ 找到這個(gè)范圍內(nèi)SAD值最小的窗口,即找到了左邊窗口內(nèi)圖像在右圖像中最佳匹配的像素塊。

完成匹配就可以生成視差圖,圖7是左攝像機(jī)拍攝的圖像和對(duì)應(yīng)的視差圖[20]。

圖7 左攝像機(jī)拍攝的圖像和對(duì)應(yīng)視差圖Fig. 7 The image taken by the left camera and the corresponding disparity map

當(dāng)知道某一點(diǎn)的視差和攝像機(jī)參數(shù),可以計(jì)算物體的深度[21]。

5 系統(tǒng)標(biāo)定結(jié)果分析及驗(yàn)證

5.1 標(biāo)定結(jié)果

實(shí)驗(yàn)分別在攝像機(jī)距離標(biāo)定板300、400、500、600、700 mm處,左右攝像機(jī)各拍攝16幅圖像,按照之前敘述標(biāo)定的方案進(jìn)行標(biāo)定,得到左右攝像機(jī)內(nèi)部參數(shù),以及根據(jù)羅德里格斯轉(zhuǎn)換定理(Rodrigues)可得左右攝像機(jī)的相對(duì)幾何位置即旋轉(zhuǎn)向量rec和平移向量t,由于張法忽略徑向畸變的四階以上的畸變量所以得到k3為0結(jié)果如表1、表2、表3所示。

表1 左攝像機(jī)內(nèi)部參數(shù)Table 1 Internal parameters of the left camera

表2 右攝像機(jī)內(nèi)部參數(shù)Table 2 Internal parameters of the right camera

表3 左右攝像機(jī)相對(duì)外部參數(shù)Table 3 Relative external parameters of left and right cameras

由表1—表3的結(jié)果可以看出,在不同位置的標(biāo)定下,無(wú)論是內(nèi)部參數(shù)還是外部參數(shù)都存在不同,由表3中參數(shù)tx(x軸上兩個(gè)攝像鏡頭的偏移量)均值的絕對(duì)值為119.337,而zed雙目攝像頭光心之間的實(shí)際長(zhǎng)度為120mm,說明標(biāo)定的參數(shù)在忽略工藝誤差下較為準(zhǔn)確。下面分別給出了其中一個(gè)位置得到的左右攝像機(jī)和雙目攝像機(jī)外部參數(shù)的場(chǎng)景模擬圖。圖8為攝像機(jī)外部參數(shù)場(chǎng)景圖,圖8(a)為左攝像機(jī)外部參數(shù)場(chǎng)景圖,8(b)為右攝像機(jī)外部參數(shù)場(chǎng)景圖。圖9為左右攝像機(jī)外部參數(shù)場(chǎng)景圖。

(a) 左攝像機(jī)外部參數(shù)場(chǎng)景圖

5.2 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)的目的是要測(cè)量出目標(biāo)物到攝像機(jī)光心之間的距離,將被測(cè)目標(biāo)物分別置于離光心200 mm到3 000 mm處。根據(jù)攝像機(jī)標(biāo)定的各項(xiàng)參數(shù)和式(7)可得到目標(biāo)的空間坐標(biāo)值,再根據(jù)距離式(10)求出目標(biāo)物與攝像機(jī)光心的距離。試驗(yàn)是通過編寫C++程序在同一平面上通過鼠標(biāo)點(diǎn)擊視差圖中亮度大的點(diǎn)來確定選定點(diǎn)到攝像機(jī)光心的距離。測(cè)得6組目標(biāo)物距離攝像機(jī)光心400 mm的測(cè)量結(jié)果如圖10所示以及測(cè)量值如表4所示。

表4 目標(biāo)物距離像機(jī)光心400 mm處測(cè)量值Table 4 The measured value of the target object at a distance of 400 mm from the optical center of the camera

圖10 測(cè)量結(jié)果圖Fig.10 Measurement results

(10)

其中,L測(cè)為測(cè)量值,XW,YW,ZW為被測(cè)目標(biāo)物的三維空間坐標(biāo)值。

將測(cè)量序號(hào)1組的數(shù)據(jù)代入式(10)得到:

402.580 684≈L測(cè)

說明代入的公式和測(cè)量數(shù)據(jù)是準(zhǔn)確的。

將每個(gè)測(cè)量點(diǎn)所測(cè)量出的6組數(shù)據(jù)進(jìn)行求均值作為最終測(cè)量值再與該測(cè)量點(diǎn)真實(shí)值進(jìn)行比較得到誤差,再根據(jù)相對(duì)誤差的趨勢(shì)來判斷該系統(tǒng)的精度的高低以及滿足精度要求的測(cè)量距離范圍。得到的實(shí)驗(yàn)數(shù)據(jù)如表5所示。

表5 實(shí)驗(yàn)結(jié)果Table 5 Experimental results

實(shí)驗(yàn)結(jié)果表明:由于視差估計(jì)算法的精度,雙目攝像頭基線和焦距的大小有限,以及雙目攝像機(jī)的分辨率會(huì)影響實(shí)驗(yàn)測(cè)量精度,當(dāng)被測(cè)物體距離較近時(shí),就會(huì)有對(duì)焦模糊甚至虛化等現(xiàn)象,圖像采集的效果差,使立體匹配精度降低,所以在實(shí)測(cè)距離較近情況下,測(cè)距精度相對(duì)較低,在實(shí)測(cè)距離超過一定范圍且隨著測(cè)距增加,測(cè)量誤差也增加,測(cè)量精度也隨之降低。通過測(cè)量誤差和距離的對(duì)比,在2 950 mm以內(nèi),誤差不超過5%,滿足實(shí)驗(yàn)要求。

6 結(jié) 論

實(shí)驗(yàn)基于雙目立體視覺測(cè)距原理,對(duì)立體標(biāo)定、立體校正、立體匹配以及實(shí)驗(yàn)結(jié)果進(jìn)行了研究,通過Matlab完成了雙目攝像機(jī)的標(biāo)定并得到了雙目攝像機(jī)各項(xiàng)參數(shù),并在VS2017壞境與opencv 3.4.7結(jié)合下進(jìn)行測(cè)距實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明被測(cè)物距離攝像頭光心500 ～700 mm這一范圍時(shí),實(shí)測(cè)距離和實(shí)際距離相對(duì)誤差百分比在0.171%～0.192%之間,測(cè)量精度較高,且實(shí)測(cè)距離在2 950 mm內(nèi)實(shí)驗(yàn)誤差小于5%滿足實(shí)驗(yàn)精度要求。誤差主要來自攝像機(jī)本身參數(shù)誤差、標(biāo)定過程中誤差和光線紋理的影響。這些誤差給立體匹配帶來一定難度,會(huì)導(dǎo)致測(cè)量精度會(huì)降低。