郭哲

（陜西中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院，陜西 咸陽(yáng) 712046）

近年來，機(jī)器人在智能生產(chǎn)領(lǐng)域發(fā)揮了重要作用，但目前而言，機(jī)器人智能化水平不高，尤其在復(fù)雜環(huán)境下機(jī)器人的適應(yīng)力差、靈活度低。機(jī)器人執(zhí)行任務(wù)首要面對(duì)的是近景物體，近景物體往往是阻礙其執(zhí)行任務(wù)的障礙物或是機(jī)器人操作的目標(biāo)物體，因此，獲取機(jī)器人近景物體的位置信息對(duì)機(jī)器人智能操控至關(guān)重要。

工業(yè)領(lǐng)域通常采用雷達(dá)測(cè)距、超聲波測(cè)距、激光測(cè)距、紅外測(cè)距等方式獲取目標(biāo)物體位置[1-4]，該類測(cè)量方式也統(tǒng)稱為被動(dòng)式測(cè)量法，其在實(shí)際測(cè)量中受外界信號(hào)的干擾較大，然而視覺測(cè)量是一種主動(dòng)式測(cè)量方式，其測(cè)量時(shí)不需要向目標(biāo)物體發(fā)送任何信號(hào)，信號(hào)測(cè)量范圍寬、成本低[5-6]。

據(jù)統(tǒng)計(jì)，人類感知世界獲取的信息約80%是通過人眼獲得[7]，對(duì)于機(jī)器人而言，通過視覺傳感器測(cè)量可獲取機(jī)器人周圍目標(biāo)的三維信息。由于視覺測(cè)量涉及圖像預(yù)處理、投影變換等大量復(fù)雜的數(shù)據(jù)信息計(jì)算，使得目前大多數(shù)視覺測(cè)距系統(tǒng)均基于PC 架構(gòu)實(shí)現(xiàn)，便攜性、機(jī)動(dòng)性受到很大的限制。為了提高視覺測(cè)量的靈活性和實(shí)用性，目前經(jīng)常使用的視覺測(cè)距系統(tǒng)由前端采集系統(tǒng)和后端處理系統(tǒng)構(gòu)成，但視頻數(shù)據(jù)傳輸中受限于網(wǎng)絡(luò)穩(wěn)定性和帶寬的影響，使得這種工作模式下系統(tǒng)的使用受到很大影響，且效率低下?；谝苿?dòng)平臺(tái)的近景目標(biāo)視覺測(cè)距系統(tǒng)模擬人眼感知三維世界原理，分析出近景目標(biāo)物體相對(duì)位置，可提高機(jī)器人智能性。

1 系統(tǒng)總體設(shè)計(jì)

通過機(jī)器人信息采集端的攝像頭采集視頻圖像，分析處理左右攝像頭同一視角范圍內(nèi)的圖像，利用幾何學(xué)原理建立特征點(diǎn)間聯(lián)系，重投影得出圖像特征點(diǎn)的三維點(diǎn)云，分析三維點(diǎn)云信息，自主測(cè)得近景物體的深度。

該近景目標(biāo)物體視覺測(cè)距系統(tǒng)的系統(tǒng)結(jié)構(gòu)圖如圖1 所示，系統(tǒng)結(jié)構(gòu)由硬件和軟件兩部分構(gòu)成，驅(qū)動(dòng)程序驅(qū)動(dòng)左右攝像頭采集視頻圖像，經(jīng)Tiny6410 開發(fā)板分析處理，得出視角區(qū)域三維點(diǎn)云，圖像應(yīng)用程序利用生成的三維點(diǎn)云，分析得出近景目標(biāo)物體深度信息。

圖1 系統(tǒng)結(jié)構(gòu)圖

2 視覺測(cè)距原理

2.1 相機(jī)成像模型

攝像頭采集圖像原理和人類眼睛獲取景物原理類似，其成像模型可簡(jiǎn)化為小孔成像模型，光線通過透鏡照射到感光芯片，感光芯片捕獲光信號(hào)并將其轉(zhuǎn)化為數(shù)字圖像信號(hào)[8-10]。相機(jī)成像模型如圖2所示，P(x,y,z)為空間中目標(biāo)點(diǎn)，經(jīng)透鏡投影到成像儀上的圖像坐標(biāo)為p(xc,yc)。相機(jī)的成像過程可理解為成像點(diǎn)在像素坐標(biāo)系、圖像坐標(biāo)系、相機(jī)坐標(biāo)系、世界坐標(biāo)系四個(gè)坐標(biāo)系間相互變換，像素坐標(biāo)系坐標(biāo)原點(diǎn)在圖像平面左上角，u、v軸分別與圖像坐標(biāo)系U、V軸平行；以圖像中心o作為圖像坐標(biāo)系坐標(biāo)原點(diǎn)，U、V軸分別與X、Y軸平行；以攝像頭光心O作為相機(jī)坐標(biāo)系的坐標(biāo)原點(diǎn)，與光軸重合的射線作為Z軸，XOZ平面與成像平面垂直；以O(shè)w為世界坐標(biāo)系坐標(biāo)原點(diǎn)，取方向與光軸方向相反且與光軸平行的射線為Zw軸；這四個(gè)坐標(biāo)系兩兩依次建立聯(lián)系，便可建立世界坐標(biāo)系與相機(jī)坐標(biāo)系中同一特征點(diǎn)間的聯(lián)系。

圖2 相機(jī)成像模型

依據(jù)相機(jī)模型，可以經(jīng)平移、旋轉(zhuǎn)等變換建立世界坐標(biāo)系和像素坐標(biāo)系的關(guān)系為：

其中，R為目標(biāo)點(diǎn)繞X、Y、Z軸三個(gè)方向上旋轉(zhuǎn)矩陣的乘積，T為目標(biāo)點(diǎn)在X、Y、Z軸上平移向量，表示為T=[t1t2t3]T，R、T統(tǒng)稱為相機(jī)的外參數(shù)；M為內(nèi)參數(shù)矩陣，由相機(jī)焦距f及相機(jī)感光芯片的中心相對(duì)于光軸的偏移校正參數(shù)組成。把已知大小的棋盤作為標(biāo)定靶，提取特征點(diǎn)標(biāo)定相機(jī)，通過已知特征點(diǎn)的坐標(biāo)利用高斯消元法，便可得到相機(jī)內(nèi)外參數(shù)。

2.2 視覺測(cè)量原理

視覺測(cè)量的基本原理為可以簡(jiǎn)化理解為三角測(cè)量法[11-14]，三角測(cè)量法的原理圖如圖3 所示。相機(jī)的光軸平行且像素行對(duì)準(zhǔn)，O1和Or分別為左右投影中心，左右兩個(gè)相機(jī)的焦距f1和fr相同，左右圖像中主點(diǎn)c1和cr的坐標(biāo)值一致，特征點(diǎn)X在兩個(gè)圖像平面上的投影點(diǎn)為x1和xr，x1和xr在各自像素坐標(biāo)系中水平位移分別為x1和xr，該特征點(diǎn)左右圖像中視差為d=x1-xr。設(shè)f為相機(jī)的焦距，利用相似三角形原理，可推出物體離攝像頭鏡頭的距離Z的值如式（2）所示：

圖3 三角測(cè)量法原理圖

通過已知大小的棋盤，利用圖像特征點(diǎn)和像素特征點(diǎn)間關(guān)系我們求得相機(jī)焦距f，以及左右相機(jī)相對(duì)于世界坐標(biāo)系的平移矩陣（Tl、Tr）和旋轉(zhuǎn)矩陣（Rl、Rr），利用求得參數(shù)建立同一特征點(diǎn)與左右相機(jī)間的關(guān)系：

通過相同特征點(diǎn)與左右相機(jī)中的目標(biāo)特征點(diǎn)的關(guān)系，可以得出左右相機(jī)相同特征點(diǎn)間關(guān)系為：

因此可以得出相同特征點(diǎn)在左右相機(jī)間轉(zhuǎn)換的平移矩陣T和旋轉(zhuǎn)矩陣R為：

2.3 重投影測(cè)距

根據(jù)相機(jī)成像原理，利用矩陣變換建立標(biāo)定靶特征點(diǎn)和二維圖像點(diǎn)關(guān)系，通過已知的標(biāo)定靶特征點(diǎn)坐標(biāo)(xw,yw,zw)和圖像特征點(diǎn)(xs,ys)可推出相機(jī)的固有參數(shù)矩陣；獲得相機(jī)參數(shù)后，利用二維圖像特征點(diǎn)坐標(biāo)(xs,ys)和同一特征點(diǎn)不同視角視差d可反推獲得特征點(diǎn)的世界坐標(biāo)系中坐標(biāo)(xw,yw,zw)。依據(jù)特征點(diǎn)世界坐標(biāo)系中的坐標(biāo)，利用勾股定理便可得出特征點(diǎn)的距離為：

當(dāng)求得特征點(diǎn)距離后，依次遍歷比較兩個(gè)特征點(diǎn)的距離大小，取最小值為Dmin，用Dmin依次與其他特征點(diǎn)距離相比較，將值小者賦給Dmin，依次遍歷完所有特征點(diǎn)后便可得近目標(biāo)物體的距離及坐標(biāo)。

3 實(shí)驗(yàn)驗(yàn)證

3.1 總體架構(gòu)

鑒于Tiny6410 處理平臺(tái)具有高性能、易攜帶等優(yōu)勢(shì)[15-16]，以Tiny6410 為處理器搭建一套視覺測(cè)量系統(tǒng)，通過QT 圖像庫(kù)為前端提供交互控制界面，利用Linux 系統(tǒng)下的v4l2 接口為系統(tǒng)采集視頻圖像，同時(shí)基于OpenCV 視覺庫(kù)分析處理采集的圖像信息。

測(cè)量工作主要分為以下三個(gè)階段：

1）相機(jī)標(biāo)定：通過給定大小的棋盤求解相機(jī)的內(nèi)外參數(shù)。

2）生成三維點(diǎn)云：匹配左右圖像特征點(diǎn)，將相同特征點(diǎn)的圖像坐標(biāo)通過重投影的方式轉(zhuǎn)化為三維坐標(biāo)點(diǎn)云。

3）近景物體測(cè)量定位：分析已生成的三維點(diǎn)云，依次遍歷視角區(qū)域內(nèi)所有特征點(diǎn)，測(cè)得近景物體的距離。

3.2 相機(jī)標(biāo)定

采用等大的交叉黑白格棋盤標(biāo)定攝像頭，傳統(tǒng)標(biāo)定方式多采用捕捉多張不同視角棋盤圖像標(biāo)定攝像頭，未對(duì)棋盤采集面積的屏占比做要求，該類標(biāo)定方式部分畸變區(qū)域缺少有效的校正特征點(diǎn)，導(dǎo)致存在校正盲區(qū)，影響相機(jī)畸變的校正準(zhǔn)確度[17]。該算法標(biāo)定時(shí)采用投影屏占比極大化原則，具有如下優(yōu)點(diǎn)：使得棋盤圖像在視角區(qū)域的屏占比最大，同時(shí)單位面積采集圖像中存在分布較為均勻的校正特征點(diǎn)，可保證視角區(qū)域特征點(diǎn)均勻分布，提高標(biāo)定精度，進(jìn)而獲得準(zhǔn)確度更高的畸變系數(shù)。這種相機(jī)標(biāo)定方式能提高攝像頭標(biāo)定精度，改善圖像畸變，進(jìn)一步校正畸變圖像，提升左右圖像匹配率。

采集一幀棋盤圖像后，通過直方圖均衡化、灰度化等預(yù)處理方式增強(qiáng)圖像的對(duì)比度，進(jìn)而增強(qiáng)圖像的視覺效果，提高捕捉特征點(diǎn)效率[18]。每采集一幀圖像后，捕捉圖像角點(diǎn)，并統(tǒng)計(jì)角點(diǎn)數(shù)量，若角點(diǎn)數(shù)量達(dá)到閾值，使用連線連接每行角點(diǎn)，同時(shí)將角點(diǎn)像素坐標(biāo)依次寫入像素坐標(biāo)矩陣，相機(jī)標(biāo)定采集的角點(diǎn)圖如圖4 所示。為了提高標(biāo)定精度，調(diào)整棋盤的角度，依次采集不同視角的棋盤圖像，直至采集到閾值數(shù)量的棋盤圖像。

圖4 相機(jī)標(biāo)定效果圖

當(dāng)采集指定閾值數(shù)量的圖像后，利用二維圖像特征點(diǎn)與三維世界特征點(diǎn)的關(guān)系建立方程組，通過高斯消元法依次求得攝像頭固有參數(shù)，同時(shí)將獲得的參數(shù)存于XML 數(shù)據(jù)庫(kù)文件。

兩個(gè)相機(jī)標(biāo)定結(jié)果如表1 所示。

表1 相機(jī)標(biāo)定參數(shù)

表1 數(shù)據(jù)顯示兩個(gè)攝像頭具有相同的焦距、不同的主點(diǎn)，主點(diǎn)坐標(biāo)分別為(168,106)、(165，107)，大小為320×240 圖片的圖像中心坐標(biāo)為(160,120)，表明主點(diǎn)和成像儀的中心有一定誤差，為校正畸變，坐標(biāo)轉(zhuǎn)換時(shí)需添加這一部分偏移量。

3.3 生成三維點(diǎn)云

利用相機(jī)模型，使用矩陣變換建立棋盤特征點(diǎn)世界坐標(biāo)和二維圖像特征點(diǎn)像素坐標(biāo)聯(lián)系，求解方程組獲得攝像頭固有參數(shù)矩陣，當(dāng)獲得攝像頭參數(shù)矩陣后，使用參數(shù)矩陣組成的投影矩陣和同一特征點(diǎn)不同視角的視差反推重投影，即可獲得特征點(diǎn)的三維坐標(biāo)。相同視角范圍內(nèi)的特征點(diǎn)三維坐標(biāo)點(diǎn)云如圖5 所示。

圖5 三維點(diǎn)云

圖像經(jīng)過重投影，可得到其特征點(diǎn)世界坐標(biāo)系中x、y、z值，大小為320×240 的圖像可得到一個(gè)320×240 大小的三通道矩陣，每個(gè)通道分別存放特征點(diǎn)的x、y、z值，生成的三維信息按特征點(diǎn)坐標(biāo)順序依次存入坐標(biāo)矩陣生成三維點(diǎn)云，該矩陣為物體的深度、大小等信息的分析測(cè)量提供依據(jù)。

3.4 近景物體測(cè)量

近景物體往往是機(jī)器人的目標(biāo)物體或者是阻礙其執(zhí)行操作的障礙物，機(jī)器人自主執(zhí)行操作時(shí)必須首先捕獲近景物體的位置，獲取近景物體的位置大小信息是機(jī)器人執(zhí)行操作的首要步驟。依據(jù)視覺測(cè)量生成三維點(diǎn)云信息，依次遍歷所有特征點(diǎn)的坐標(biāo)信息，最終測(cè)得近景物體的距離。利用該視覺系統(tǒng)測(cè)量目標(biāo)物體，同時(shí)通過軟尺進(jìn)行測(cè)量對(duì)比驗(yàn)證，通過對(duì)不同遠(yuǎn)近的目標(biāo)物體進(jìn)行多次實(shí)驗(yàn)測(cè)量，兩種測(cè)量方式的實(shí)驗(yàn)對(duì)比結(jié)果如表2 所示。

表2 近景物體測(cè)量

由于在實(shí)際操作過程中，軟尺存在一定的使用誤差，攝像頭光學(xué)畸變、標(biāo)定誤差等因素也會(huì)影響視覺測(cè)量的精度，但通過實(shí)驗(yàn)分析顯示軟尺測(cè)量和視覺測(cè)量測(cè)量結(jié)果相對(duì)誤差較小，近景物體視覺測(cè)量具有較高的準(zhǔn)確率。

4 結(jié)論

提出一種基于Tiny6410 嵌入式平臺(tái)的近景物體視覺測(cè)距技術(shù)，該技術(shù)以黑白交叉的棋盤為標(biāo)定物標(biāo)定相機(jī)，利用標(biāo)定得出的相機(jī)參數(shù)重投影圖像得出特征點(diǎn)三維點(diǎn)云，依據(jù)特征點(diǎn)三維點(diǎn)云得出距離，遍歷每個(gè)特征點(diǎn)的距離，測(cè)得近景物體的距離，該方法操作性強(qiáng)、精度高，同時(shí)系統(tǒng)具有很好的適應(yīng)性，可廣泛應(yīng)用于基于移動(dòng)開發(fā)的自主機(jī)器人、汽車導(dǎo)航等領(lǐng)域，具有一定應(yīng)用價(jià)值。