雙目立體視覺測距軟件設計與評測

杜林 安媛

摘要：雙目立體視覺測距軟件設計有四部分組成：相機標定、圖像校正、立體匹配、距離測量。根據(jù)雙目測距的原理，首先需要使用兩個攝像頭先采集若干組棋盤圖片，通過張氏標定法得到攝像頭的內(nèi)外參數(shù)。其次使用得到的參數(shù)對采集的圖片進行消除畸變、圖像校正。然后對校正過的圖片進行立體匹配，應用一種改進的動態(tài)規(guī)劃的算法，先用SAD算法對圖像塊進行匹配，將各個像素對應數(shù)值之差的絕對值進行求和，來評估兩個圖像塊的匹配度，作為立體匹配的初步篩選，再利用SGBM算法通過計算匹配代價函數(shù)得到最終的視差圖。最后，通過三角相似原理測得距離。根據(jù)以上流程，以Micro-soft Visual Studio為開發(fā)環(huán)境，使用MATLAB立體校準工具箱和OpenCV計算機視覺庫等搭建一個雙目測距系統(tǒng)，并對系統(tǒng)進行了實驗驗證。結果顯示，只要深入優(yōu)化立體匹配的算法，該系統(tǒng)將擁有可靠的精確度，有廣泛的應用前景。

關鍵詞：器視覺;雙目測距;圖像處理

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2020）08-0039-02

1 背景及意義

計算機視覺是門研究機器如何看世界的科學，更具體地說，是用機器代替人眼對目標進行識別、測量和軌跡追蹤，經(jīng)過一系列的圖像處理，使計算機生成更便于人類使用的或者儀器能識別的圖像。從20世紀開始，人們就對各種動物的眼睛、神經(jīng)元和視覺相關的腦部神經(jīng)進行了大量研究，試圖描述視覺系統(tǒng)的構成和運作方式，這些研究后來成了計算機視覺的子領域，人們用計算機創(chuàng)建模擬生物的人工系統(tǒng)，在不同復雜程度上實現(xiàn)運作。正如模擬生物雙目視覺，兩只眼睛能夠定性地感受到現(xiàn)實空間中的物體遠近，由此衍生出雙目立體視覺技術。雙目立體視覺技術是通過計算機模擬人類視覺，使用兩個圖像采集設備從相鄰位置得到被測物在相機中的二維成像，將兩張二維圖像中被測點分別所在的像素坐標進行差值計算，相當于將兩張圖片重疊成一張圖片，這是圖片上會有兩個被測點，計算其像素差可以定量的算出被測點與攝像頭之間的現(xiàn)實距離。

遠程測距是工地施工中必不可少的工作流程，目前的測距手段如紅外線測距、超聲波測距和激光測距都有著一定的局限性，均會受到煙霧、灰塵和雨滴的干擾。在雨天環(huán)境下，測距激光會因為雨水的折射偏離原有路線，影響精度，另外棱鏡表面的水滴會將激光折射到不是棱鏡中心的位置;超聲波對水也是沒有穿透性的，在下雨時測量時，發(fā)送出去的波將碰到雨滴，此時可能會余波返回進行干擾或者使發(fā)送出去的波形信號減弱。

基于圖像處理的雙目測距作為一個非接觸測距系統(tǒng)，能在一定程度上改善環(huán)境因素對施工測量的影響。

2 系統(tǒng)詳細設計

雙目立體視覺測距需要兩個水平放置的攝像頭對同一物體同時拍照，得到的略有差異的相關圖像，計算特定點的像素坐標。完整的雙目立體視覺測距系統(tǒng)主要包括：圖像采集、相機標定、圖像校正、立體匹配和測量距離。

1）相機標定是實現(xiàn)測距的準備工作。測距模型需要知道兩個攝像頭的焦距、光軸和空間位置關系，在圖像校正時需要知道攝像頭的徑向和切向畸變系數(shù)，可以用畸變系數(shù)還原為方正的原始圖像，標定的準確性直接影響到測距的效果。

2）圖像校正把消除畸變后的兩幅圖像嚴格地行對應，等效為兩個攝像頭嚴格水平放置的效果，這樣左邊圖像上任意一點一定在與右邊圖像水平的線上有相對應的點，將左圖和右圖的匹配簡化為一維的點匹配問題。

3）立體匹配是為了得到視差圖，視差圖中包含了被測點的視差值信息，這是實現(xiàn)測距的關鍵參數(shù)。本文選擇了半全局塊匹配算法，作為一種改良的動態(tài)規(guī)劃算法，該算法能夠把二維問題放到一維平面來解決.得到初始的視差圖，然后經(jīng)過一系列后處理得到能用于計算距離的視差值。

4）構建雙攝像頭測距系統(tǒng)，得到3）處理好的視差值，根據(jù)雙目測距模型，通過三角關系測量物體到攝像頭的距離。

2.1 雙目相機標定

雙目相機標定采用MATLAB R2017a的Stereo Camera Cali-brator應用程序，該應用程序可以估計和導出雙目攝像頭l和攝像頭2的內(nèi)參數(shù)，還可以計算攝像頭2相對于攝像頭1的位置和方向得到外參數(shù)旋轉(zhuǎn)矩陣和平移向量。

Stereo Camera Calibrator運行需要經(jīng)過5個流程，如圖1所示。

2.2 圖像校正

圖像校正是為了把消除畸變后的兩幅圖像相關點盡可能對應，使得兩幅圖像的對極線關聯(lián)到同一水平線上，這樣一幅圖像上某一點和另一幅圖像上的對應點行號是一致的，只需在該行進行一維匹配即可找到對應點，校正流程如圖2所示。

2.3 立體匹配

立體匹配采用SAD算法，SAD（Sum of absolute differences）是一種圖像匹配算法，基本思想：差的絕對值之和。此算法一般用來進行圖像塊的匹配，求各個像素對應數(shù)值差的絕對值之和，評估兩個圖像塊的匹配度。該算法快速、但并不可靠，只是用于后續(xù)處理的初步篩選。

基本流程為輸入兩幅圖像，一幅ImageL，一幅ImageR，對左圖，依次掃描，選定一個錨點：

1）創(chuàng)建一個SAD窗口;

2）用SAD窗口覆蓋左圖，選擇覆蓋區(qū)域內(nèi)所有像素點;

3）用SAD窗口覆蓋右圖，選擇覆蓋區(qū)域內(nèi)所有像素點;

4）左邊覆蓋區(qū)域所有像素點灰度值分別減去右邊覆蓋區(qū)域?qū)袼攸c灰度值，求出差的絕對值之和;

5）移動右圖的覆蓋窗口，重復3，4的處理;

6）找到這個右圖移動范圍內(nèi)SAD值最小的窗口，即找到了與左圖錨點的像素值最接近的最佳匹配的圖像塊。

3 系統(tǒng)測試

系統(tǒng)采用C++語言運行與Visual Studi02017的環(huán)境中，調(diào)用OpenCV視覺庫中的工具包，來實現(xiàn)距離測量的功能。 首先是圖像獲取，使用攝像頭對應的應用程序CHUSEI 3DWebcam保存左右攝像頭的圖片用于下邊的測距。運行系統(tǒng)軟件程序，運行結果如圖3所示，點擊圖3中右邊視差圖與左圖相對應的位置，可得到所測點的三維坐標，其中數(shù)據(jù)最后一個Z軸坐標就是物體到攝像頭的距離，證明了系統(tǒng)的可行性。

4 結論

雙目立體視覺技術作為當前計算機視覺的前沿和熱點，將來必然應用在更廣泛的領域，目前雙目相關的算法還不夠強大，能處理的計算量具有一定的局限，隨著技術的發(fā)展，計算機視覺也將像人眼一樣明辨是非。該文對計算機視覺的雙目立體視覺測距系統(tǒng)做了一定研究，主要包括了雙目立體測距系統(tǒng)的原理分析和實現(xiàn)流程，以及使用PC完成測距的一系列操作流程。最終得到了和預期相符的實驗結果。本文完成了基于計算機視覺的雙攝像頭測距，主要研究了測距過程中的一系列操作的原理，但是研究還不夠深入，還存在一些可以改善的方面：

圖像采集和攝像頭標定工作都分別是由各自獨立的軟件完成的，圖像采集使用讀取雙目相機的小程序，而攝像頭使用MATLAB集成的相機標定工具箱。在后續(xù)優(yōu)化中，應該將圖像采集、攝像頭標定和測距整合到一個工程文件中，直接調(diào)用攝像頭數(shù)據(jù)和MATLAB工具箱實現(xiàn)系統(tǒng)的整體性。

設計更好的人機互動界面，加入實時采集圖片的功能，用配置更好的攝像機進行采集，對采集串口更全面地進行控制，得到的結果顯示更為具體。

在圖像的立體匹配過程中，運用到的是SGBM算法，但是，在識別的過程中需要手動點擊測定物體才能進行檢測。在后續(xù)的優(yōu)化中，可以在匹配環(huán)節(jié)使用基于神經(jīng)網(wǎng)絡的立體匹配算法，這樣就會有效減少圖像的處理，能有效縮短處理時間。

參考文獻：

[1]張海波，基于雙目立體視覺的工件識別定位與抓取系統(tǒng)研究[D].杭州：中國計量學院，2014.

[2]高如新，朱炬甫.基于ORB算法的雙目視覺定位[Jl.電子測量技術，2017，40（4）：142-145.

[3]李雙全，章國寶.基于ORB算法的雙目立體視覺測距系統(tǒng)[Jl.工業(yè)控制計算機，201 7，30（6）：42-44.

[4]張家田，王飛，嚴正國.非接觸式距離測量系統(tǒng)[J].電子測量技術，2012，35（9）：10-13.

[5]聶春鵬.基于雙目立體視覺的工業(yè)機器人目標識別及定位研究[D].西安：長安大學，2015.

[6]劉玉森.基于雙目立體視覺的三維重建方法研究[D].重慶：重慶大學，2016.

[7] Liguori C，Paolillo A，Pietrosanto A.A discussion about stereovision techniques for industrial image-based measurement sys-tems[Cy/Proceedings of the 20th lEEE Instrumentation Tech-nology Conference （Cat.No.03CH37412），Vail， Colorado， USA.lEEE， 2003.

[8]曹文祥，馮雪梅.工業(yè)機器人研究現(xiàn)狀及發(fā)展趨勢[J].機械制造，2011，49（2）：41-43.

[9] Aoki H，F(xiàn)urukawa R，Aoyama， M，et al.Proposal on 3-D endo-scope by using grid-based active stereo[P]. ，2013.

[10] Correal R，Pajares G，Ruz J J.Automatic expert system for 3Dterrain reconstruction Based on stereo vision and histogrammatching[J]. Expert Systems With Applications， 2014， 41（4）：2043-2051.

[11] Okada K，lnaba M，lnoue H.lntegration of real-time binocularstereo vision and whole body information fordynamic walkingnavigation of humanoid robot[C]//Proceedings of IEEE Interna—tional Conference on Multisensor Fusion and Integration for In—telligent Systems，MFI2003.，Tokyo，Japan.IEEE，2003

[12]黃佳.基于0PENCV的計算機視覺技術研究[D].上海：華東理工大學，2013.

[13]李洪海.基于移動機器人的雙目立體視覺技術研究[D].南京：南京航空航天大學，2007.

[14]范瑩.基于雙目視覺的圖像匹配與定位技術的研究[D]，無錫：江南大學，2016.

[15]韓慧妍.基于雙目立體視覺的三維模型重建方法研究[D]，太原：中北大學，2014.

[16]馬巖，王振宏，龔琳，基于RAC標定法的CCD攝像機參數(shù)標定技術研究[J].光學儀器，2012，34（2）：11—15.

[17]袁泉，鄒沖，閔鋒.雙目視覺在類人機器人測距中的應用[J].武漢工程大學學報，2017，39（2）：193—198.

【通聯(lián)編輯：梁書】

作者簡介：杜林（1977-），安徽碭山人，工程師，碩士，安徽繼遠檢驗檢測技術有限公司總經(jīng)理，研究方向為軟件開發(fā)與軟件評測。