基于目標(biāo)運(yùn)動(dòng)的復(fù)眼式雙目視覺(jué)測(cè)距法

高文靜，楊預(yù)立，邢 強(qiáng)，徐海黎

（南通大學(xué) 機(jī)械工程學(xué)院，江蘇 南通 226019）

引言

根據(jù)兩眼視網(wǎng)膜上不同視圖場(chǎng)景目標(biāo)估計(jì)目標(biāo)深度的方法被稱為立體視覺(jué)[1-3]。立體視覺(jué)的研究一直是機(jī)器視覺(jué)中的重點(diǎn)和難點(diǎn)，常見(jiàn)的立體視覺(jué)研究大都利用多個(gè)光學(xué)傳感器獲取目標(biāo)信息進(jìn)行目標(biāo)定位。根據(jù)應(yīng)用需求，研究人員搭建了相應(yīng)的雙目視覺(jué)系統(tǒng)，如滿足大測(cè)量范圍和高精度需求的穩(wěn)定平臺(tái)固定型雙相機(jī)立體視覺(jué)系統(tǒng)[4]，以及滿足固定小視野范圍高速實(shí)時(shí)測(cè)量的單相機(jī)立體視覺(jué)結(jié)構(gòu)[5]。目前，在雙目立體視覺(jué)系統(tǒng)的研制中，選用相機(jī)的視角、焦距以及雙目結(jié)構(gòu)中各相機(jī)間的基線長(zhǎng)度都對(duì)雙目立體視覺(jué)的檢測(cè)精度有很大影響。固定結(jié)構(gòu)下，相機(jī)視角、焦距以及相機(jī)間基線越小，測(cè)量范圍越小，測(cè)量精度越低[6]。目前的目標(biāo)檢測(cè)算法大都基于對(duì)圖像特征的處理，在處理復(fù)雜環(huán)境中的運(yùn)動(dòng)目標(biāo)時(shí)，連續(xù)采集圖像序列，進(jìn)行圖像特征配準(zhǔn)得到目標(biāo)運(yùn)動(dòng)狀態(tài)。這類算法計(jì)算數(shù)據(jù)量大，定位實(shí)時(shí)性低，且對(duì)每一時(shí)刻采集的靜態(tài)圖像作目標(biāo)檢測(cè)時(shí)，若運(yùn)動(dòng)目標(biāo)與背景之間差異性較小，則特征匹配類算法對(duì)目標(biāo)區(qū)分檢測(cè)困難，檢測(cè)精度較低[7-9]。與人眼相比，昆蟲(chóng)復(fù)眼具有多個(gè)小眼組成的多通道視覺(jué)系統(tǒng)，各小眼在結(jié)構(gòu)上呈球面分布，構(gòu)成近360°的大范圍視野。各小眼單獨(dú)處理目標(biāo)信息，具有空間分辨率較低、信息處理速度快、時(shí)間分辨率高等優(yōu)點(diǎn)[10-11]，可以快速獲取大視場(chǎng)范圍內(nèi)的場(chǎng)景信息，從而發(fā)現(xiàn)目標(biāo)[12]。由于復(fù)眼結(jié)構(gòu)具有特殊性，與人的立體視覺(jué)不同，復(fù)眼昆蟲(chóng)不是簡(jiǎn)單使用雙目視差來(lái)實(shí)現(xiàn)捕食避障。復(fù)眼昆蟲(chóng)可以獲得運(yùn)動(dòng)目標(biāo)在微小時(shí)間內(nèi)的視覺(jué)信息變化，在目標(biāo)運(yùn)動(dòng)時(shí)，各小眼單獨(dú)成像到視網(wǎng)膜上獲得連續(xù)變化的目標(biāo)信息，通過(guò)神經(jīng)系統(tǒng)分析這種動(dòng)態(tài)信息來(lái)實(shí)現(xiàn)導(dǎo)航定位[13-14]。如復(fù)眼昆蟲(chóng)螳螂就是根據(jù)雙目對(duì)目標(biāo)運(yùn)動(dòng)模式的匹配及運(yùn)動(dòng)視差來(lái)實(shí)現(xiàn)目標(biāo)識(shí)別與距離判斷的，即使目標(biāo)與背景差異性較小，也可通過(guò)場(chǎng)景中物體的運(yùn)動(dòng)特征來(lái)實(shí)現(xiàn)目標(biāo)與場(chǎng)景的區(qū)分，以實(shí)現(xiàn)捕食和避障行為[15-16]；蜜蜂等飛行類復(fù)眼昆蟲(chóng)通過(guò)對(duì)比雙目檢測(cè)場(chǎng)景中物體運(yùn)動(dòng)產(chǎn)生的光流信息實(shí)現(xiàn)飛行導(dǎo)航，即使雙目檢測(cè)的場(chǎng)景差異性較小，也可通過(guò)對(duì)比兩側(cè)場(chǎng)景的運(yùn)動(dòng)快慢進(jìn)行距離估計(jì)，調(diào)整飛行軌跡[17-18]。與基于圖像檢測(cè)的特征法相比，基于運(yùn)動(dòng)模式的目標(biāo)定位算法不需要匹配特征點(diǎn)，避免了很多計(jì)算量以及目標(biāo)與場(chǎng)景差異性較小導(dǎo)致的特征誤匹配問(wèn)題，節(jié)省了計(jì)算時(shí)間，提高了實(shí)時(shí)性[19-21]。目前，光流法是常用的運(yùn)動(dòng)目標(biāo)檢 測(cè) 算 法，經(jīng) 典 光 流 算 法 由Hom & Schunck 于1981 年提出，假設(shè)目標(biāo)運(yùn)動(dòng)速度場(chǎng)平滑，結(jié)合光流約束方程計(jì)算得到運(yùn)動(dòng)目標(biāo)的光流場(chǎng)，是目前使用最多的方法之一[22]；Nagelp 在考慮目標(biāo)遮擋問(wèn)題下采用平滑約束，利用二階導(dǎo)數(shù)計(jì)算光流場(chǎng)，但二階導(dǎo)數(shù)計(jì)算不穩(wěn)定易受到噪聲影響[23]；Srinivasan提出了用于運(yùn)動(dòng)圖像檢測(cè)目標(biāo)的光流法，該方法根據(jù)圖像中目標(biāo)像素點(diǎn)與周圍像素點(diǎn)之間的變化來(lái)估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)[24]。

根據(jù)仿復(fù)眼多通道視覺(jué)系統(tǒng)的目標(biāo)檢測(cè)特性，啟發(fā)于復(fù)眼昆蟲(chóng)可以利用運(yùn)動(dòng)目標(biāo)的動(dòng)態(tài)光流信息實(shí)現(xiàn)對(duì)目標(biāo)的準(zhǔn)確定位，本文提出一種基于光流原理的多通道環(huán)形視覺(jué)傳感器的目標(biāo)方位角快速檢測(cè)算法。首先以光電傳感器為子傳感器研制環(huán)形360°的視覺(jué)傳感器；其次基于目標(biāo)在環(huán)形傳感器陣列中連續(xù)獲得的系列目標(biāo)信號(hào)分布，提出基于光流原理的目標(biāo)方位角快速檢測(cè)法；最后基于雙目測(cè)距原理，實(shí)現(xiàn)兩環(huán)形視覺(jué)傳感器在大視場(chǎng)范圍內(nèi)對(duì)與傳感器排列垂直面內(nèi)的目標(biāo)測(cè)距。該方法適用于多通道組成的視覺(jué)系統(tǒng)，對(duì)運(yùn)動(dòng)目標(biāo)前后兩時(shí)刻的傳感器信號(hào)進(jìn)行連續(xù)計(jì)算獲得目標(biāo)位置，避免了多通道視覺(jué)傳感器在每一時(shí)刻對(duì)目標(biāo)信號(hào)作定位算法處理，有效提高定位速度，為立體視覺(jué)快速測(cè)距提供了一種簡(jiǎn)單快速的方法。

1 基于運(yùn)動(dòng)模式的目標(biāo)方位角檢測(cè)模型

生物復(fù)眼具有檢測(cè)光流的功能[25]，在一定的序列信號(hào)中，計(jì)算運(yùn)動(dòng)目標(biāo)前后兩時(shí)刻在傳感器中的信號(hào)變化，從而獲得目標(biāo)運(yùn)動(dòng)狀態(tài)的算法被稱為光流法。受此啟發(fā)，本文提出了一種基于光流的目標(biāo)運(yùn)動(dòng)檢測(cè)方法。

圖 1 運(yùn)動(dòng)目標(biāo)方位角檢測(cè)原理Fig. 1 Schematic diagram of moving target azimuth detection

將（1）式右邊用泰勒公式展開(kāi)得：

忽略二階以上高階項(xiàng)后，代入（1）式得：

本文提出的目標(biāo)檢測(cè)模型使用前后兩時(shí)刻采集的目標(biāo)原始信號(hào)計(jì)算目標(biāo)角度，這種測(cè)量算法計(jì)算數(shù)據(jù)量小，算法簡(jiǎn)單快速。但也存在誤差，誤差的性質(zhì)與靜態(tài)測(cè)距每次檢測(cè)存在誤差一樣，不是對(duì)檢測(cè)結(jié)果的依次疊加運(yùn)算，即每次測(cè)量雖存在誤差，但誤差之間是獨(dú)立的。

2 實(shí)驗(yàn)裝置與方法

2.1 實(shí)驗(yàn)平臺(tái)

確定目標(biāo)方位角的環(huán)形運(yùn)動(dòng)視覺(jué)傳感器檢測(cè)平臺(tái)主要由環(huán)形傳感器陣列、目標(biāo)運(yùn)動(dòng)裝置和多通道數(shù)據(jù)同步采集裝置組成，如圖2 所示。檢測(cè)平臺(tái)放置于工作臺(tái)上，工作臺(tái)的重量遠(yuǎn)比運(yùn)動(dòng)模塊的重量大得多。工作臺(tái)表面為橡膠材質(zhì)，且檢測(cè)平臺(tái)下方放置泡沫塑料以減少電機(jī)帶動(dòng)運(yùn)動(dòng)模塊時(shí)產(chǎn)生的振動(dòng)。運(yùn)動(dòng)裝置正常工作時(shí)，平臺(tái)產(chǎn)生的抖動(dòng)很小，傳感器檢測(cè)穩(wěn)定。

圖 2 環(huán)形傳感器示意圖與實(shí)驗(yàn)裝置Fig. 2 Schematic diagram of ring sensor and experimental device

目標(biāo)運(yùn)動(dòng)裝置主要用于實(shí)現(xiàn)目標(biāo)在二維平面內(nèi)的直線運(yùn)動(dòng)。主要由運(yùn)動(dòng)控制卡（AMP208C，凌華，中國(guó)）、步進(jìn)電機(jī)、同步輪同步帶、拉線編碼器（millayWXY10 拉 線 編 碼 器，精 度 為0.02% full scale）以及目標(biāo)（2 mm CCFL 柱光源）等組成。該運(yùn)動(dòng)模組通過(guò)運(yùn)動(dòng)控制卡與同步輪同步帶，可實(shí)現(xiàn)目標(biāo)在平面內(nèi)最大速度為80 mm/s、最大加速度為20 mm/s2的直線運(yùn)動(dòng)。

多通道數(shù)據(jù)采集模塊主要由環(huán)形傳感器陣列、電壓轉(zhuǎn)換模塊、數(shù)據(jù)采集卡（PCI1747U，研華，中國(guó)）等組成。其中，啟發(fā)于復(fù)眼的小眼排列結(jié)構(gòu)的環(huán)形傳感器陣列由按ψ（ψ=6°）等夾角環(huán)形排列的N（N=60）個(gè)子傳感器及半徑為R（R=75 mm）的環(huán)形固定結(jié)構(gòu)組成，安裝于旋轉(zhuǎn)平臺(tái)上；電壓轉(zhuǎn)化模塊用于放大和穩(wěn)定傳感器輸出電壓，并將信號(hào)傳輸給上位機(jī)數(shù)據(jù)采集卡處理。上位機(jī)Lab View（Nation Instrument，美國(guó)）程序?qū)崿F(xiàn)128 通道采樣率1 000 Hz 的數(shù)據(jù)同步采集。

2.2 實(shí)驗(yàn)步驟

為了實(shí)現(xiàn)對(duì)目標(biāo)方位角檢測(cè)以及目標(biāo)測(cè)距，利用上述實(shí)驗(yàn)平臺(tái)，設(shè)計(jì)了在一定測(cè)量范圍內(nèi)環(huán)形傳感器對(duì)目標(biāo)方位角檢測(cè)與標(biāo)定以及雙目傳感器陣列的立體視覺(jué)測(cè)距實(shí)驗(yàn)，如圖3 所示。

圖 3 目標(biāo)運(yùn)動(dòng)實(shí)驗(yàn)圖Fig. 3 Experimental diagram of target motion

按圖2 搭建實(shí)驗(yàn)平臺(tái)，同軸安裝旋轉(zhuǎn)平臺(tái)與環(huán)形傳感器陣列，以環(huán)形傳感器陣列圓心所在處為原點(diǎn)建立圖3（a）所示的二維平面直角坐標(biāo)系進(jìn)行目標(biāo)方位角的確定以及測(cè)距實(shí)驗(yàn)操作。具體步驟為：1） 調(diào)整安裝位。取某傳感器為0 號(hào)子眼，調(diào)整其視軸方向與x 軸正向（0°線）重合，在離傳感器中心垂直距離D 處安裝目標(biāo)（柱光源）。2） 數(shù)據(jù)采集。實(shí)驗(yàn)環(huán)境在無(wú)目標(biāo)時(shí)，傳感器陣列采集環(huán)境信號(hào)值在0.065 V 左右；在實(shí)驗(yàn)范圍內(nèi)，傳感器檢測(cè)的目標(biāo)信號(hào)范圍為0.5V～4 V，目標(biāo)強(qiáng)度遠(yuǎn)大于環(huán)境強(qiáng)度，其中最大目標(biāo)信號(hào)值對(duì)應(yīng)的子傳感器位置作為目標(biāo)方位角檢測(cè)的參考位置以實(shí)現(xiàn)目標(biāo)位置檢測(cè)[11]。基于運(yùn)動(dòng)視覺(jué)的環(huán)形傳感器對(duì)目標(biāo)方位角的確定以及測(cè)距實(shí)驗(yàn)主要是：①采集與環(huán)形傳感器中心垂直距離為D、目標(biāo)在傳感器視野范圍內(nèi)作直線運(yùn)動(dòng)時(shí)的各子傳感器信號(hào)，其中規(guī)定編號(hào)為0 的子傳感器視軸方向角度為0°，如圖3（a）所示；②按圖3（b）搭建實(shí)驗(yàn)平臺(tái)，將兩個(gè)環(huán)形傳感器安裝在基線為2a 的平臺(tái)上，以基線中點(diǎn)為原點(diǎn)建立右手螺旋直角坐標(biāo)系，搭建雙目視覺(jué)傳感器。驅(qū)動(dòng)目標(biāo)運(yùn)動(dòng)裝置，在目標(biāo)運(yùn)動(dòng)的同時(shí)，傳感器采集目標(biāo)信號(hào)數(shù)據(jù)傳至上位機(jī)程序，利用方位確定算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)方位角檢測(cè)，再利用三角視差原理實(shí)現(xiàn)雙目視覺(jué)傳感器在2D 平面內(nèi)對(duì)運(yùn)動(dòng)目標(biāo)的快速測(cè)距。3） 數(shù)據(jù)處理。傳感器檢測(cè)的目標(biāo)信號(hào)形式為各子傳感器檢測(cè)信號(hào)組成的一維信號(hào)，利用Lab View 軟件中的5 階巴特沃斯（Butterworth）低通濾波、smooth 平滑濾波的方式實(shí)現(xiàn)傳感器陣列采集目標(biāo)信號(hào)數(shù)據(jù)的平滑，剔除傳感器信號(hào)的異常值，實(shí)現(xiàn)目標(biāo)信號(hào)數(shù)據(jù)的預(yù)處理；利用方位角檢測(cè)模型分析多通道視覺(jué)傳感器相鄰時(shí)間采集的目標(biāo)信號(hào)，計(jì)算出目標(biāo)角度δ（稱為測(cè)量角度δ），采用 Mat Lab 軟件分析拉線編碼器記錄的目標(biāo)位置，結(jié)合三角幾何法計(jì)算出目標(biāo)的實(shí)際角度 α；采用Fourier 擬合實(shí)現(xiàn)對(duì)目標(biāo)直線運(yùn)動(dòng)測(cè)量結(jié)果偏差的優(yōu)化。具體流程如圖4 所示。

圖 4 信號(hào)處理流程Fig. 4 Flow chart of signal processing

3 實(shí)驗(yàn)結(jié)果與分析

3.1 目標(biāo)運(yùn)動(dòng)方位角檢測(cè)結(jié)果與優(yōu)化

圖5（a）所示為目標(biāo)距離傳感器距離D=255 mm、v=30 mm/s 時(shí)連續(xù)采集的不同時(shí)刻的目標(biāo)序列信號(hào) Sn(t)（其中子傳感器數(shù)量n=60，每一時(shí)刻信號(hào)曲線 Sn由傳感器陣列中60 個(gè)子傳感器信號(hào)組成，圖5（a）中不同顏色曲線表示在不同時(shí)刻傳感器陣列檢測(cè)的目標(biāo)信號(hào) Sn(t)）及根據(jù)采集的序列目標(biāo)信號(hào)計(jì)算的測(cè)量角度，如圖5（b）所示。

目標(biāo)在直線運(yùn)動(dòng)過(guò)程中，與傳感器的相對(duì)距離發(fā)生改變。隨著目標(biāo)運(yùn)動(dòng)，傳感器檢測(cè)的目標(biāo)信號(hào) S 相位與強(qiáng)度幅值均發(fā)生改變。因此，根據(jù) ?S計(jì)算目標(biāo)測(cè)量角度與實(shí)際角度存在的偏差。目標(biāo)以v=30 mm/s，與距離傳感器中心不同垂直距離D（D=255 mm、275 mm、325 mm、375 mm）作直線運(yùn)動(dòng)。不同距離下，根據(jù)目標(biāo)直線運(yùn)動(dòng)采集的信號(hào)作算法處理獲得測(cè)量角度，拉線編碼器記錄目標(biāo)實(shí)際角度。測(cè)量角度與測(cè)量偏差數(shù)據(jù)擬合曲線如圖6所示，經(jīng)數(shù)據(jù)擬合統(tǒng)計(jì)分析，不同距離偏差值與測(cè)量角度存在一致變化關(guān)系。

圖 5 序列信號(hào)及測(cè)量角度圖Fig. 5 Schematic diagram of sequence signal and measurement angle

圖 6 測(cè)量偏差與測(cè)量角度關(guān)系擬合圖Fig. 6 Fitting chart of relationship between measurement deviation and measured angle

分析運(yùn)動(dòng)目標(biāo)在不同距離D 下的角度偏差ε在測(cè)量角度范圍內(nèi)的偏差特征函數(shù) F(δ,ε)，以實(shí)現(xiàn)目標(biāo)方位角檢測(cè)的標(biāo)定。建立圖3（b）所示視覺(jué)系統(tǒng)，結(jié)合三角視差原理，從而實(shí)現(xiàn)在2D 平面內(nèi)對(duì)運(yùn)動(dòng)目標(biāo)的快速測(cè)距定位。在傳感器有效視角范圍內(nèi)，利用圖3（b）實(shí)驗(yàn)裝置進(jìn)行多次實(shí)驗(yàn)，對(duì)目標(biāo)檢測(cè)角度作數(shù)據(jù)分析，發(fā)現(xiàn)不同距離下目標(biāo)檢測(cè)角度偏差存在一致變化關(guān)系，對(duì)角度偏差數(shù)據(jù)進(jìn)行數(shù)據(jù)擬合分析，如多項(xiàng)式擬合、高斯擬合、傅里葉擬合等，分析得出在不同距離D 時(shí)，目標(biāo)檢測(cè)角度偏差 ε均符合一階傅里葉擬合方程：

則目標(biāo)水平運(yùn)動(dòng)實(shí)際角度表示為

獲得適用于不同距離下目標(biāo)方位角偏差函數(shù)后，使用計(jì)入偏差函數(shù)的方位角檢測(cè)模型計(jì)算目標(biāo)角度，與拉線編碼器記錄的實(shí)際角度作對(duì)比，驗(yàn)證模型適用性。不同距離測(cè)量角度、計(jì)入偏差測(cè)量角度與拉線編碼器記錄的實(shí)際角度對(duì)比如圖7 所示。

對(duì)采集信號(hào)作算法處理獲得測(cè)量角度，通過(guò)偏差擬合函數(shù)計(jì)算得到各測(cè)量角度對(duì)應(yīng)的偏差，計(jì)入偏差后的測(cè)量角度即為目標(biāo)角度。由圖7 可以清楚看出，計(jì)入偏差的測(cè)量角度與拉線編碼器記錄的目標(biāo)實(shí)際角度基本一致，表示該偏差擬合函數(shù)可用于目標(biāo)檢測(cè)角度的優(yōu)化。計(jì)入偏差的測(cè)量角度與拉線編碼器記錄的目標(biāo)實(shí)際角度之差為測(cè)量誤差，目標(biāo)在不同距離水平勻速直線運(yùn)動(dòng)的角度測(cè)量精度分析如表1 所示。

圖 7 不同距離測(cè)量角度與實(shí)際角度對(duì)比Fig. 7 Comparison diagram of measured angle and actual angle at different distances

表 1 測(cè)量誤差數(shù)據(jù)統(tǒng)計(jì)分析Table 1 Statistical analysis of measurement error data

實(shí)驗(yàn)結(jié)果表明，在D=375 mm 范圍內(nèi)，目標(biāo)方位的檢測(cè)誤差在±2°以內(nèi)，平均92.01%的測(cè)量誤差小于±1.5°。因此，本文提出的基于目標(biāo)運(yùn)動(dòng)模式方位檢測(cè)模型可以實(shí)現(xiàn)目標(biāo)方位的快速確定，從而用于雙目測(cè)距平臺(tái)中對(duì)目標(biāo)距離的測(cè)量，對(duì)前后兩時(shí)刻信號(hào)連續(xù)處理的方法有效減少計(jì)算的數(shù)據(jù)量與計(jì)算時(shí)間以實(shí)現(xiàn)快速測(cè)距功能。但從測(cè)量誤差的數(shù)據(jù)分析可知，隨著目標(biāo)距離D 的增大，目標(biāo)信號(hào)減弱，且存在目標(biāo)信號(hào)不穩(wěn)定跳動(dòng)，使得算法計(jì)算精度降低，角度測(cè)量誤差增大。

3.2 基于視差原理的仿生復(fù)眼系統(tǒng)距離結(jié)果

在目標(biāo)方位角測(cè)量的有效范圍內(nèi)進(jìn)行測(cè)距實(shí)驗(yàn)，目標(biāo)距離雙目陣列中心距離為D（D=255 mm、275 mm、325 mm、375 mm），雙目基線距離為250 mm，以v=30 mm/s 作直線運(yùn)動(dòng)，根據(jù)方位確定算法獲得各個(gè)陣列對(duì)目標(biāo)的測(cè)量角度，拉線編碼器記錄目標(biāo)的實(shí)際角度。通過(guò)三角測(cè)距原理計(jì)算測(cè)量距離，根據(jù)拉線編碼器記錄的目標(biāo)x，y 位置參數(shù)獲得目標(biāo)的實(shí)際距離，兩者的差值為測(cè)量誤差。實(shí)際距離與測(cè)量距離對(duì)比如圖8（a）所示，測(cè)量誤差如圖8（b）所示。

對(duì)測(cè)距結(jié)果以及測(cè)距誤差數(shù)據(jù)統(tǒng)計(jì)分析得：D=255 mm 時(shí)，測(cè)量誤差在?9.740 mm～7.711 mm 之間，其中100%的測(cè)量誤差小于±10 mm；D=275 mm時(shí)，測(cè)量誤差在?9.807 mm～9.242 mm 之間，其中100%的測(cè)量誤差小于±10 mm；D=325 mm 時(shí)，測(cè)量誤差在?7.753 mm～11.326 mm 之間，其中95.92%的測(cè)量誤差小于±10 mm；D=375 mm 時(shí)，測(cè)量誤差在?4.143 mm～13.906 mm 之間，其中93.88%的測(cè)量誤差小于±10 mm。實(shí)驗(yàn)結(jié)果表明，在實(shí)現(xiàn)方位角度測(cè)量的基礎(chǔ)上，利用雙目測(cè)距原理可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)定位。但從誤差數(shù)據(jù)統(tǒng)計(jì)分析可知，隨著目標(biāo)距離D 的增大，目標(biāo)信號(hào)減弱、目標(biāo)信號(hào)不穩(wěn)定跳動(dòng)，使得算法計(jì)算精度降低，角度測(cè)量誤差增大，從而使測(cè)距誤差增大。

圖 8 雙目測(cè)距結(jié)果及精度分析Fig. 8 Analysis of binocular ranging results and ranging accuracy

本文提出的目標(biāo)方位檢測(cè)法及測(cè)距算法對(duì)前后兩時(shí)刻目標(biāo)信號(hào)差值作定位算法計(jì)算，而傳統(tǒng)測(cè)距算法對(duì)每一時(shí)刻信號(hào)均作定位算法計(jì)算。因此，本文算法的計(jì)算數(shù)據(jù)量比傳統(tǒng)算法減少了一半。傳統(tǒng)基于圖像處理的測(cè)距算法在相同實(shí)驗(yàn)環(huán)境下，采集目標(biāo)運(yùn)動(dòng)圖像，對(duì)每一組圖片進(jìn)行特征匹配處理，如sift 算法，分別對(duì)左右眼圖像進(jìn)行特征點(diǎn)提取后作雙目特征匹配，計(jì)算數(shù)據(jù)量大，算法運(yùn)行時(shí)間在5 s 左右，算法計(jì)算時(shí)間長(zhǎng)；針對(duì)本文傳感器模型中的同一組目標(biāo)信號(hào)，尋峰算法對(duì)采集的每組目標(biāo)信號(hào)作定位算法，運(yùn)算時(shí)間在0.2 s左右，方位角測(cè)量誤差在4°左右，運(yùn)行速度快但定位精度較低；在尋峰算法基礎(chǔ)上提出的高斯擬合算法對(duì)采集的每組目標(biāo)信號(hào)作定位算法，運(yùn)算時(shí)間在1s 左右，方位角測(cè)量誤差在0.6°左右，精度較高但是算法計(jì)算量大且運(yùn)行速度較慢；本文提出的測(cè)距算法同時(shí)處理兩組數(shù)據(jù)以實(shí)現(xiàn)目標(biāo)測(cè)距，算法運(yùn)算時(shí)間在0.4 s 左右，方位角測(cè)量誤差在1.5°左右，檢測(cè)精度高于尋峰算法，檢測(cè)速度高于高斯擬合算法。與傳統(tǒng)測(cè)距算法對(duì)運(yùn)動(dòng)目標(biāo)每一時(shí)刻進(jìn)行靜態(tài)測(cè)距本質(zhì)不同的是，本文提出的雙目測(cè)距算法結(jié)合了運(yùn)動(dòng)的連續(xù)性，對(duì)前后兩時(shí)刻目標(biāo)信號(hào)作算法處理以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的連續(xù)動(dòng)態(tài)測(cè)距，減少了大量復(fù)雜的傳統(tǒng)靜態(tài)測(cè)距算法計(jì)算量，算法簡(jiǎn)單快速，連續(xù)性強(qiáng)，實(shí)時(shí)性較高，可應(yīng)用于目標(biāo)運(yùn)動(dòng)速度較快、需要實(shí)時(shí)快速檢測(cè)運(yùn)動(dòng)目標(biāo)且精度要求不高的場(chǎng)合。

4 結(jié)論

基于光電二極管研制的仿復(fù)眼多通道視覺(jué)傳感器，本文提出的目標(biāo)定位測(cè)距算法實(shí)現(xiàn)了在雙目傳感器陣列視野大重疊區(qū)域300 mm×375 mm 范圍內(nèi)目標(biāo)距離的實(shí)時(shí)測(cè)量，測(cè)量誤差在?9.807 mm～13.906 mm 范圍內(nèi)，其中平均97.45%的測(cè)量誤差小于±10 mm。本文算法在數(shù)據(jù)處理上具有連續(xù)性，避免了傳統(tǒng)雙目測(cè)距算法對(duì)每一時(shí)刻目標(biāo)信息作處理導(dǎo)致的計(jì)算量大、實(shí)時(shí)性低的缺點(diǎn)；且測(cè)距算法簡(jiǎn)單快速，可以有效減少智能移動(dòng)機(jī)器人信息處理模塊的復(fù)雜性，適用于需要快速確定目標(biāo)位置的場(chǎng)合。但要提高傳感器陣列對(duì)目標(biāo)方位確定及距離測(cè)量的精度，需要提高信號(hào)采集系統(tǒng)的抗噪能力，在目前信號(hào)采集系統(tǒng)中添加合適的抗噪抑制模塊，減少跳變信號(hào)，提高信號(hào)采集的穩(wěn)定性，從而提高目標(biāo)方位計(jì)算的準(zhǔn)確度以實(shí)現(xiàn)智能視覺(jué)機(jī)器人對(duì)目標(biāo)實(shí)時(shí)準(zhǔn)確的定位測(cè)距功能。