猪体图像匹配算法研究付为森滕光辉.DOC

猪体图像匹配算法研究 付为森，滕光辉 （中国农业大学水利与土木工程学院，北京，100083） 摘要：匹配算法是基于双目视觉原理检测系统的一个重要研究内容。匹配算法的选择影响到检测算法的精度及整个系统的运行效率。对图像的匹配策略进行了分析，以极线约束、视差约束和灰度相关匹配算法实现了对标定板内角点的匹配，x坐标匹配误差在1象素之内， y坐标匹配误差平均为4.7象素。利用该匹配算法实现了对猪体九个关键点的匹配，为进一步研究打下了基础。 关键字：猪；图像；匹配算法； Abstract ：Matching algorithm is an important task in inspection system which is based on the principle of binocular vision. The choice of matching algorithm affects the accuracy of detection algorithms and the efficiency of the whole system. Based on the analysis of matching strategy, matching algorithm of corner points on the calibration plate was achieved based on epipolar constraint, disparity constraints and gray correlation. The matching error of x coordinate was in 1 pixel, but was 4.7 pixels to y coordinates. The algorithm was used to match nine points on the back image of pigs successfully, and this lay a foundation for further study. KeyWords：Pig；Image；Matching Algorithm 一、引 言 为了实现对猪生长状态的实时监测，国内外的研究者利用图像工程技术采集猪体图像，通过分析数字图像来获取猪的体长、体高、体宽、背部周长、面积等易获取的体型参数，估算体重等其它不易获取的参数，以期及时、准确地为生产管理和经营决策提供依据。 基于双目视觉技术的猪生长监测系统中，猪体左右图像的匹配是系统实现的关键步骤。图像匹配也是计算机视觉和图像处理中一个重要的研究热点[1~2]。在双目立体视觉中，图像匹配是为了得到场景的深度信息，需要找到场景中同一点在左右图像中的对应坐标。而在基于双目视觉技术的猪生长监测系统中，匹配的主要任务就是找到猪体背部同一点在左右猪体图像中的坐标以获取视差，从而测得猪体的高度及猪体背部关键点的空间位置，为检测猪体宽度和长度提供基础。本文简要总结了图像匹配算法策略，并根据猪体图像特征确定了猪体左右图像的匹配策略，在实验室内利用包含棋盘的标定板图像进行了实验验证。 二、图像匹配算法策略 为解决图像匹配问题，人们提出了各种各样的匹配算法，但是都包含了特征空间、相似性度量、搜索空间、搜索策略四个要素，这四要素不同的组合形成不同的匹配算[3]。特征空间即是图像中可以参与匹配的特征, 这些特征可以包括象素灰度值、边界、轮廓、角点及统计特征如矩不变量等。相似性度量指确定待匹配特征之间的相似性程度的标准, 它一般是判别函数或者距离函数，如相关函数和距离、归一化相关函数等作为匹配度量。搜索空间是指所有可能的特征值所组成的空间，它确定了利用相似性度量对特征参数进行判断所得的可能匹配的点空间。搜索算法是在搜索空间中找到一个最优特征值, 使得相似性度量标准达到最优值。不同的搜索算法对于减少计算量有重要意义。这里采用的匹配算法首先根据极线、位置等约束确定一个初步的可能匹配点的搜索范围，再利用基于灰度相关的匹配实现左右图像对应点的匹配，并且利用棋盘图像验证了匹配算法。 （一）极线约束 由双目立体视觉中两摄像机的关系可知，空间点P与两摄像机光心O1,O2组成的三角形在平面∏上，而P在左右图像上的像点位置p1 、p2也在P与O1,O2的连线上，所以p1 、p2也在平面∏上，则p1 、p2也分别在平面∏与左右图像面的交线上,这两条交线互为极线。因此，根据极线原理，不需在整个像面上找空间一点的对应，而只需在对应极线上搜索即可，这样便将潜在的二维搜索空间降为一维。在实际求解中，如果已经获取左右摄像机的投影矩阵，那么就可以通过他们求得对应的极线方程[4]。