双目视差测距中图像配准技术研究.docVIP

双目视差测距中图像配准技术研究 　　摘 要：双目视差测距是被动光电测距中的一种重要方法。主要就双目视差测距中的图像配准问题进行了探讨，找出了一种基于区域的快速匹配算法，同时比较了OpenCV中Block Matching块匹配法和Graph Cut图切割法，从而实现了基于Block Matching块匹配的双CCD测距系统，最后对实验结果进行了分析验证，结果证明该系统有效而实用。 　　关键字：双目视差；图像配准；快速匹配；光电测距 　　中图分类号：TN929.1 文献标识码：A 文章编号：2095-1302（2013）04-0013-03 　　0 引 言 　　光电测距技术从光源的角度可以分为两种：主动测距和被动测距。主动测距需要人造光源照射目标物体，通过反射回来的光的纹理等特征，或直接计算光的传播时间来确定目标的距离[1，2]。相对于主动测距的是无人造光源照射的被动测距，它利用自然光辐射分析得到目标的距离。因此，被动测距具有防信息泄露，隐蔽性好，测距快速灵活，自动化程度高，小巧轻便，容易使用等优点，在机器人视觉、航空测距、智能交通、军事等领域有较大的应用价值[3]。 　　利用三角视差原理，人类能通过双眼获取环境三维信息中的深度信息。运用几个相机对同一景物从不同位置拍照获取图像，进行图像处理得到视差，进而从视差中恢复距离。在这个过程中，图像配准是关键步骤之一。对视差测距的约束也主要体现在所采用的配准策略上。图像配准就是通过确定两幅图像的几何变换参数，建立两幅图像之间的对应关系，对其中一幅图像进行几何变换的过程。在影像分析、机器视觉、三维重建等方面，图像配准技术是图像分析和处理的基本问题[4]。本文就双目视差测距中的图像配准问题进行了探讨，设计实验系统并用Block Matching方法对图像进行匹配，测得目标距离。 　　1 双目视差测距模型 　　左右两个相机平行放置，光轴距离为b（即基线距离）。Q为被测物体上的一点，到像平面的垂直距离为L，f为组合物镜焦距。Q在左右相机上的成像点分别为Q1、Q2，由相似三角形可知[5]： 　　其中，x1-x2为目标点Q在左右图像上成像的位置差即视差，可由图像配准得到；b为基线距离，由相机标定确定；f为相机给定参数。 　　2 几种图像配准方法比较 　　立体匹配算法大致可分为两类：一类为基于区域的算法，这种算法的优点是很容易恢复出高纹理区域的视差图，速度快，占用内存少，但在低纹理区域效果不好，会产生大量误匹配，导致边界模糊。另一类为基于全局的算法，此算法一般用平滑性约束和相容性约束来构成一个评价函数，再通过各种最优算法求得评价函数的最小值。这种算法由于是全局寻优，因而它的匹配准确性较高，但匹配速度很慢。 　　2.1 Block Matching块匹配法 　　Block Matching（BM）模块匹配法是一种基于区域的局部匹配算法[6]。该算法使用SAD（Sum of Absolute Difference）“绝对误差累计”的小窗口来查找立体校正后左右两幅图像之间的匹配点，图2所示为SAD算法。 　　构造小窗口后，用该窗口覆盖左摄像头的图像，选择出窗口覆盖区域内的所有像素点；同样用该窗口覆盖右摄像头的图像并选择出覆盖区域的像素点。左边覆盖区域减去右边覆盖区域，求出所有像素点差的绝对值的和即SAD值。然后移动右边图像的窗口，再次计算SAD值。找到一定范围内的最小的SAD值对应的右图像素块就是左图最佳匹配像素块。由匹配块与当前块的相对位置计算出运动位移，所得运动位移即为当前块的运动矢量，通过运动矢量得到视差值。BM模块匹配法就是通过在整幅图上使用SAD滑动窗口完成对其中一幅图像中特征点的匹配。 　　2.2 Graph Cut图切割匹配法 　　Graph Cut图切割法是OpenCV中另一种基于全局的匹配算法，它首先对参考图像进行Canny检测，再用初始窗口对每个像素用自适应窗口算法[7]进行计算。基于全局的匹配算法由于是全局寻优，因而可以获得较高的匹配准确性，特别是采用Graph Cut图切割思想的算法精度很高。但是，由于图切割方法所建立的网格图包含了大量的节点和边缘，每个像素都需要遍历该像素所有可能的像素差来计算视差，这占用了大量的时间，降低了效率。因此，Graph Cut图切割算法不适用于要求快速处理的实时性场合[7]。 　　3 双目立体视觉Block Matching块匹配法的实现 　　3.1 实验环境 　　该实验主要通过搭建硬软件环境，结合计算机编程实现基于区域的局部匹配算法[8]。根据系统要求，本实验选定Sun Time 130万像素 CCD彩色数码工业相机与1/2″C口8～50 mm手动光圈镜头。在双相机系统上利用拍摄的标定板进行标定和匹配得出数据。以VS2008+OpenCV2.3.1为