基于双目立体视觉目标物定位研究.docVIP

基于双目立体视觉目标物定位研究 　　摘 要：为了实现视觉获取目标物立体信息，以立体测量原理为基础，采用Matlab和Opencv相结合的方法，设计了基于双目立?w视觉的目标物定位系统。该系统采用棋盘标定法，利用Matlab完成双目相机标定，采用BM（Block Matching）立体匹配算法在VS2010环境下配合Opencv3.0.0库，完成左右图像对的匹配，生成视差图。通过将二维空间点重投影至三维空间，便可求得目标点的空间三维坐标，最终实现通过鼠标点选后输出选定点的空间坐标。实验表明，该系统拥有较高的测量精度，尤其在150cm距离下可获得最佳的测量精度。 　　关键词：立体视觉；目标定位；相机标定；立体匹配；重投影 　　DOIDOI：10.11907/rjdk.172304 　　中图分类号：TP317.4 　　文献标识码：A 文章编号：1672-7800（2018）002-0198-04 　　0 引言 　　计算机视觉技术发展迅速，其中立体视觉技术成果丰硕，双目立体视觉技术正越来越多地应用在工业检测和机器人导航等领域，其可以在不接触目标物的基础上获取立体信息。该技术的核心工作是摄像机标定、立体匹配和三维重建[1]。 　　双目视觉系统采用Zhang提出的棋盘标定法，利用Matlab完成双目相机的标定。在VS2010环境下结合Opencv3.0.0，利用BM（Block Matching）算法实现左右图像对的匹配，最后通过将二维坐标点重投影至三维空间的方式获得目标的三维空间坐标。 　　1 双目立体视觉测量原理 　　双目视觉测量原理：从两个不同的观察角度获取同一物，获取在不同视角下的感知图像，通过三角几何原理计算图像像素间的位置偏差（即视差），获取景物的三维信息[2]。 　　本文采用平行双目立体视觉模型，即两相机平行放置，如图1所示。 　　P为空间中任意一点，当使用双目相机同时观察P点时，P点在左右相机的图像坐标是Pl=（xl，yl），Pr=（xr，yr），并有yi=yr=y，由三角几何关系可得： 　　视差D=xl-xr，故可求出在摄像机坐标系下P点的坐标为： 　　所以，如果左相机平面上的点在右相机平面上有且只有一个点与其对应匹配，则该点在摄像机坐标系下的坐标便可确定，从而进一步得到该点在空间中的坐标信息。 　　2 摄像机标定 　　2.1 摄像机标定原理 　　为获取目标物的立体信息，必然涉及到不同坐标系之间的转换，双目视觉系统需用到的坐标系有：世界坐标系、图像坐标系和摄像机坐标系[3-5]。摄像机标定即指构建摄像机图像像素位置与空间场景点位置之间的关系[6]，基本思路是：由已选定的摄像机模型，通过事先检测获得的点的图像坐标和世界坐标，计算摄像机的模型参数，从而得到摄像机的投影矩阵M[7-8]。 　　近些年摄像机标定技术发展很快，各具特点的标定方法层出不穷，在对比各种方法的优劣之后，本文选择棋盘格标定法对摄像机进行标定，该方法采用的是针孔模型。 　　图像坐标系分为图像平面坐标系和平面像素坐标系。图像平面坐标系的单位是物理单位，通常以mm为单位，图像像素坐标系是以像素为单位，它们的转换关系如下： 　　其中，（u，v）为图像像素坐标，（x，y）为图像平面坐标。 　　世界坐标系是原点可定义为空间任意一点的直角坐标系，摄像机坐标系是以镜头光心为原点的直角坐标系，其Xc轴和Yc轴分别平行于图像坐标系的x轴与y轴，Zc轴垂直于图像平面。世界坐标系与摄像机坐标系关系如下： 　　其中M为3×4矩阵，为投影矩阵。M1为摄像机内参数矩阵，M2为摄像机外参数矩阵。 　　2.2 摄像机标定 　　摄像机的标定有多种手段实现，本系统采用Matlab工具箱实现相机标定。相比其它方法，该方法更易于实现且精度更高，其实现过程如下： 　　（1）读入多张用于标定的棋盘格图片，对于左右相机分别进行标定，本文选择分别读入14张6×9的棋盘格图片，如图2所示。 　　（2）读入图片成功后，可在Matlab工具箱中选取提取角点按钮，完成标定图片的角点选取，如图3所示。 　　（3）完成角点提取后，通过Matlab工具箱的Calibration选项，对单目相机进行标定，分别对左右相机按以上步骤完成单目标标定，最终得到对应相机的内参数。 　　（4）完成单目标标定后，输入命令stereo_gui则可启用双目标定工具箱，首先读入左右相机各自的内参数，之后再对双目相机进行标定，最终得到旋转向量R和平移向量T，即可知道双目相机之间的位置关系。 　　3 立体校正 　　当两个像平面完全行对准时，计算立体视差最简单[9]。然而由于两台摄像机几乎不可能有准确的共面和行对准成像平面，完美的对准结构在真实的立体系统中几乎不存在。因此，要对两台摄像