单幅图像深度信息的提取 .pdfVIP

单幅图像深度信息的提取

赵信宇;朱晓蕊;余锦全

【摘要】视觉测距已成为机器人导航领域里一项重要的研究内容.本文提出一种基

于高斯-马尔科夫随机场模型,首先通过图像采集及激光测距系统,采集大量图像及

其相匹配的深度信息图,在人类视觉系统基础上,提取图像特征,通过训练完善模型,并

应用于新采集图像上.结果表明,该方法可以实现单幅图像深度信息的提取.

【期刊名称】《制造业自动化》

【年(卷),期】2010(032)003

【总页数】3页(P15-17)

【关键词】激光测距系统;高斯-马尔科夫随机场;单目测距

【作者】赵信宇;朱晓蕊;余锦全

【作者单位】哈尔滨工业大学,深圳,518055;哈尔滨工业大学,深圳,518055;哈尔滨

工业大学,深圳,518055

【正文语种】中文

【中图分类】TP391

0引言

距离信息在物体识别、路径规划以及场景复原上都有着重要应用。人类可以轻易地

判断出障碍物距离我们有多远，但是对于笨拙机器人来说，这个任务就变得相当艰

巨了。随着机器人导航在机器人应用领域里变得越来越重要，深度检测自然成为了

研究的重点。在机器视觉领域，深度检测可以通过摄像头或者其他图像处理的方法，

一般常用的是立体视觉法。但是立体视觉会受限与摄像头基线之间距离，还会受到

亮度噪声的影响，利用多个摄像头将会花费更多的成本。因此，我们考虑用一个摄

像头来完成深度检测的任务。

目前，相关的研究主要有Michels、Saxena以及Y.Ng等人利用监督训练法估计

一维深度信息，从而实现小车在高速下的自主避障[1]；GuoHong和LuYi等人

通过单一摄像头拍摄一系列目标物图像来估计物体深度信息[2]；Gini和Marchi

等人在已知室内环境的条件下，利用单个摄像头实现小车的自主运动[3]。本文主

要通过模型参数的训练，从而提取出单幅图像的三维深度信息图。

1模型建立

人类天生具有判断物体距离的能力，我们往往可以根据物体的纹理特征的变化、纹

理梯度的变化、物体完整性以及物体的模糊程度来估计他们的距离。例如，在我们

的视觉感知里，同一个物体在不同的距离具有不同的大小以及不同的纹理变化，在

不同的距离同一物体的清晰度也将发生变化。同时，我们在判断物体远近的时候还

要参考周围环境的影响，例如，如果只看到一幅图像中某一蓝色区域，那么我们将

很难判断这块区域到底是天空、海洋还是某一蓝色物体的一部分。因此，我们将图

像的纹理变化、纹理梯度以及模糊度作为特征提取出来，并参考图像全部信息来建

立并训练模型。

1.1特征的提取

首先，我们将图像划分成很多的小块，对应于每一小块，它具有独立的深度信息以

及相关深度信息，我们要做的是提取与这些信息相关的图像特征。将图像转换到

YCbCr的颜色空间里，其中Y代表亮度层，Cb和Cr为两个颜色层，很多纹理信

息都包含在其亮度层里。

为了提取独立深度特征，我们应用Lawsmasks[4]作为滤波器去处理图像的Y层，

从而得到纹理能量作为纹理变化的特征，应用边缘检测滤波器得到图像纹理梯度变

化特征，而模糊度主要体现在颜色层上，因此应用平均值滤波器处理CbCr层来

得到模糊度特征。我们将17个滤波器函数（9个Lawsmasks、6个边缘检测滤

波器以及两个颜色层）Fn(x,y),n=1,2…17作用于图像，可以得到图像的独立深度

特征为：

对于图像中每一个小块，它的深度信息不仅与自身特征有关，还与周围邻域的特征

有关，为了便于研究，我们将图像分层，不同层里相同大小的块包含着不同的全局

信息。因此我们在提取某一块的独立特征时，应包括在不同层下的该块及其四个邻

域的独立深度特征。

对应于某一块i，我们计算它的直方图，并用17个滤波器函数处理，从而得到它

的特征yi，这一特征用来表征不同位置深度信息的相关性。因此，我们用yij=yi-

yj作为相邻块之间的相关深度特征。如图1所示：

图1图像分层及绝对深度特征、相关深度特征示意图

1.2模型的建立

关于马尔科夫随机场的详细介绍请参考文献[5]。

利用马尔科夫随机场模型区建立不同块之间的深度关系，为了得到不同层之间的关

系，我们定义di(s):s=1,2,3代表不同层中某一块i的深度值，其中

di(s+1)=(1/5)ΣjeNs(i)∪(i)dj(s)，Nj(s)为块i的四个邻域，表示高一层的深度值由

低层深度值加权平均得到。我们建立高斯-马尔科夫模型如