2025《双目测距原理与数学模型分析》1600字.docxVIP

第PAGE2页共168页

双目测距原理与数学模型分析

双目立体视觉系统通过直接模拟人眼视觉原理来实现测距目的的。首先，用两台型号、性能相同、相对位置固定的摄像机来捕获同一被测物的两幅图像。然后，通过匹配和提取出某些特征点的像点坐标后。最后，利用该成像模型的数学模型就可以计算出目标上某点的三维坐标，进而就可以求得摄像机与目标之间的距离。具体的数学模型图如下：

图2.3双目测距原理示意图

如上图所示，首先需保证两个摄像机的光轴相对位置固定，图中的和为两个相机的光轴，f为其焦距，b为两个坐标系原点之间的距离，由相似三角形原理，经过计算可以得出以下关系：

（2.1）

进一步可得出：

（2.2）

其中原点距离、焦距是能够通过摄像机标定得到的数据，这样就能求出我们所需要的深度信息即距离d，完成这个系统的最终任务。

一个完整的视觉测距系统就是模拟人眼系统的工作原理来实现自身功能的，那么，接下来就详细阐述视觉测距系统的结构构成。如图所示：

图2.4视觉测距系统结构示意图

第一，就是首先要进行的一步是对图像的采集，这是整个系统中最为基础的一步，它为之后所有的步骤提供了最基础的目标图像。常用的图像手机终端有：数码摄影机，工业摄像机，扫描仪，图像采集卡，USB摄像头等等，尽管他们的清晰度有一定的差距，但都能为系统提供基础图像信息。摄像时要考虑许多因素，例如，光照条件，环境复杂度，目标特征等。为保证系统运行的流畅度、结果的准确性，进行这一步时，尽量采集目标清晰，特征明显的图像。

第二，然后要进行的步骤就是对第一步中搜集到的目标进行处理。出于各种各样的原因，直接拍摄到的相片都会有许许多多的噪音或畸变，这会对之后的步骤产生极大的阻碍作用，严重影响实验的深入进行。所以我必须对图像进行一些技术上的预处置，以便尽可能地提高图片的清晰度，尽可能消除这部分的不利影响。常见的技术手段包括：图像平滑、直方图均衡化、灰度变换、几何规范化、增强对比度、边缘检测增强、图像滤波等。

第三，这一步是关键点，同时也是重难点，标定起源于上世纪早期的镜头校正，随着社会发展，人们对这方面的要求越来越高，就逐渐演变为相机标定这一领域。标定的结果的精确度以及标定过程中所使用的算法牢固性将会大大影响系统的最终结果的准度，本系统的最终目的是测距，那么，为了得到最终结果，就要明确目的物体在三维立体几何中与它在所拍摄的相片中以一对应的映射关系，这就要求我们一定要建立相机的成像几何模型，而这些模型参数正是所谓的相机参数。求解这些参数的过程就被称为摄像机标定。

这些参数在绝大部分情况中是通过反复多次的实验过程获得的。提高该步骤结果的精度和准度也是目前众多科学家与学者的重点研究方向。当今，最常用的摄像机标定方法有：传统相机标定法、主动视觉相机标定方法、相机自标定法，这几种方法都有其各自的优点与缺点，在应用时要根据具体场合与情况进行选择使用。

第四，相机标定后要进行的就是特征提取了。特征提取，顾名思义就是对特征进行提取，那么在计算机视觉中，“特征”就是图像中我们感兴趣的点，即我们要分析图像所需要的部分，这部分可以是点，可是是线（轮廓），也可以是区域，为了满足后续分析的条件，我们必须对图像的特定部分进行提取分析与匹配关联，所以提取哪个部分，怎么提取，提取多少就是这一步中我们所要研究的问题。同时，由于特征匹配属于计算机视觉中众多算法中的初级运算步骤，所以有大量特征检测算法被提出与发展出来，它们所要选择的特征部分大不相同，同时，其计算的复杂度、适用范围以及可重复性也大不相同。

第五，也是最后一个步骤——立体匹配，也被称为视差估计（disparityestimation）。这是本文所研究的系统中最为重要的一步，同时它的难度也是最大的。很多因素都会对这一环节产生影响，带来许多很难避免的障碍因素。例如：环境光源条件，镜头的畸变，目标物体拍摄不全、被部分遮挡，噪声等。综上，要想进行完美的一一对应的匹配，难度是极其大的，这也吸引了无数的学者进行了无数的深入研究，直至目前也没有发展处一种比较理想的算法，如今所使用的的主流算法按基元可分为：区域立体匹配算法、基于特征的算法以及基于相位的算法，或者按照最优化理论算法分为局部算法和全局算法。