楊晨曦 華云松

摘 ?要： 為了獲取目標(biāo)物體在空間中的三維信息，本文在雙目立體測量原理的基礎(chǔ)上，采取OpenCV和Matlab相結(jié)合的方法，設(shè)計了一個基于雙目立體視覺的目標(biāo)物體測距系統(tǒng)。該系統(tǒng)采取張定友棋盤標(biāo)定法，使用Matlab內(nèi)置的工具箱完成雙目相機(jī)標(biāo)定，采用SGBM（Semi-Global Block Matching）立體匹配算法在VS2017環(huán)境下結(jié)合 Opencv3.4.1庫，對左右相機(jī)獲得的圖像進(jìn)行立體匹配，生成視差圖，將二維空間點重投影到三維空間中，實現(xiàn)二維坐標(biāo)到三維坐標(biāo)的轉(zhuǎn)換，即可得到物體的三維點坐標(biāo)。最終實現(xiàn)通過鼠標(biāo)點選被測物體視差圖后輸出選定的空間三維坐標(biāo)。實驗結(jié)果顯示，該系統(tǒng)的測量精度較高，并且在140 cm距離的測量精度最高。

關(guān)鍵詞： 雙目視覺;目標(biāo)測距;三維測量;相機(jī)標(biāo)定;立體匹配;重投影

中圖分類號： TP317.4 ? ?文獻(xiàn)標(biāo)識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.01.028

本文著錄格式：楊晨曦，華云松. 基于雙目立體視覺的目標(biāo)物測距研究[J]. 軟件，2020，41（01）：128132

【Abstract】： To get the spatial three-dimensional information of the target object in space， this paper takes the approach of stereo vision measuring principle and designs a target object ranging system based on binocular stereo system. This system is accomplished by the combination of Opencv and Matlab. The binocular camera calibration was accomplished by using the built-in toolbox of Matlab based on the Zhang Dingyou chessboard calibration method. By conducting SGBM （Semi-global Block Matching） stereo matching algorithm adopted in VS2017 environment and Opencv3.4.1， images obtained by left and right cameras are matched in stereo， then parallax map is generated， 2d space points are re-projected into 3d space， 2d coordinates are converted into 3d coordinates， and 3d point coordinates of objects can be obtained. Finally， select the parallax map of the measured object through the mouse and output the selected three-dimensional coordinates. Experimental results show that the measurement accuracy of the system is high， and the measurement accuracy is the highest at the distance of 140 cm.

【Key words】： Binocular vision; Target ranging; Three-dimensional measurement; Camera calibration; Stereo matching; Reprojection

0 ?引言

機(jī)器視覺作為一種人工智能識別系統(tǒng)，廣泛應(yīng)用于醫(yī)學(xué)、工業(yè)、軍事、農(nóng)業(yè)等方向[1-3]。雙目立體視覺測量系統(tǒng)在工業(yè)制造、科學(xué)研究等領(lǐng)域中已成為了一種不可或缺的基礎(chǔ)工具[4]，其可以在不接觸目標(biāo)物的前提下獲取目標(biāo)物體的立體信息。雙目立體視覺測量方法具有高效率、高精度、簡單結(jié)構(gòu)、低成本等優(yōu)點，相機(jī)標(biāo)定、立體校正、立體匹配和三維重建是該技術(shù)的核心工作。

雙目視覺系統(tǒng)采用張定友提出的棋盤標(biāo)定法，通過雙目相機(jī)拍攝獲取左右目圖像，利用MATLAB完成雙目相機(jī)的標(biāo)定，通過相機(jī)標(biāo)定得到相關(guān)參數(shù)，在VS2017環(huán)境下結(jié)合Opencv3.4.1，利用SGBM[5]（Semi-Global Block Matching）算法實現(xiàn)左右圖像對的匹配，再進(jìn)行視差計算生成視差圖，最后再將二維坐標(biāo)點重投影至三維空間內(nèi)獲得圖像點的三維坐標(biāo)[6]。

1 ?雙目立體視覺測距離原理

雙目視覺測量原理：利用位于不同位置的兩個平行放置的相機(jī)獲取被測物體的二維圖像，通過三角幾何原理計算圖像像素之間的位置偏差（即視差），獲取被測物體的三維信息，即P點的三維坐標(biāo)。相機(jī)放置如圖1所示。

P為空間中的一個目標(biāo)點， ， 是兩個相機(jī)，相機(jī)焦距f，b為基線。要想得到P點的三維坐標(biāo)，只需要求得P點在相機(jī) 中的成像點 及在相機(jī) 中的成像點 的坐標(biāo)。當(dāng)雙目相機(jī)同時觀察P點時，P點在左右相機(jī)內(nèi)的成像點坐標(biāo)分別為 ， ，則根據(jù)圖1可利用三角形相似定律可得。

即若在左相機(jī)平面中任選一點對應(yīng)右相機(jī)平面上有且只有一點與之對應(yīng)，則可以確定該點在相機(jī)坐標(biāo)系的坐標(biāo)，進(jìn)而確定該點在空間中的坐標(biāo)值。

2 ?相機(jī)標(biāo)定

2.1 ?相機(jī)標(biāo)定原理

雙目立體視覺測量被測物體的三維信息，會涉及到各個坐標(biāo)系的轉(zhuǎn)換，該系統(tǒng)需要用到的坐標(biāo)系包括：世界坐標(biāo)系、圖像坐標(biāo)系、像素坐標(biāo)系和相機(jī)坐標(biāo)系[7-9]。基本方案是通過選定的相機(jī)模型，通過事先檢測獲得的點的圖像坐標(biāo)和世界坐標(biāo)，計算相機(jī)的模型參數(shù)，從而得到相機(jī)的投影矩陣[10-11]。

圖像坐標(biāo)系分為圖像平面坐標(biāo)系和平面像素坐標(biāo)系。圖像平面坐標(biāo)系的單位是物理單位，通常以毫米為單位，圖像像素坐標(biāo)系是以像素為單位，它們的轉(zhuǎn)換關(guān)系如下。

世界坐標(biāo)系是將空間中任意一點定義為坐標(biāo)原點的坐標(biāo)系，相機(jī)坐標(biāo)系是以鏡頭光心為原點建立的直角坐標(biāo)系，其中圖像坐標(biāo)系的 軸與 軸分別平行于 軸與 軸， 軸與圖像平面垂直。如圖2所示。

2.2 ?攝像機(jī)標(biāo)定

本文通過Matlab工具箱得到相機(jī)內(nèi)外參數(shù)和畸變參數(shù)。為了獲得較為準(zhǔn)確的標(biāo)定信息，采取先單目標(biāo)定再雙目標(biāo)定的方法，并且通過改變標(biāo)定板的位置、擺放角度以及標(biāo)定板和相機(jī)之間距離的方式，拍攝了17對共34張標(biāo)定圖，雙目相機(jī)標(biāo)定所用的標(biāo)定板的棋盤格大小為24×24 mm，角點數(shù)為9×6，圖像大小為1280×960。其實現(xiàn)過程如下。

（1）在matlab里輸入calib_gui分別讀入左右相機(jī)拍攝的17對棋盤格照片，分別對左右相機(jī)進(jìn)行標(biāo)定。如圖3所示。

（2）成功讀入所選照片后，點擊Matlab工具箱中Extract grid comers鍵，選取標(biāo)定圖片的角點，如圖4所示。

（3）選取角點之后，點擊工具箱中的Calibration鍵，對單個相機(jī)進(jìn)行標(biāo)定，并依次對左右相機(jī)按上述步驟進(jìn)行操作，得出對應(yīng)相機(jī)的內(nèi)參數(shù)。

（4）單目相機(jī)標(biāo)定后，輸入指令stereo_gui可以出現(xiàn)雙目標(biāo)定工具箱，依次讀入左右相機(jī)的參數(shù)后對雙目相機(jī)進(jìn)行標(biāo)定，最終得到平移向量 和旋轉(zhuǎn)向量R，即可求得兩相機(jī)之間的位置關(guān)系。

3 ?立體校正

當(dāng)左右兩相機(jī)的圖像平面完全共面時，此時進(jìn)行行對準(zhǔn)，立體匹配就會只在行間進(jìn)行搜索，這樣就可以過濾掉無法匹配的點。但是實際情況下中，由于擺放誤差的存在，兩個相機(jī)幾乎很難完整的共面以及行對準(zhǔn)，所以，對左右圖像進(jìn)行校正[12]就是不可避免的一個環(huán)節(jié)。OpenCV中的cvStereoRectify函數(shù)可以達(dá)到對圖像進(jìn)行立體校正的效果，將相機(jī)標(biāo)定后的相機(jī)內(nèi)參數(shù)，畸變參數(shù)，旋轉(zhuǎn)矩陣和平移向量輸入到此函數(shù)中，得到行對準(zhǔn)校正后的旋轉(zhuǎn)矩陣，左右相機(jī)投影矩陣P以及重投影矩陣Q。然后分別對左右圖像調(diào)用函數(shù)cvInitUndistortRectifyMap，該函數(shù)返回映射矩陣，再對圖像進(jìn)行校正，最后調(diào)用函數(shù)cvRemap，得到非畸變圖像。圖6所示為經(jīng)過立體校正后的左右圖像，這樣只需在同一行上搜索匹配的點即可。

4 ?立體匹配

在雙目立體視覺系統(tǒng)中，立體匹配[13]是一個關(guān)鍵技術(shù)，它是通過兩個相機(jī)同時獲取同一場景的立體圖像，尋求左右圖像之間一一對應(yīng)的關(guān)系，匹配兩個圖像上對應(yīng)的點，從而得到視差圖。立體匹配有多種方式，根據(jù)立體匹配的幾何約束和場景約束，匹配算法可以分為基于局部、全局、半全局的匹配算法，局部匹配算法快速簡單，但是得到的視差圖粗糙，易造成誤匹配且對噪聲敏感;全局匹配算法[14]精度高，計算相比于局部匹配復(fù)雜。半全局的匹配算法結(jié)合了兩者的優(yōu)勢，使算法性能在視差精度和計算復(fù)雜度上達(dá)到一個中和的、較好的效果[15]。

本文選用的SGBM算法是基于互信息計算匹配代價，根據(jù)相鄰像素點之間的視差梯度[16-17]信息，為初始匹配代價施加不同的懲罰項，采用平滑約束[18]，引用動態(tài)規(guī)劃算法[19]搜索最優(yōu)路徑，求解視差。

式（8）中，和分別是掃描線上的像素點，為左掃描線上的點處的灰度，為右掃描線上的采樣點線性內(nèi)插得到的;②匹配代價的聚合：通過沿8個方向掃描線上分別計算匹配代價，每個路徑的間隔為45°，然后將所有掃描線路徑的匹配代價進(jìn)行聚合;③視差的計算：通過迭代得到計算視差，用隨機(jī)的視差影像來校正右圖像，然后再進(jìn)行匹配，獲得新的視差圖;④視差的優(yōu)化處理：左右圖像匹配后，利用右圖像的點去匹配左圖像中對應(yīng)的點，如果兩次匹配的視差不相同，則將該誤匹配[20-21]的點剔除。

5 ?實驗結(jié)果

通過選取左右相機(jī)拍攝的各17張棋盤格圖 片進(jìn)行相機(jī)標(biāo)定實驗，所得到的內(nèi)外參數(shù)如表1所示。

在進(jìn)行了相機(jī)標(biāo)定之后，即可求得目標(biāo)的坐標(biāo)值。該系統(tǒng)是通過點擊鼠標(biāo)來確定選定的點，點的位置可能會存在不同，但由于取的點在一個平面內(nèi)，所以只求Z坐標(biāo)即可，即通過測量目標(biāo)點距離光心的距離來驗證實驗結(jié)果的準(zhǔn)確度。通過5組試驗的結(jié)果可知，在物體距離相機(jī)光心的距離在140 cm時誤差是最小的。隨著距離的增大或減小，測量的精度都在降低。測量結(jié)果如表2所示。

6 ?結(jié)論

本文基于雙目立體視覺的測量原理，主要研究了如何用雙目視覺測量物體的深度信息。對攝像機(jī)標(biāo)定，立體校正，立體匹配等技術(shù)進(jìn)行了研究，在Matlab中實現(xiàn)了雙目相機(jī)的標(biāo)定，并在VS2017環(huán)境下結(jié)合Opencv3.4.1實現(xiàn)了該系統(tǒng)。該系統(tǒng)可以生成待測物體的視差圖，通過點擊視差圖上對應(yīng)的點得到空間中對應(yīng)的三維坐標(biāo)。通過多次實驗可知，該方法在測量距離相機(jī)140 cm時測量精度較高，待測物接近相機(jī)或者遠(yuǎn)離相機(jī)時測量精度降低。

參考文獻(xiàn)

[1] 張國福， 沈洪艷. 機(jī)器視覺技術(shù)在工業(yè)檢測中的應(yīng)用綜述[J]. 電子技術(shù)與軟件工程， 2013（22）： 111-111.

[2] 師紅宇， 任小玲. 基于機(jī)器視覺的棉花異性纖維識別方法[J]. 軟件， 2018， 39（2）： 32-34.

[3] 李沫. 視覺檢測系統(tǒng)在汽車儀表自動化測試方面的應(yīng)用[J]. 軟件， 2018， 39（5）： 126-128.

[4] 彭俊善. 基于數(shù)字圖像處理技術(shù)建筑工地鋼筋計數(shù)的方法[D]. 深圳大學(xué)， 2017.

[5] Hirschmüller H. Stereo Processing by Semiglobal Matching and Mutual Information[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2007， 30（2）： 328-341.

[6] 董默， 趙若晗， 周志尊， 等. 醫(yī)學(xué)圖像三維重建系統(tǒng)設(shè)計與應(yīng)用[J]. 軟件， 2018， 39（1）： 87-90.

[7] 馬頌德， 張正友. 計算機(jī)視覺： 計算機(jī)理論與算法基礎(chǔ)[M]. 北京： 科學(xué)出版社， 1998： 72-75.

[8] 曲學(xué)軍， 張璐， 張凌云. 基于新的成像模型的攝像機(jī)標(biāo)定與三維重建[J]. 儀器儀表學(xué)報， 2011， 32（8）： 1830-1836.

[9] 夏茂盛， 孟祥磊， 宋占偉， 等. 基于雙目視覺的嵌入式三維坐標(biāo)提取系統(tǒng)[J]. 吉林大學(xué)學(xué)報： 信息科學(xué)版， 2011， 29（1）： 61-66.

[10] 于勇， 張暉， 林茂松. 基于雙目立體視覺三維重建系統(tǒng)的研究與設(shè)計[J]. 計算機(jī)技術(shù)與發(fā)展， 2009， 19（6）： 127-131.

[11] 匡斌， 何超明. 磁共振成像虛擬掃描技術(shù)的發(fā)展及趨勢淺談[J]. 磁共振成像， 2011， 2（3）： 218-223.

[12] 張曙， 華云松. 基于雙目立體視覺的目標(biāo)物定位研究[J]. 軟件導(dǎo)刊， 2018.

[13] 張力， 黃影平. 實時雙目立體視覺系統(tǒng)的實現(xiàn)[J]. 電子科技， 2016（3）.

[14] 郭龍源， 羅百通， 歐先鋒， 等. 自適應(yīng)窗口和半全局立體匹配算法研究[J]. 成都工業(yè)學(xué)院學(xué)報， 2017（1）.

[15] 孫道輝， 孫麗君， 陳天飛. 基于OpenCV的雙目立體匹配方法[J]. 軟件導(dǎo)刊， 2018， 17（09）： 92-94+100.

[16] 解則曉， 陸文娟. 基于圖像相似幾何特征的雙目匹配算法[J]. 中國激光， 2014， 41（5）.

[17] 洪奔奔， 管聲啟， 任浪， 等. 基于特征提取與匹配的帶鋼缺陷檢測[J]. 軟件， 2018， 39（9）： 31-34.

[18] 徐歡歡. 基于能量函數(shù)的圖像分割方法的研究[D]. 中國科學(xué)技術(shù)大學(xué)， 2009.

[19] 黃松梅， 畢遠(yuǎn)偉， 許曉. 雙目立體匹配算法的研究與實現(xiàn)[J]. 魯東大學(xué)學(xué)報： 自然科學(xué)版， 2018（1）： 25-30.

[20] 林森， 殷新勇， 唐延?xùn)|. 雙目視覺立體匹配技術(shù)研究現(xiàn)狀和展望[J]. 科學(xué)技術(shù)與工程， 2017（30）： 140-152.

[21] 胡雨豪，劉波. 基于機(jī)器視覺的四軸飛行器自主巡航算法改進(jìn)[J]. 軟件， 2018， 39（2）： 52-56.