雙目視差測距中的圖像配準技術研究1

引言

光電測距技術從光源的角度可以分為兩種：主動測距和被動測距。主動測距需要人造光源照射目標物體，通過反射回來的光的紋理等特征，或直接計算光的傳播時間來確定目標的距離。相對于主動測距的是無人造光源照射的被動測距，它利用自然光輻射分析得到目標的距離。因此，被動測距具有防信息泄露，隱蔽性好，測距快速靈活，自動化程度高,小巧輕便，容易使用等優(yōu)點，在機器人視覺、航空測距、智能交通、軍事等領域有較大的應用價值。

利用三角視差原理，人類能通過雙眼獲取環(huán)境三維信息中的深度信息。運用幾個相機對同一景物從不同位置拍照獲取圖像，進行圖像處理得到視差，進而從視差中恢復距離。在這個過程中，圖像配準是關鍵步驟之一。對視差測距的約束也主要體現(xiàn)在所采用的配準策略上。圖像配準就是通過確定兩幅圖像的幾何變換參數(shù)，建立兩幅圖像之間的對應關系，對其中一幅圖像進行幾何變換的過程。在影像分析、機器視覺、三維重建等方面，圖像配準技術是圖像分析和處理的基本問題。本文就雙目視差測距中的圖像配準問題進行了探討，設計實驗系統(tǒng)并用BlockMatching方法對圖像進行匹配，測得目標距離。

1雙目視差測距模型

圖1所示為雙目立體視覺測距系統(tǒng)原理圖。

圖1  雙目立體視覺測距系統(tǒng)原理圖

左右兩個相機平行放置，光軸距離為師即基線距離）。Q為被測物體上的一點，到像平面的垂直距離為L,f為組合物鏡焦距。Q在左右相機上的成像點分別為Q1、Q2，由相似三角形可知：

由上兩式可得出目標點到相機的距離為：

其中，x1-x2為目標點Q在左右圖像上成像的位置差即視差，可由圖像配準得到；b為基線距離，由相機標定確定；f為相機給定參數(shù)。

2幾種圖像配準方法比較

立體匹配算法大致可分為兩類：一類為基于區(qū)域的算法,這種算法的優(yōu)點是很容易恢復出高紋理區(qū)域的視差圖，速度快，占用內存少，但在低紋理區(qū)域效果不好，會產生大量誤匹配，導致邊界模糊。另一類為基于全局的算法，此算法一般用平滑性約束和相容性約束來構成一個評價函數(shù)，再通過各種最優(yōu)算法求得評價函數(shù)的最小值。這種算法由于是全局尋優(yōu)，因而它的匹配準確性較高，但匹配速度很慢。

2.1BlockMatching塊匹配法

BlockMatching(BM)模塊匹配法是一種基于區(qū)域的局部匹配算法。該算法使用SAD(SumofAbsoluteDifference)"絕對誤差累計”的小窗口來查找立體校正后左右兩幅圖像之間的匹配點，圖2所示為SAD算法的示意圖。

構造小窗口后，用該窗口覆蓋左攝像頭的圖像，選擇出窗口覆蓋區(qū)域內的所有像素點；同樣用該窗口覆蓋右攝像頭的圖像并選擇出覆蓋區(qū)域的像素點。左邊覆蓋區(qū)域減去右邊覆蓋區(qū)域，求出所有像素點差的絕對值的和即SAD值。然后移動右邊圖像的窗口，再次計算SAD值。找到一定范圍內的最小的SAD值對應的右圖像素塊就是左圖最佳匹配像素塊。由匹配塊與當前塊的相對位置計算出運動位移，所得運動位移即為當前塊的運動矢量，通過運動矢量得到視差值。BM模塊匹配法就是通過在整幅圖上使用SAD滑動窗口完成對其中一幅圖像中特征點的匹配。

2.2GraphCut圖切割匹配法

GraphCut圖切割法是OpenCV中另一種基于全局的匹配算法，它首先對參考圖像進行Canny檢測，再用初始窗口對每個像素用自適應窗口算法進行計算?；谌值钠ヅ渌惴ㄓ捎谑侨謱?yōu)，因而可以獲得較高的匹配準確性，特別是采用GraphCut圖切割思想的算法精度很高。但是，由于圖切割方法所建立的網(wǎng)格圖包含了大量的節(jié)點和邊緣，每個像素都需要遍歷該像素所有可能的像素差來計算視差，這占用了大量的時間，降低了效率。因此，GraphCut圖切割算法不適用于要求快速處理的實時性場合。

3雙目立體視覺BlockMatching塊匹配法的實現(xiàn)

3.1實驗環(huán)境

該實驗主要通過搭建硬軟件環(huán)境，結合計算機編程實現(xiàn)基于區(qū)域的局部匹配算法凱根據(jù)系統(tǒng)要求，本實驗選定SunTime130萬像素CCD彩色數(shù)碼工業(yè)相機與1/2"C口8~50mm手動光圈鏡頭。在雙相機系統(tǒng)上利用拍攝的標定板進行標定和匹配得出數(shù)據(jù)。以VS2008+OpenCV2.3.1為編程環(huán)境，進行匹配測距實驗。

實驗硬件系統(tǒng)如圖3所示，兩組相機平行放置于長度為30cm的標尺條上，下方用滑輪固定，可以根據(jù)需要調整兩相機的間距。標尺條固定在三角架上,三腳架上自帶兩個水平儀，以將系統(tǒng)調至水平。兩相機通過USB數(shù)據(jù)線連接到兩臺計算機進行圖像處理和計算。

3.2相機標定

標定板為7X7的黑白棋盤格，每格尺寸為25.4mmX25.4mm。左右相機同時對標定板拍照，得到14對共28張圖像。用OpenCV中的cvStereoCalibrate函數(shù)對相機鏡頭進行標定，可以得到相機系統(tǒng)的內外參數(shù).Af和Aright為左右相機鏡頭內部參數(shù)矩陣(焦距、成像原點)，燦和給岫為畸變系數(shù)，外部參數(shù)由旋轉矩陣R和平移向量T表示，它們共同確定了左右相機的相對位置關系，圖4所示是左右相機的位置關系圖。之后的雙目校正cvStereoRectify函數(shù)利用標定得到的內外參數(shù)分別對左右視圖進行消除畸變和行對準，以使左右視圖的成像原點坐標一致、兩攝像頭光軸平行、左右成像平面共面、對極線行對齊。

標定得到的相機系統(tǒng)內外參數(shù)如下：

內部參數(shù)：

標定得到T向量在X方向上的坐標為28.8cm。旋轉矩陣R接近單位矩陣，說明兩相機之間基本保持平行，符合雙目視差模型要求。

3.3立體匹配

得到相機內外參數(shù)之后，就可以用BlockMatching法對目標圖像進行匹配計算視差。對圖像中距離測距系統(tǒng)5m(實測)處的黃色便利貼進行測距，過程如圖5所示。其中，圖5(a)為目標圖像的左右相機匹配過程中的視圖，圖5(b)為計算參數(shù)界面。通過BlockMatching方法得到視差值d，再利用函數(shù)cvReprojectImageTo3D標定得到的內外參數(shù)結合視差d可以恢復出目標的三維信息。由圖5可見計算出的距離為494cm，與實際距離有1.2%的相對誤差。

用該實驗系統(tǒng)分別對3m，5m，10m，15m，25m的景物進行拍照，并對每組圖像上的兩個點進行測距，所得到的10組數(shù)據(jù)如表1所列。

4結語

相比主動測距，基于三角視差的雙CCD被動測距具有儀器簡單，適用場合廣泛，保密性好的優(yōu)勢。本文研究的基于區(qū)域的局部匹配算法BlockMatching，使用SAD“絕對誤差累計”小窗口，查找經(jīng)過校正后的左右兩幅圖像之間的匹配點，它匹配速度快，幀處理速度在5幀/s以上，并且精度較高，在10m的距離內，誤差都是小于2.0%。整個測距系統(tǒng)有較強的實用性。但同時，隨著距離的增大，由于標定誤差、光線和人為因素等的影響，精度也有所下降。另外，立體匹配只查找兩幅圖像之間的強匹配點，也是誤差隨距離增大的重要原因。

20211020_616ff8bf18640__雙目視差測距中的圖像配準技術研究1