雙目立體視覺(jué)被動(dòng)測(cè)距

《雙目立體視覺(jué)被動(dòng)測(cè)距》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、雙目立體視覺(jué)被動(dòng)測(cè)距　　摘要視覺(jué)是人類獲取周圍環(huán)境信息的重要手段，當(dāng)用雙眼去觀察不同物體的時(shí)候，會(huì)有遠(yuǎn)近之分。雙目立體視覺(jué)系統(tǒng)就是仿照人的雙眼去感知距離，具體實(shí)現(xiàn)過(guò)程如下：雙目視覺(jué)系統(tǒng)的攝像機(jī)標(biāo)定、雙目攝像機(jī)同時(shí)獲取圖像、圖像預(yù)處理、特征點(diǎn)提取、特征點(diǎn)匹配和空間坐標(biāo)計(jì)算。本文從雙目視覺(jué)系統(tǒng)的原理出發(fā)，推導(dǎo)了雙目視覺(jué)系統(tǒng)的數(shù)學(xué)表達(dá)式，分析了幾種不同的特征點(diǎn)提取方法，提出了F-HARRIS方法，提高了計(jì)算效率，利用雙向交叉匹配辦法匹配特征點(diǎn)，在利用幾何約束，剔除誤匹配點(diǎn)，原理簡(jiǎn)單易懂，效果比較理想。試驗(yàn)中采用畸變效應(yīng)小

2、的攝像機(jī)（即不考慮畸變），且攝像機(jī)已做過(guò)標(biāo)定；圖像預(yù)處理就是一些簡(jiǎn)單的平滑濾波；圖像分辨率為2048*1536?！　　娟P(guān)鍵詞】特征點(diǎn)提取特征點(diǎn)匹配F-HARRIS　　1雙目立體視覺(jué)的數(shù)學(xué)表達(dá)　　為了描述問(wèn)題的方便我們定義三個(gè)坐標(biāo)系，真實(shí)世界事物的大小、位置一般用世界坐標(biāo)系（xw，yw，zw）表示；攝像機(jī)的光學(xué)成像系統(tǒng)用攝像機(jī)系統(tǒng)（xc，yc，zc）表示，事物的圖像在圖1所示的xoy平面內(nèi)，即圖像坐標(biāo)系平面，但圖像中心一般不和zc軸重合?！　⊥ㄟ^(guò)圖1可以看到，攝像機(jī)坐標(biāo)系就是聯(lián)系圖像坐標(biāo)系和世界坐標(biāo)系的橋梁，世界坐標(biāo)

3、系首先變換到攝像機(jī)坐標(biāo)系，然后通過(guò)取整、平移后，變換到圖像坐標(biāo)系的行和列。變換公式如下：　　公式中R和T組成旋轉(zhuǎn)、平移矩陣，將世界坐標(biāo)系中事物的坐標(biāo)轉(zhuǎn)換到攝像機(jī)坐標(biāo)系，由f組成的轉(zhuǎn)換矩陣，將攝像機(jī)坐標(biāo)系中事物的坐標(biāo)投影到圖像坐標(biāo)系的x-y平面上，最后把得到的位于圖像坐標(biāo)系x-y平面上的坐標(biāo)數(shù)值除以表示像素大小的dx、dy，就得到圖像坐標(biāo)系的行u和列v，但由于圖像坐標(biāo)系的中心和攝像機(jī)坐標(biāo)系的zc軸一般不重合，因此需要進(jìn)行平移u0行和v0列。其中，zc表示事物到鏡頭的距離，f表示焦距，fx=f/dx，fy=f/dy，表

4、示有效焦距。　　在單目攝像機(jī)系統(tǒng)中，世界坐標(biāo)系到圖像坐標(biāo)系的轉(zhuǎn)換關(guān)系用公式（1）表示，為了簡(jiǎn)化問(wèn)題，我們假設(shè)世界坐標(biāo)系的原點(diǎn)和雙目視覺(jué)系統(tǒng)中左目攝像系統(tǒng)的攝像坐標(biāo)系重合，且各自成像系統(tǒng)的有效焦距相同?！　?雙目立體視覺(jué)攝像機(jī)系統(tǒng)參數(shù)　　為了能夠?qū)Γ?）式進(jìn)行求解，需要確定所有參數(shù)數(shù)值，其中ul、vl和ur是匹配后的特征點(diǎn)像素坐標(biāo)，標(biāo)定后的其它系統(tǒng)參數(shù)如下：u0r為-17、u0l為43、v0l為-58、r1為0.9996、r2為-0.0010、r3為-0.0290、r7為0.0289、r8為-0.0086、r9為0.

5、9995、fl為1872、fr為1908、tx為-216.21和tz為-0.0818的值?！　?特征點(diǎn)的尋找　　目前應(yīng)用比較廣泛的圖像匹配是特征點(diǎn)匹配法，首先利用特征點(diǎn)算法計(jì)算特征點(diǎn)的位置，常用的特征點(diǎn)有SIFT特征點(diǎn)、HARRIS特征點(diǎn)和FAST特征點(diǎn)；然后利用描述子?μ卣韉憬?行某種表示，常用的描述子有BRIEF描述子和SIFT描述子，最后進(jìn)行特征點(diǎn)的匹配?！　?.1特征點(diǎn)尋找　　雙目視覺(jué)圖像沒(méi)有旋轉(zhuǎn)、尺度變化，不能發(fā)揮SIFT算子在不變特征提取方面無(wú)可比擬的長(zhǎng)處，反而暴露出其很差的實(shí)時(shí)性。本文針對(duì)HARRIS

6、實(shí)時(shí)性不足和FAST太依賴閾值以及圖像本身紋理信息分布可能造成特征點(diǎn)提取不均勻的缺陷，提出了一種改進(jìn)的角點(diǎn)檢測(cè)算法F-HARRIS，該算法借鑒了HARRIS角點(diǎn)和FAST角點(diǎn)的思想，先通過(guò)FAST思想（取小閾值）過(guò)濾掉大量不是候選角點(diǎn)的像素，之后計(jì)算出候選點(diǎn)的HARRIS響應(yīng)值R，然后篩選出真正的強(qiáng)角點(diǎn)，實(shí)驗(yàn)表明其具有幾乎和HARRIS角點(diǎn)檢測(cè)算法一樣的效果，檢測(cè)效率卻大大提高，尤其是對(duì)于角點(diǎn)數(shù)目小的大圖像而言，這種優(yōu)勢(shì)更加明顯，本文將這個(gè)算法稱為F-HARRIS?！　-HARRIS算法具體流程如下：　　Step

7、1：選取圖像中的任一像素點(diǎn)p。　　Step2：通過(guò)4.3.2節(jié)中FAST特征點(diǎn)檢測(cè)算法判斷p是否FAST特征點(diǎn)，如果是，轉(zhuǎn)Step3，否則跳轉(zhuǎn)到Step1?！　tep3：分別計(jì)算該像素點(diǎn)及其鄰域構(gòu)成的子圖像在X，Y方向上的梯度Ix和Iy。　　Step4：結(jié)合高斯模板ω，計(jì)算出該像素點(diǎn)的Hessian矩陣M。　　Step5：根據(jù)Hessian矩陣計(jì)算該像素的Harris響應(yīng)值R，如果R大于閾值t，則為角點(diǎn)，否則不是。如果圖像像素沒(méi)有遍歷結(jié)束，轉(zhuǎn)Step1，否則轉(zhuǎn)Step6?！　tep6：對(duì)R進(jìn)行非極大值抑制，局部

8、最大值點(diǎn)為角點(diǎn)?！　⊥ㄟ^(guò)對(duì)比試驗(yàn)，HARRIS方法用時(shí)146ms，檢測(cè)到角點(diǎn)數(shù)量884，而改進(jìn)算法F-HARRIS方法用時(shí)50ms，檢測(cè)到角點(diǎn)數(shù)量903。　　3.2雙目立體視覺(jué)的特征點(diǎn)匹配　　通過(guò)上面的描述，利用F-HARRIS方法我們已經(jīng)能非常高效的提取特征點(diǎn)，由公式（4）可知，要計(jì)算事物的三維空間坐標(biāo)，還需要將兩幅圖中表征事物相同位置的特征點(diǎn)匹配。　　本