双目汇聚摄像系统若干问题分析

《双目汇聚摄像系统若干问题分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第2页河南大学研究生硕士学位论文的双眼)同时拍摄，而在放映时，将两个摄像机拍摄的图像同时投影到屏幕上，并利用偏震光的原理，使人的双眼分别看到左右摄像机拍摄的图像，从而具有真实三维景物的立体感。生物功能的模拟是现代机器人视觉的最大挑战∞：。在计算机视觉系统中，双目视觉是用两台性能相同，相对位置固定的CCD摄像机，获取同一景物的两幅图像，计算空间点在两幅图像中的“视差(disparity)”，以此确定场景的深度信息，进而由计算机重建(reconstruction)周围景物的三维形状和位置Ⅲ。1．2．1双目视觉的研究内容双目视觉算法可分为六个主要部分：摄像机定标、图

2、像采集、特征提取、立体匹配、深度计算及深度信息内插心一引。1摄像机定标摄像机定标也称摄像机校准，其目的是建立有效的成像模型，并确定摄像机内外部属性参数，以便确定空间坐标系中物体与它在图像平面上像点之间的对应关系。2图像采集立体图像的采集是双目立体视觉的物质基础，图像采集的方式很多，主要取决与应用场合和目的。为了采集双目视觉需要的图像对，可以用两台性能相同、位置固定的摄像机从不同角度对同一景物进行拍摄，或者可以用一台摄像机从不同的角度两次拍摄同一景物。在获取立体图像时不但要满足应用要求，而且要考虑视点差异、光照条件、摄像机性能以及景物特点等因素的影响，以便于立体

3、视觉计算。3特征提取特征提取是为了得到匹配所需要的图像特征，由于目前尚没有一种普遍使用的理论可指导图像特征的提取，从而导致了立体视觉研究中匹配特征的多样性。目前，常用的匹配特征主要有点状特征、线状特征和区域特征。根据多视点的视察确定三维(3D)信息，其关键的一步是确定场景中同一物点在不在图像中的对应关系，解决该问题的方法之一是选择合适的图形特征并进行匹配。综合考虑，本文将图像中目标几何形状的角点，作为一种有效特征点进行提取，河南大学研究生硕士学位论文第3页并把角点作为对应点进行匹配，计算其视差，为深度信息的计算做准备。4立体匹配立体匹配是立体视觉中最重要也是最

4、困难的问题。当空间三维场景被投影为二维图像时，同一场景在不同视点下的图像会有很大不同。而且场景中的诸多因素，如光轴条件、景物几何形状和物理特征、噪音干扰和畸变以及摄像机特性等，都被综合成单一的图像中的灰度值。归一化积相关算法是一种典型的基于灰度相关的算法，因为有不受比例因子误差的影响和抗自噪音干扰能力强等优点而被广泛采用，本文也采用这一方法对图像进行匹配。5深度计算从二维灰度图像中获得三维深度信息是立体视觉的目的之一，也是机器人视觉中发展最迅速的领域。对于目标图像，将特征提取得到的角点作为对应点，结合对应点的外极线约束条件进行对应点匹配。利用对应点的视差，就可

5、以计算出基于双CCD成像的目标的深度信息。6深度信息内插立体视觉的最终日的是为了恢复景物可视表面的完整信息。目前，无论是哪种匹配方法都不可能恢复出所有图像点的视差。对于一个完整的立体系统来讲，都必须进行最终的表面内插重建。在内插过程中，最重要的问题就是如何有效地保护场景面的不连续信息佑3。在一个典型的双目视觉系统中，两摄像机沿基线放置，空间点的像分别在左右两个像平面上的投影位置的间距称为视差。由视差计算深度是非常容易的，但视差本身的计算是立体视觉中最困难的部分，它涉及到模型分析、摄像机定标、图像预处理、特征选取及特征匹配。机器人双目立体视觉系统结构如图卜1所示

6、。在机器人双目视觉系统的硬件结构中，目前通常采用两个CCD摄像机作为视频信号的采集设备，通过专用图像采集卡与计算机连接，把摄像机采集到的模拟信号经过采样、滤波、量化，最终将图像数据提供给计算机。当置于移动机器人上的摄像机沿基线放置，其光轴相互平行时，构成双目平行立体视觉系统，这是最简单最典型的一种情况，通过对它各个部分的几何关系的分析，我们可以获取目标场景的深度信息；当光轴互成一定角度时，构成双目汇聚立体视觉系统，由于双目汇聚立体视觉系统能决绝双目平行立体视觉系统中常遇到的盲区问题，在第4页河南大学研究生硕士学位论文现实中更常用一些，双目汇聚立体视觉系统是本文

7、研究的重点之一。机器人双目业体视觉系统硬件视觉传感器视频数字化设备计算机及其外设机器人计算机软件软件氏-————叫视频处理算法机器人控制软件图1—1机器人双目立体视觉系统的组成机器人双目立体视觉系统的软件结构包括计算机操作系统及其应用软件、视觉处理算法、机器人控制处理，其中视觉处理算法的范围十分广阔，根据应用目的的不同，可包括图像输入处理、摄机定标法、图像预处理(滤波，边缘提取等)、特征选取、图像匹配，深度识别、深度图生成等。1．2：2国外研究现状国外在基于双目立体视觉的计算机三维重建方面，主要是分立体匹配和三维重建两个部分进行研究。立体匹配部分主要是研究特征

8、点的提取和匹配算法；三维重建部分主要是