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，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。

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，再通過各種最優(yōu)算法求得評價函數的最小值。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系統(tǒng)要求，本實驗選定SunTime130萬像素CCD彩色數碼工業(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據。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數據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函數對相機鏡頭進行標定，可以得到相機系統(tǒng)的內外參數.Af和Aright為左右相機鏡頭內部參數矩陣(焦距、成像原點)，燦和給岫為畸變系數，外部參數由旋轉矩陣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函數利用標定得到的內外參數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)內外參數如下：

內部參數：

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)為計算參數界面。通過BlockMatching方法得到視差值d，再利用函數cvReprojectImageTo3D標定得到的內外參數結合視差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組數據如表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