汇聚式双目立体视觉在室内移动机器人定位中的应用

张译之 周海燕 边晓伟

摘要：现有的室内移动机器人的定位方式一般有两种，一种是依靠传感器判断机器人与周围场景之间的距离；另一种是在机器人头顶上端安装摄像头，使用平衡双目方法计算两相机之间的视差。双目相机模型的硬件要求高，在实际应用中很难发现适用于平行双目的相机。在机器视觉领域中，根据使用的摄像头数目可以将其分为单目视觉、双目视觉、多目视觉等三种。本文主要对双目视觉中的汇聚式双目视觉进行研究，研究汇聚式双目立体视觉在室内移动机器人中的应用。

关键词：汇聚式双目立体视觉；室内移动机器人；定位

单目相机拍摄的图像只是三维空间点在二维平面上的投影，无法恢复出空间点的三维坐标信息。在定位过程中需要不断移动单目相机，得到的三维空间点坐标具有不确定性。多目视觉可以在不同的相机内呈现出不同的三维空间点投影坐标，多目视觉的系统设计较为复杂，在恢复三维点的空间坐标信息处理中计算量大，视觉系统不稳定。双目视觉能够利用同一三维空间点在两个不同相机上的投影来恢复空间点的三维空间坐标，通过双目视觉计算得到的三维点坐标尺度具有准确性，视觉系统自身的稳定性较高。

1 針孔相机模型

相机能够将实际生活中的三维空间点投影到二维成像平面中，通过几何模型进行描述。一般会采用针孔相机模型描述一束光线通过光心后在针孔背面投影成像的关系。针孔相机模型一般由4个坐标系来描述：世界坐标系OwXwYwZw、相机坐标系OcXcYcZc、图像像素坐标系O1uv、图像物理坐标系Oxy。

2 相机标定

物体的实际三维空间点坐标和对应的图像坐标是通过几何模型来建立联系的。这个模型也被称为相机参数模型，包括相机内参和相机外参。而获得精确的相机模型是对物体实际尺寸的测量及空间位置的定位的关键所在。相机标定可分为：传统的相机标定法、相机的自标定法、张正友标定法。

2.1 传统相机标定法

根据计算相机模型参数的不同，可将传统的相机标定法分为：直接线性变换法、利用最优化算法的标定方法、两步法。传统的相机标定方法的特点是：标定精度高，标定结果取决于标定物的制作精度。传统的相机标定方法常用于相机内参模型固定、相机标定精度高的场合[1]。

2.2 相机的自标定算法

相机的自标定算法是在相机运动过程中拍摄任意场景的图像序列，根据相应匹配点在这些序列中的匹配，反推出相机的参数模型。由于相机自标定算法是非线性的，所以该方法的鲁棒性不高，标定结果精度不准确。相机的自标定法常用于不易放标定物或相机模型经常改变的场合。

2.3 张正友标定法

张正友标定法在目前相机标定方法中应用最广泛，1998年张正友[2]教授提出一种基于棋盘格的标定算法，它是介于传统标定算法和相机自标定算法之间的一种算法。该算法具有较好的鲁棒性，标定结果精准，求解过程简单，用时较少。在此次研究中使用标定工具箱对实验室中使用的双目相机进行标定。经过标定后的相机参数与理论分析的误差不大，标定后的相机模型基本准确，为使用双目相机进行定位和测量提供了良好的理论依据。

3 双目定位及测量

3.1 汇聚式双目立体视觉定位测量模型

平行式双目立体视觉也是理想的双目立体视觉测量模型，它对左右相机的参数提出了要求，左右相机的内参和外参需要完全相同。在理想的双目立体视觉测量模型下，同一空间点在两相机的投影平面上是行对准的，但要找出相机参数完全相同的两相机是不现实的，也很难做到只改变两相机的空间相对位置使同一点在两相机成像平面上的v值相同。

空间中三维点在左右相机均有投影，投影的像素坐标已知。通过两相机的内外参数和空间点在两相机成像平面相应的像素坐标可以得到该点在三维空间中的具体位置。

3.2 目标物定位

双目相机完成立体标定后，需要利用标定后所得到的参数对相应的匹配点进行三维空间定位。因此需要事先准备已知几何特性的参照物。棋盘格的角点为整幅图像中最容易辨认的几何特征。绘制的标定板中每个棋盘格的边长为20mm，因此选取棋盘格的角点作为空间测量点，通过计算得出棋盘格角点的三维空间坐标。可将空间点坐标的深度信息与深度信息测量值的误差作为相机定位测量模型的评判标准。计算对角点的三维空间坐标信息的，得出几组角点的三维空间坐标，深度相对误差均值为0.34%，最大值为0.73%。根据角点的三维空间信息，测量角点的欧式距离，测量距离的相对误差在0.95%～2.25%之间波动，满足室内移动机器人的测量定位需求。

4 结语

本文根据实验室中实际的双目相机，提出汇聚式双目立体定位测量模型，并对该模型进行了测量及定位的实验。实验结果表明该模型测量的深度相对误差在0.11%～0.73%之间波动，且测量线段长度的相对误差在0.95%～2.25%之间波动，满足现有的室内机器人对定位的精度需求。

参考文献：

[1]唐志豪.基于双目立体视觉的测量技术研究[D].江苏大学，2006.

[2]Zhang Zhengyou . A flexible new technique for camera calibration[J]. Transaction on Pattern Analysis and Machine Intellgence， 2000， 22（11）： 13301334.