蓝畋 华云松
摘 要: 为了实现双目摄像机对目标物测量精度的提升,本文提出一种基于立体标定件的双目立体视觉目标物测量方法。在摄像机标定步骤中,本方法在传统标定方法基础上,利用立體标定件的几何特性以及相邻面的图像冗余对初步标定的内外参矩阵进行修正,提升标定数据的精确性,然后利用SGBM(Semi-Global Block Matching)立体匹配算法对校正后的左右图像进行匹配,获取测量物上各点的三维坐标值,从而实现对目标物的尺寸测量。分别用不同的物体进行测量后,实验结果证明本方法能将误差控制在1 mm以内,具有较好的准确性。
关键词: 双目立体视觉测量;立体标定件;相机标定;立体匹配
中图分类号: TP317.4 文献标识码: A DOI:10.3969/j.issn.1003-6970.2020.06.020
本文著录格式:蓝畋,华云松. 基于立体标定件的双目视觉目标测量方法[J]. 软件,2020,41(06):9195
【Abstract】: In order to improve the measurement accuracy of the target by the binocular camera, a binocular stereo vision target measurement method based on stereo calibration parts is proposed in this paper. In the camera calibration step, based on the traditional calibration method, this method uses the geometric characteristics of the three-dimensional calibration part and the image redundancy of adjacent surfaces to modify the initial calibration internal and external parameter matrix to improve the accuracy of the calibration data. The Semi-Global Block Matching algorithm matches the corrected left and right images to obtain the three-dimensional coordinate values of the points on the measurement object, thereby achieving the measurement of the size of the target object. After measuring with different objects, the experimental results prove that the method can control the error within 1mm, and has better accuracy.
【Key words】: Binocular stereo vision measurement; Stereo calibration; Camera calibration; Stereo matching
0 引言
人眼能够轻松的感知物体在空间中的位置,但无法实现对三维空间物体的精准测量。立体视觉作为计算机视觉的重要分支,它利用图像采集及预处理、摄像机标定、立体校正、立体匹配、图像深度信息还原等步骤实现对目标物的非接触精准测量。相比于人工测量,双目立体视觉测量不仅有效率高、精度高、自动化程度高等优点,更能获取目标测量物的特征几何参数及空间姿态特性,实现了目标物测量的智能化。
本文在传统张正友标定法[2]的基础上,根据立体标定件的几何特性及标定件相邻面的图像冗余作为约束,对双目摄像机内外参进行修正,再结合立体校正和SGBM立体匹配算法实现对目标物的高精度测量。
1 测距原理
基于双目立体视觉的测量是通过两个平行放置的摄像机对同一目标物进行拍摄,在获取的二维图像上计算出两幅图像的像素位置偏差,利用得到的视差图再根据三角几何原理获取被测物体的三维信息,原理图如图1所示。
2 相机标定
2.1 相机标定原理
2.2 立体标定方法
在利用传统方法得到两个摄像机的内外参矩阵 后,可利用立体标定件的固有几何特性对标定结果进行修正。
针对左摄像机所拍摄的画面,如图3所示。通过Harris角点检测出 ,及其连线上的三个角点,再据初步计算出的左摄像机内外参 ,计算得出这五个点的坐标。最后利用最小二乘法拟合出三维向量 ,表示为 再用相同的方法求出 的向量 以及 的向量 。
4 立体匹配
立体匹配算法是双目立体视觉整个过程的核心,它能够将两个摄像机拍摄到的两张或者多张图像转化为视差图,从而获取物体的深度信息。根据约束条件的不同,立体匹配算法可以分为全局立体匹配算法、局部立体匹配算法以及半全局立体匹配算法。其中,全局立体匹配算法利用利用图像本身及附近区域的像素点信息进行匹配,优点是匹配效果较好,针对小间断区域和低纹理区域也能达到较好的匹配效果。而局部立体匹配算法是利用图像的灰度信息完成匹配,能在较短的时间内完成计算,但缺点是对于深度间断和低纹理区域不能达到较好的效果。半全局立体匹配算法则是在全局能量函数上加入额外的平滑约束公式:
其中, 表示基于视差为 的所有像素匹配代价和。 代表图像中的某个像素, 为惩罚系数,它适用于图像中像素 相邻像素中视差值与 视差值相差为1的像素, 也是惩罚系数,它适用于图像中像素 相邻像素中视差值与 视差值相差大于1的像素。 代表若函数内判别式为真,则返回1,否则返回0。
本实验选用SGBM(Semi-Global Block Matching)这个半全局匹配算法对图像进行立体匹配,为了获得该函数的最优解,将该问题分解为8个一维问题,每个问题都通过动态规划来求解。具体步骤为①从左至右逐个像素匹配计算②用一维约束近似二维约束进行计算③计算视差④剔除误匹配的点。
由以上实验数据可得出,本测量方法能把实验的绝对误差控制在1 mm以内,并能利用有限的标定图像获取较为准确的矩阵内外参数据,以完成对目标物的测量工作。
6 结论
本文基于立体标定件结合SGBM立体匹配算法,提出一种双目立体视觉的目标物测量方法。本测量方法首先利用立体标定件的几何特性和图像冗余,在传统标定方法上对初步标定结果进行修正,得到更为精准的双摄像机内外参矩阵,后结合立体校正及半全局立体匹配算法对目标物的三维信息进行还原。实验选用不同目标测量物进行长度测量,多次测量证明了本方法的有效性,并将测量的绝对误差控制在1mm以内,也证明了本方法的在精度上较传统测量方法有一定的优势。
参考文献
[1] Bleyer M, Gelautz M. A layered stereo algorithm using image segmentation and global visibility constraints[C]// 2004 International Conference on Image Processing, 2004. ICIP '04. IEEE, 2005.
[2] ZHANG Z. Flexible camera calibration by viewing a plane from unknown orientations[C]// Proceedings of the Seventh IEEE International Conference on Computer Vision. IEEE, 1999.
[3] 胡雨豪, 劉波. 基于机器视觉的四轴飞行器自主巡航算法改进[J]. 软件, 2018, 39(2): 52-56.
[4] 王建华, 韩红艳, 王春平, 等. CCD双目立体视觉测量系统的理论研究[J]. 电光与控制, 2007(4).
[5] 任忠良. 一种基于SIFT特征的快速图像匹配算法[J]. 软件, 2015, 36(6): 53-57.
[6] 王跃勇, 于海业, 刘媛媛. 基于双目立体视觉的机械手移栽穴盘定位方法[J]. 农业工程学报, 2016, 32(5): 43-49.
[7] 李沫. 视觉检测系统在汽车仪表自动化测试方面的应用[J]. 软件, 2018, 39(5): 126-128
[8] 曾文献, 郭兆坤. 立体匹配算法研究综述[J]. 河北省科学院学报, 2018, v.35; No.124(02): 47-52.
[9] 张媛媛, 杨洪娟, 朱汇龙. 面向图像视觉特征检索的高维索引结构研究[J]. 软件, 2018, 39(1): 105-109.
[10] 蔡健荣, 孙海波, 李永平, 等. 基于双目立体视觉的果树三维信息获取与重构[J]. 农业机械学报, 2012(03): 158-162.
[11] 胡雨豪, 刘波. 基于机器视觉的四轴飞行器自主巡航算法改进[J]. 软件, 2018, 39(2): 52-56
[12] 黄松梅, 毕远伟, 许晓. 双目立体匹配算法的研究与实现[J]. 鲁东大学学报: 自然科学版, 2018.
[13] 洪改艳, 芮廷先, 俞伟广, 等. Harris角点检测的优化算法[J]. 计算机系统应用, 2017(4).
[14] 王崴, 唐一平, 任娟莉, 等. 一种改进的Harris角点提取算法[J]. 光学精密工程.
[15] 黎宏久, 张志安, 朱朔. 基于视觉的特种机械臂目标识别与定位[J]. 兵工自动化, 2018, 37(09): 85-90+101.
[16] 胡雨豪, 刘波. 基于机器视觉的四轴飞行器自主巡航算法改进[J]. 软件, 2018, 39(2): 52-56.