• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于雙目視覺(jué)的測(cè)距系統(tǒng)研究

      2022-08-20 08:33:28王浩張善房朱建高張鳳生
      家電科技 2022年4期
      關(guān)鍵詞:圖像匹配雙目測(cè)量誤差

      王浩 張善房 朱建高 張鳳生

      1. 海信家電集團(tuán)股份有限公司 山東青島 266000;

      2. 青島大學(xué) 山東青島 266000

      0 引言

      目前非接觸式測(cè)距方法中,利用超聲波、紅外、激光等進(jìn)行測(cè)量的方式較為普遍,超聲波方式成本高、精度較低,紅外方式測(cè)量范圍小,激光方式測(cè)量精度高、成本高[1][2]。隨著圖像技術(shù)的發(fā)展,雙目視覺(jué)測(cè)距法展現(xiàn)出速度快、柔性好等優(yōu)點(diǎn),具有較大潛力。同時(shí),以雙目視覺(jué)測(cè)距為基礎(chǔ),通過(guò)調(diào)整測(cè)量系統(tǒng)的參數(shù),可以實(shí)現(xiàn)測(cè)量范圍的改變,通過(guò)改變不同的圖像處理算法實(shí)現(xiàn)不同的功能,同時(shí)搭載不同的語(yǔ)言控制系統(tǒng),可將雙目視覺(jué)技術(shù)應(yīng)用到機(jī)械臂、智慧家居、智能制造等領(lǐng)域,前景廣闊[3]。

      基于視差原理分析[4]、相機(jī)成像模型分析,設(shè)計(jì)雙目測(cè)距系統(tǒng),并推導(dǎo)測(cè)距算法及計(jì)算公式。進(jìn)一步對(duì)相機(jī)畸變模型、相機(jī)標(biāo)定、圖像處理及圖像特征點(diǎn)匹配方法進(jìn)行研究,最終將理論應(yīng)用到實(shí)際,根據(jù)設(shè)計(jì)原理,基于兩個(gè)CCD相機(jī)搭建雙目視覺(jué)測(cè)距系統(tǒng)實(shí)體[5],對(duì)測(cè)距系統(tǒng)實(shí)體采用張正友標(biāo)定法進(jìn)行相機(jī)標(biāo)定[6][7],并進(jìn)一步對(duì)系統(tǒng)進(jìn)行標(biāo)定,得到系統(tǒng)的固有參數(shù)。基于系統(tǒng)固有參數(shù),通過(guò)設(shè)計(jì)的系統(tǒng)采集被測(cè)對(duì)象的圖片,并對(duì)左右相機(jī)采集的對(duì)應(yīng)圖片進(jìn)行圖像處理及特征匹配,得到被測(cè)對(duì)象相對(duì)相機(jī)的位置,最終實(shí)現(xiàn)測(cè)距[8][9]目的。

      1 雙目視覺(jué)測(cè)距原理

      圖1所示為雙目視覺(jué)測(cè)距原理圖。C1、C2為兩個(gè)標(biāo)稱參數(shù)一致的CCD相機(jī),f1、f2分別為左、右相機(jī)鏡頭焦距,α1、α2分別為左、右相機(jī)光軸傾角,理論上應(yīng)有f1=f2、α1=α2。2L為左右相機(jī)像平面中心之間的距離。為測(cè)量被測(cè)對(duì)象位置,需建立如下坐標(biāo)系:(1)測(cè)量系統(tǒng)坐標(biāo)系xoz:原點(diǎn)為兩相機(jī)像平面中心o1o2連線的中心,o1o2連線為x軸,方向o1指向o2為正;z軸垂直于o1o2連線,向上為正;(2)相機(jī)坐標(biāo)系:分別以兩個(gè)CCD相機(jī)像平面中心o1和o2為原點(diǎn)在兩個(gè)CCD上建立x1o1z1和x2o2z2坐標(biāo)系[10]。

      圖1 雙目視覺(jué)測(cè)距系統(tǒng)示意圖

      設(shè)點(diǎn)P為待測(cè)點(diǎn)位置,其在xoz坐標(biāo)系中的坐標(biāo)為(x,z);在兩相機(jī)各自成像平面上的坐標(biāo)為P’(x1,0)和P’’(x2,0)。由幾何光學(xué)成像原理得出:

      可見(jiàn),P點(diǎn)坐標(biāo)(x,z)取決于x1、x2、f1、f2、α1、α2和L這7個(gè)參數(shù),任一值的誤差均會(huì)影響測(cè)量結(jié)果。

      x1、x2是通過(guò)實(shí)際測(cè)量得出,但相機(jī)采集的圖像會(huì)存在畸變,影響測(cè)量精度,需要通過(guò)相機(jī)標(biāo)定得到相機(jī)本身畸變系數(shù)后進(jìn)行圖像畸變矯正,提高測(cè)量精度;其余5個(gè)參數(shù)為系統(tǒng)本身固定參數(shù),但由于固定參數(shù)的理論值與實(shí)際值難以完全一致,需要對(duì)系統(tǒng)進(jìn)行標(biāo)定,得到系統(tǒng)固定參數(shù)的實(shí)際值,減小測(cè)量誤差,提高測(cè)量精度。

      2 圖像匹配

      圖像匹配可以建立左右相機(jī)采集到的兩圖像之間位置對(duì)應(yīng)關(guān)系,進(jìn)一步便可得到視差。圖像匹配主要有三種方式:相位匹配、灰度匹配、特征匹配。

      相位匹配是基于對(duì)應(yīng)點(diǎn)相位相等,利用空間域平移與頻率域相位平移的對(duì)應(yīng)關(guān)系進(jìn)行匹配,但會(huì)存在相位卷繞及相位奇點(diǎn)的問(wèn)題,此方法主要處理帶通濾波信號(hào)的相位信息;灰度匹配受圖像灰度信息影響較大,抗造性差、誤差大;特征匹配利用圖像上的點(diǎn)、線等特征信息,不直接依賴灰度信息,具有魯棒性好、速度快、精度高的優(yōu)點(diǎn),因此本文采用特征匹配的方式進(jìn)行圖像匹配[10]。

      常用的特征點(diǎn)有Harris角點(diǎn)、FAST特征點(diǎn)、SURF特征點(diǎn)。SURF特征點(diǎn)檢測(cè)精度和穩(wěn)定性高于Harris角點(diǎn)和FAST特征點(diǎn),但速度慢于FAST特征點(diǎn)檢測(cè),效率問(wèn)題通過(guò)計(jì)算機(jī)設(shè)備可以得到保障,故最終選擇SURF特征點(diǎn)檢測(cè)[10]。

      基于SURF特征點(diǎn)的圖像匹配主要有兩種:BruteForceMatcher(暴力匹配法)、FlannBasedMatcher(快速最近鄰逼近搜索法)。BruteForceMatcher法精度高、效率低,通過(guò)目前計(jì)算機(jī)設(shè)備可以彌補(bǔ)效率低的缺點(diǎn),因此選擇BruteForceMatcher法進(jìn)行SURF特征匹配。但是在匹配過(guò)程中,由于環(huán)境因素影響,往往會(huì)存在一些誤匹配現(xiàn)象,干擾因素越多,匹配情況越差,如圖2 a)所示。因此需要采取去除誤匹配措施。

      目前主要有兩種去除SURF特征點(diǎn)誤匹配方法:基于RANSAC法特征匹配、基于極線約束法特征匹配?;赗ANSAC法特征匹配利用迭代比對(duì)方式求解最優(yōu)模型,該方式精度高,但匹配對(duì)數(shù)量少,如圖2 b)所示,并且一定情況下還會(huì)出現(xiàn)匹配不成功的情況?;跇O線約束法特征匹配,其原理為:右成像平面上一點(diǎn)在左成像平面的對(duì)應(yīng)匹配點(diǎn)必定位于左成像平面的極線上。此方法將求解范圍由二維降低至一維,提高了效率,匹配對(duì)數(shù)量多,但仍然有較少誤匹配點(diǎn)對(duì),如圖2 c)所示。本文提出首先通過(guò)基于極線約束法進(jìn)行一次匹配,去除絕大部分雜點(diǎn)、誤匹配點(diǎn),后在此基礎(chǔ)上進(jìn)行基于RANSAC法的特征匹配,由于首先進(jìn)行了一次基于極線約束法的特征匹配,為后續(xù)RANSAC法的特征匹配提供了一個(gè)干擾小、雜點(diǎn)少的環(huán)境,最終結(jié)果表現(xiàn)為匹配精度高、匹配點(diǎn)多的良好效果,如圖2 d)所示。

      圖2 不同SURF特征匹配方法效果對(duì)比圖

      3 雙目視覺(jué)測(cè)距系統(tǒng)搭建及標(biāo)定

      根據(jù)雙目測(cè)距系統(tǒng)原理,搭建雙目測(cè)距平臺(tái),如圖3所示。相機(jī)型號(hào)為FC-IU320C-6,像元大小3.2 μm×3.2 μm,分辨率為2048×1536,焦距f=25 mm,設(shè)置兩個(gè)相機(jī)各自的光軸傾角6.703°。底座為自制槽鋼,尺寸為100 mm×48 mm×5.3 mm,槽鋼兩端裝配有兩個(gè)可調(diào)節(jié)云臺(tái),通過(guò)調(diào)節(jié)云臺(tái),設(shè)定系統(tǒng)參數(shù)2L為1375 mm。自制8×6格數(shù)的棋盤格,每格大小為80 mm×80 mm。

      圖3 雙目測(cè)距系統(tǒng)組成裝置圖

      采集19對(duì)不同方位下棋盤格標(biāo)定板的圖像進(jìn)行雙目測(cè)距系統(tǒng)標(biāo)定,標(biāo)定程序?yàn)榛赩isual Studio 2015,利用C++語(yǔ)言自主設(shè)計(jì)開(kāi)發(fā),標(biāo)定程序界面及標(biāo)定結(jié)果如圖4所示。

      圖4 相機(jī)標(biāo)定程序界面

      根據(jù)標(biāo)定結(jié)果計(jì)算得f1=7913.234×3.2×10-3≈25.3223 mm,f2=7921.116×3.2×10-3≈25.3476 mm,畸變系數(shù)不為零,說(shuō)明存在畸變,需要矯正畸變。一般平均重投影誤差小于0.2個(gè)像素即可認(rèn)為標(biāo)定結(jié)果良好,兩相機(jī)該值均小于0.2,說(shuō)明相機(jī)標(biāo)定結(jié)果良好[10]。

      根據(jù)雙目標(biāo)定結(jié)果可求解左相機(jī)光軸傾角α1=6.8399°,兩相機(jī)主點(diǎn)距離為2L=1374.07 mm,右相機(jī)光軸傾角α2=6.8228°,此結(jié)果與實(shí)驗(yàn)前設(shè)定的兩個(gè)相機(jī)各自的光軸傾角6.703°和兩相機(jī)主點(diǎn)距離1375 mm非常接近,同時(shí)得到的重投影誤差小于0.2,說(shuō)明雙目標(biāo)定結(jié)果良好[10][11]。

      4 雙目測(cè)距實(shí)驗(yàn)及結(jié)果評(píng)價(jià)

      基于標(biāo)定結(jié)果進(jìn)行測(cè)距系統(tǒng)的測(cè)距實(shí)驗(yàn),選取一段管路(沒(méi)有棱角、特較不明顯、對(duì)系統(tǒng)檢測(cè)能力要求更高)作為被測(cè)對(duì)象進(jìn)行測(cè)量實(shí)驗(yàn),如圖5所示。管路固定于工作臺(tái),可實(shí)現(xiàn)調(diào)整x(代表左右方向,下同)、z(代表前后方向,下同)方向的位移,調(diào)整精度為0.01 mm。

      圖5 測(cè)量實(shí)驗(yàn)場(chǎng)景圖

      在有效測(cè)量范圍內(nèi)選取了9個(gè)待測(cè)點(diǎn),如圖6所示?;趚oz坐標(biāo)系,待測(cè)點(diǎn)1~9右側(cè)與下方數(shù)值為待測(cè)點(diǎn)位置設(shè)定值,通過(guò)德國(guó)BOSCH公司激光測(cè)距儀設(shè)定,測(cè)距儀型號(hào)為DLE40,精度1 mm(注:理論上設(shè)定值也會(huì)存在一定誤差,限于實(shí)驗(yàn)條件,未考慮該誤差)。待測(cè)點(diǎn)基本涵蓋有效測(cè)量范圍區(qū)域。在這9個(gè)待測(cè)點(diǎn)處均以如下方式進(jìn)行圖像采集:以待測(cè)點(diǎn)為中心,沿z軸方向前、后各移動(dòng)10次,每次移動(dòng)1 mm且采集一對(duì)圖像;同理以待測(cè)點(diǎn)為中心沿x軸向左、右方向各移動(dòng)6次進(jìn)行圖像采集。

      按照上述移動(dòng)方式,下面以待測(cè)點(diǎn)5為例,對(duì)測(cè)量過(guò)程進(jìn)行說(shuō)明:

      由圖6知,待測(cè)點(diǎn)5位置為(5693, -22),單位:mm,負(fù)號(hào)表示待測(cè)點(diǎn)5位于x軸負(fù)半軸。

      圖6 待測(cè)點(diǎn)位置關(guān)系圖

      (1)圖像預(yù)處理

      首先對(duì)采集的圖像進(jìn)行降噪,后進(jìn)行圖像畸變矯正。

      (2)圖像匹配

      將兩幅對(duì)應(yīng)圖像通過(guò)RANSAC法與極線約束法結(jié)合的方式進(jìn)行SURF特征匹配:首先在左圖選取ROI,其左上邊角坐標(biāo)為(911, 308),此為起始坐標(biāo)。以一對(duì)匹配點(diǎn)為例:

      首先求解匹配點(diǎn)對(duì)像素坐標(biāo)。左匹配點(diǎn)在ROI圖上坐標(biāo)為(87.274, 114.004),由上可知該點(diǎn)的起始坐標(biāo)為(911, 308),因此該點(diǎn)的實(shí)際坐標(biāo)為兩坐標(biāo)相加為(998.274, 422.004);右匹配點(diǎn)可直接得出坐標(biāo)為(984.347, 424.048)。

      已知像素坐標(biāo),進(jìn)一步求解物理坐標(biāo)x1、x2。由于物理坐標(biāo)位于相機(jī)像平面的中點(diǎn),故由相機(jī)標(biāo)定結(jié)果得知左相機(jī)物理坐標(biāo)原點(diǎn)為(1023.970, 767.932),右相機(jī)物理坐標(biāo)系原點(diǎn)為(1023.988, 768.124),因此,計(jì)算x1為:

      同理,計(jì)算x2為:

      將所有參數(shù)帶入公式(1)可得x為-22.86639 mm,z為5693.77632 mm,十分接近設(shè)定值(5693,-22)。以此方式按照在待測(cè)點(diǎn)5處前后、左右移動(dòng)的方案進(jìn)行測(cè)量,由實(shí)驗(yàn)結(jié)果得到,待測(cè)點(diǎn)5所處區(qū)域,z最大測(cè)量誤差為3.091 mm,x最大測(cè)量誤差為0.962 mm。同理,按照同樣方式在其余待測(cè)點(diǎn)位置區(qū)域進(jìn)行實(shí)驗(yàn),得到所有待測(cè)點(diǎn)所處區(qū)域?qū)τ趜值和x值的最大測(cè)量誤差,如表1所示。進(jìn)一步,將前后方向和左右方向的最大測(cè)量誤差繪制成如圖7所示誤差圖,可直觀反映前后方向和左右方向的測(cè)量精度情況。

      圖7 各個(gè)位置z、x最大測(cè)量誤差圖

      表1 各待測(cè)點(diǎn)位置測(cè)量實(shí)驗(yàn)的最大測(cè)量誤差

      根據(jù)實(shí)驗(yàn)結(jié)果,有如下結(jié)論:

      (1)在有效測(cè)量區(qū)域內(nèi),雙目測(cè)距系統(tǒng)對(duì)前后方向z的測(cè)量誤差為±6.103 mm,左右方向x的測(cè)量誤差為±1.983 mm。

      (2)在有效測(cè)量區(qū)域內(nèi),邊角處測(cè)量誤差最大(即待測(cè)點(diǎn)1、3、7、9所處區(qū)域),中心位置區(qū)域測(cè)量誤差最?。创郎y(cè)點(diǎn)5所處區(qū)域),中心位置區(qū)域z測(cè)量誤差為±3.091 mm,x測(cè)量誤差為±0.962 mm。

      (3)在測(cè)量分辨力方面,系統(tǒng)對(duì)左右方向x的測(cè)量能力優(yōu)于對(duì)前后方向z的測(cè)量能力。

      5 結(jié)論

      通過(guò)研究雙目測(cè)距原理,設(shè)計(jì)了雙目測(cè)距系統(tǒng),以Visual Studio 2015為開(kāi)發(fā)平臺(tái),基于C++語(yǔ)言、OpenCV3.2.0函數(shù)庫(kù)編制測(cè)距系統(tǒng)程序,進(jìn)行圖像采集、相機(jī)標(biāo)定、圖像處理、圖像匹配,最后進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,雙目測(cè)距系統(tǒng)具有良好的精度和可行性,下一步將繼續(xù)深入研究、分析、完善此雙目測(cè)距系統(tǒng)的測(cè)量精度及可靠性,開(kāi)展雙目系統(tǒng)應(yīng)用到相關(guān)智能制造設(shè)備和智能化場(chǎng)景的研究。

      猜你喜歡
      圖像匹配雙目測(cè)量誤差
      密度測(cè)量誤差分析
      縱向數(shù)據(jù)下變系數(shù)測(cè)量誤差模型的漸近估計(jì)
      基于雙目測(cè)距的卡爾曼濾波船舶軌跡跟蹤
      電子制作(2019年20期)2019-12-04 03:51:38
      一種用于光照變化圖像匹配的改進(jìn)KAZE算法
      基于雙目視覺(jué)圖像的長(zhǎng)度測(cè)量方法
      牽引變壓器功率測(cè)量誤差分析
      挖掘機(jī)器人圖像匹配算法研究
      基于SIFT和LTP的圖像匹配方法
      IMU/GPS測(cè)量誤差對(duì)斜視條件下機(jī)載重軌干涉
      基于降落圖像匹配的嫦娥三號(hào)著陸點(diǎn)位置評(píng)估
      航天器工程(2014年4期)2014-03-11 16:35:37
      庄浪县| 肥城市| 建平县| 浮山县| 靖西县| 洛浦县| 仁寿县| 滁州市| 临漳县| 舞钢市| 丘北县| 甘德县| 当阳市| 铜川市| 克拉玛依市| 浦江县| 平罗县| 唐山市| 南阳市| 宝兴县| 祥云县| 偃师市| 开平市| 桐城市| 秭归县| 临颍县| 乌恰县| 商南县| 永和县| 乌鲁木齐市| 故城县| 本溪市| 澜沧| 如东县| 遂川县| 抚远县| 多伦县| 庆城县| 淮阳县| 赤壁市| 汝城县|