基于相似原理的新型双目测距法
双目相机 测量 物体 长宽高信息 方法
双目相机测量物体长宽高信息方法双目相机测量物体长宽高信息的方法是一种常用的计算机视觉技术，可以实现对三维物体的精确测量。
下面将介绍双目相机测量物体长宽高信息的原理、步骤和应用。
1.双目相机测量原理双目相机是指由两个摄像头组成的成像系统，模拟了人眼的视觉感知机制。
通过左右眼看到的不同视角，可以获取到三维物体的深度信息。
利用双目视觉测量方法，可以计算出物体的长、宽和高等几何尺寸。
2.双目相机测量步骤（1）相机标定：在进行测量之前，需要先对双目相机进行标定。
相机标定是通过拍摄一组已知尺寸的校准板图像，利用相机内参和外参的确定来建立相机的坐标系和世界坐标系之间的关系。
（2）图像获取：在标定完成后，需要拍摄待测物体的左右视角图像。
通过两个摄像头同时拍摄同一物体的不同视角，形成左右图像对。
（3）图像匹配：采用特征点匹配的算法，对左右图像进行匹配，找出对应的特征点。
常用的特征点匹配算法有SIFT、SURF等。
（4）三维重建：通过匹配得到的特征点对，可以计算出左右图像之间的对应关系，进而确定物体在三维空间中的位置。
根据三角测量原理和相机标定参数，可以得到每个特征点的三维坐标。
（5）尺寸测量：在得到物体的三维坐标后，可以通过计算两个特征点之间的距离，来确定物体的长、宽和高等尺寸信息。
3.双目相机测量应用双目相机测量方法可以广泛应用于工业领域和机器人领域：（1）3D视觉检测：双目相机能够提供高精度的三维尺寸数据，可以在无人机、智能手机、电视等产品的生产过程中进行3D视觉检测，实现自动化检测目标的尺寸精度，提高生产效率。
（2）物流仓储：双目相机可以用于快速测量物体尺寸，可以应用于物流仓储行业中的自动分类、计量等环节，提高物流效率。
（3）机器人导航：双目相机可以提供环境的三维深度信息，可以用于机器人的自主导航和障碍物避障，提高机器人的智能化程度和安全性。
总结：双目相机测量物体长宽高信息的方法通过利用左右视觉图像的深度差异，以及相机标定提供的几何参数，可以实现对物体的精确测量。
双目测距原理
双目测距原理双目测距原理是一种利用双眼视差来实现测距的方法。
在人类的视觉系统中，双眼会同时观察同一物体，但由于两只眼睛的位置有所不同，因此它们所看到的物体会有一定的视差。
这种视差可以被用来计算物体与观察者之间的距离，从而实现测距的目的。
双目测距原理的基本思想是利用双眼的视差来计算物体的距离。
当物体距离观察者较远时，双眼所看到的视差会较小；而当物体距离观察者较近时，双眼所看到的视差会较大。
通过测量这种视差，就可以计算出物体与观察者之间的距离。
在实际的应用中，双目测距原理常常被用于机器视觉系统中。
通过安装两个摄像头模拟人类的双眼，计算机可以利用双眼视差来实现对物体距离的测量。
这种方法不仅可以用于测距，还可以用于三维重建、物体识别等领域，具有广泛的应用前景。
双目测距原理的实现需要考虑多个因素，包括摄像头的位置、焦距、视角等。
在摄像头的安装位置上，通常会采用一定的间距来模拟人类的双眼距离，从而获得更准确的视差信息。
此外，摄像头的焦距和视角也会影响到视差的计算，需要进行合理的选择和调整。
除了硬件上的考虑，双目测距原理的实现还需要依靠一定的算法来进行视差的计算和距离的推导。
常见的算法包括基于特征点匹配的立体匹配算法、基于深度学习的深度估计算法等。
这些算法能够有效地利用双眼视差信息，实现对物体距离的精确测量。
总的来说，双目测距原理是一种利用双眼视差来实现测距的方法，具有广泛的应用前景。
在实际应用中，需要考虑摄像头的安装位置、焦距、视角等因素，并结合合适的算法来实现对物体距离的准确测量。
随着机器视觉技术的不断发展，相信双目测距原理将会在各个领域发挥越来越重要的作用。
基于双目视觉的识别测距系统设计
第12期2023年6月无线互联科技Wireless Internet TechnologyNo.12June,2023作者简介:张润豪(1997 ),男,浙江温州人,硕士研究生;研究方向:图像处理,控制工程㊂基于双目视觉的识别测距系统设计张润豪,杨㊀瑞,管㊀艳(西京学院计算机学院,陕西西安710123)摘要:双目视觉的识别测距主要通过双目视觉系统模拟人的 双眼 ,从而获得物体的形状和距离的远近㊂文章提出一种目标识别测距系统,构建卷积神经网络模型,利用图像处理技术识别目标以及三角相似原理计算目标距离,最后达到识别和检测的目的㊂实验结果表明,所设计的目标识别测距系统能够同时保证特定目标的检测和测距,具有一定的研究意义㊂关键词:双目视觉;识别测距;神经网络中图分类号:TP391.41㊀㊀文献标志码:A 0㊀引言㊀㊀随着农业自动化的发展,水果的自动化与智能化采摘技术研究已成为当今的研究热点㊂然而,水果的采摘方式与其他作物不同,需要进行准确的采摘㊂因此,依靠双目视觉实现对目标物的准确识别和定位十分重要㊂双目视觉对于危险生产场所的检测㊁非接触产品的质量检测以及位置随机移动物体的实时检测具有重要的研究意义和应用价值[1]㊂双目视觉技术还可应用于机械臂㊁智能家居㊁智能制造㊁工业等具有巨大潜力的领域[2]㊂其他测距方法测距误差较大,测量范围受限,而双目视觉技术可以在不接触目标物的情况下识别和定位目标物,还可以估计目标物的深度信息㊂因此,本文选择双目测距法㊂然而,同时具备目标物识别和测距的系统比较少,不能满足指定工作的需求[3-5]㊂针对上述存在的问题,结合双目视觉和机器学习等技术[6-9],本文提出了基于双目视觉的目标检测测距方法,设计了一个基于双目视觉的目标检测测距系统㊂该系统能够实现对目标物的识别和定位,使人们可以利用计算机技术模拟人眼,方便后期的操作㊂该系统利用卷积神经网络对物体进行识别,再根据双目相机测距原理,最后得到目标与摄像头之间的距离,从而最终实现定位㊂1㊀双目视觉系统㊀㊀双目系统主要由两款相同的摄像头组成,保持在同一个水平面上,并共享一个共同的观察区㊂距离测量是用三角数学方法进行的㊂测距的原理如图1所示㊂O 1和O 2分别为两个摄像头的光圈中心,它们之间的长度为B ㊂点P 为空间中的待测目标物,P 1(x 1,y 1)和P 2(x 2,y 2)为点P 在双目相机成像平面所成的点㊂当焦距为f 时,根据三角形原理可得:图1㊀测距原理B -x 1+x 2Z -f =B Z(1)Z =fB x 1-x 2(2)根据公式(1)和(2),设P 为空间中的一点,在空间坐标系和相机坐标系中的坐标点为(X ,Y ,Z ),(Xᶄ,Yᶄ,Zᶄ)㊂图像坐标系和像素坐标系表示为(x ,y )和(u ,v )㊂空间坐标系经变化到相机坐标系,有:XᶄY ᶄZ ᶄéëêêêùûúúú=R X Y Z éëêêêùûúúú+T (3)根据投影原理,把空间上的点投影到平面上,可得到相机坐标系到图像坐标系的转换关系,即:x y éëêêùûúú=f X ᶄZ ᶄf Y ᶄz ᶄéëêêêêùûúúúú(4)图像坐标系的起点是相机光轴和图像平面的交点,像素坐标系起点从像素阵列中的第一个点开始,图像坐标系转换到像素坐标系:u v éëêêùûúú=x dx +u 0y dy +v 0éëêêêêùûúúúú(5)由以上式可得:Z ᶄu v 1éëêêêùûúúú=1dx 0u 001dy v 0001éëêêêêêêùûúúúúúúf 0000f 000010éëêêêùûúúúR T 01éëêêùûúúX Y Z 1éëêêêêùûúúúú=f xu 000f y v 000010éëêêêùûúúúR T 01éëêêùûúúX Y Z 1éëêêêêùûúúúú(6)公式(6)中的矩阵代表着相机的内外参数,通过相机的标定获得具体参数㊂双目视觉测距是采用双目视觉技术来测量物体距离的原理,通过两台摄像机拍摄同一场景生成图像视差,并根据该视差建立物距测量模型,实现场景距㊀㊀离的实时计算㊂O l 和O r 为光圈中心,T ,f 为相机基线距离和焦距,P l 和P r 为图像坐标系的点,Z 为垂直距离㊂根据三角形相似:T -(X l -X r )T =Z -fZ(7)推出点P 与相机距离Z 的表达式为:Z =fT X l -X r =fTd(8)公式(8)式中,左右相机视差d =X l -X r双目测距系统的流程如图2所示,各个坐标系之间的转换关系如图3所示㊂图2㊀双目系统流程图3㊀各个坐标系转换2 双目相机标定2.1㊀相机标定㊀㊀双目相机中内部和外部参数和畸变参数的精度直接影响后续测量的精度㊂因此,文章选用了具有精度高㊁操作方便的张正友标定法㊂本文自制一个黑白棋盘,并将其固定在一个纸板上,如图4所示㊂首先,使用双目相机在不同的位置和角度拍摄大约30幅棋盘图像㊂其次,将图像分别导入MATLAB 进行检测校正㊂最后,经过计算和分析,利用棋盘校准板获得左右相机内部和外部参数及其位置的三维视图㊂标定结果如图5所示㊂2.2㊀立体校正㊀㊀把实际中非共面行对准的两幅图像,校正成共面行对准,提高匹配搜索的效率㊂将消除畸变后的两幅图像严格地对应,利用极线约束使得两幅图像的对极线恰好在同一水平线上,这样一幅图像上任意一点与其在另一幅图像上的对应点就必然具有相同的行号,只需在该行进行一维搜索即可匹配到对应点㊂根据摄像头标定后获得的双目相对位置对左右视图进行消除畸变和行对准,如图6所示㊂图4㊀标定板角点图5㊀标定板平面位置和标定误差图6㊀校正后图像2.3㊀立体匹配㊀㊀立体匹配主要计算视差㊂基于双目测距原理的分析使得可以通过计算由左右摄像机拍摄的每个图像相应点的视差来获得关于图像深度的信息㊂双目立体视觉的三维重建过程中,需要通过立体匹配算法进行视差图的计算得到左右两幅图像的视差值,进而计算深度以恢复场景的三维信息㊂要计算左右视图中三维场景中目标点生成的视差,左右视图中的两个对应像点必须与该点匹配㊂然而,协调二维空间中的对应点需要很长时间才能缩小适当的搜索范围,需要进行双目相机的立体校正,将二维上的匹配搜索降低到一维㊂立体匹配后,得到的视差图如图7所示㊂图7㊀视差3 图像识别定位测距3.1㊀数据标注和图片训练㊀㊀数据标注是处理原始语音㊁图像㊁文本㊁视频和其他数据并将其转换为机器可读信息的过程㊂机器无法识别和研究未标记的原始数据㊂原始数据只有经过标注处理成为结构化数据后才能被算法训练所使用㊂整个数据标注的过程如下:首先,将要标注的物体制作成数据集,并且图片越多越好,如果样本过少,模型训练和预测都会受到影响,非常容易欠拟合;其次,通过Labelme 工具进行标注,如图8所示;最后,将数据集分为训练集㊁验证集和测试集㊂数据标注完成后,需要对标注的数据集图片进行训练,图片训练完成后,可以看到训练好的模型的权重和PR Curve 曲线㊁Confusion Matrix (混淆矩阵)等训练过程数据㊂然后可以用训练的模型进行测试,配合双目摄像头,可以实现对特定物体的实时识别,如图9所示㊂3.2㊀双目识别测距㊀㊀双目相机的工作方式与人眼相同㊂人眼感知物体距离的能力基于两只眼睛在同一物体上呈现的图像差异,也称为视差㊂把物体识别和双目测距结合在一起,融合了卷积神经网络,不仅能够对物体进行识别,还能够进行测距㊂本文通过深度学习技术与传统算法的结合,利用双目相机实现了物体的精准测距㊂通过网络框的置信度确定识别的准确度,计算表达式为:图8㊀标注图9㊀灰度图和识别信度Pr (object )ˑIOU truth pred(9)IOU truth pred=area (BB dt ɘBB gt )area (BB dt ɣBB gt )(10)Pr (object )为训练样本的概率;BB gt 为物体标签的可行度,BB dt 分为网络预测的可信度;area 为面积函数㊂测距效果如图10所示㊂图10㊀双目测距4 结语㊀㊀在目标识别的基础上,建立双目系统,开发并实㊀㊀施基于双目视觉和机器学习的识别和定位系统㊂该系统已被证明具有一定的精度和稳定性㊂通过对双目距离原理的研究,本文开发了一种基于双目视觉的目标测距和检测系统,通过收集图像㊁校准相机㊁处理图像并进行比较,最后进行目标测试㊂实验表明,目标测距和检测系统具有良好的精度和可行性㊂下一步,笔者将继续深入研究㊁分析和提高双目视觉,消除系统测量的准确性和可靠性,研究双目视觉在智能制造设备和相关智能场景中的应用㊂参考文献[1]任慧娟,金守峰,程云飞,等.面向分拣机器人的多目标视觉识别定位方法[J ].机械与电子,2019(12):64-68.[2]赵刚,郭晓康,刘德政,等.随机工件的点云场景CAD 模型的快速识别与定位[J ].激光与红外,2019(12):1490-1496.[3]柴钰,许继科.基于机器视觉的目标识别与定位系统[J ].计算机工程与设计,2019(12):3557-3562.[4]连黎明.基于多信息融合的移动机器人定位算法[J ].西南师范大学学报(自然科学版),2019(9):89-95.[5]蒋萌,王尧尧,陈柏.基于双目视觉的目标识别与定位研究[J ].机电工程,2018(4):414-419.[6]王德海,洪伟,程群哲.基于双目立体视觉的目标识别与定位[J ].吉林大学学报(信息科学版),2016(2):289-295.[7]高如新,王俊孟.基于双目视觉的目标识别与定位[J ].河南理工大学学报(自然科学版),2014(4):495-500.[8]袁小平,张毅,张侠,等.基于改进FAST 检测的ORB 特征匹配算法[J ].科学技术与工程,2019(21):233-238.[9]BOYKOV Y ,VEKSLER O ,ZABIH R.Fast approximate energy minimization via graph cuts [J ].IEEE Transactions on Pattern Analysis and Machine Intelligence ,2001(11):1222-1239.(编辑㊀王雪芬)Design of recognition and ranging system based on binocular visionZhang Runhao Yang Rui Guan YanSchool of Computer Science Xijing University Shaanxi 710123 ChinaAbstract The recognition and ranging of binocular vision mainly uses a binocular vision system to simulate the eyes of humans thereby obtaining the shape of objects and the distance between them.This paper proposes a target recognition and ranging system constructs a convolutional neural network model uses image processing technology to identify the target and calculates the target distance based on the triangular similarity principle finally achieving recognition and detection.Experimental results show that the designed target recognition and ranging system can simultaneously ensure the detection and ranging of specific targets which has certain research significance.Key words。
双目立体视觉测距原理
双目立体视觉测距原理双目立体视觉系统由两个相机组成，每个相机代表一个眼睛。
相机之间的距离通常被称为基线（baseline）。
在观察同一个目标时，两个相机会获取两个稍微不同的图像。
这是因为两个相机的位置不同，导致从不同角度观察到的目标图像有所偏移。
基于这个差异，我们可以使用视差原理来计算目标的距离。
视差是指两个眼睛在看同一个目标时，两个图像中相同物体之间的像素差异。
这个差异是由于目标在三维空间中的位置和相机的视角造成的。
我们可以通过比较两个图像的像素来计算出这个视差。
为了进行视差计算，我们首先需要进行图像配准。
这意味着将两个图像对齐，使得相同的物体在两个图像中位置相同。
这可以通过计算两个图像之间的特征点匹配来实现。
一旦图像对齐完成，我们就可以计算图像中像素之间的视差。
计算视差的常见方法是使用极线约束（Epipolar constraint）和匹配算法。
极线约束是指在双目视觉中，两个相机的对应像素点位于相应极线上。
换句话说，一个像素只能与另一个图像中相同视线上的像素匹配。
这个约束可以减少计算量并提高匹配的准确性。
匹配算法的选择取决于具体的应用需求和计算资源。
一些常见的匹配算法包括块匹配（block matching）、图像金字塔（image pyramid）和灰度共生矩阵（gray-level co-occurrence matrix）方法。
这些算法可以在图像中最佳匹配，并计算出视差值。
一旦获取了视差值，我们可以使用三角测量原理来计算目标的距离。
三角测量基于几何原理，通过知道基线长度和视差值，我们可以计算出目标的距离。
双目立体视觉测距原理有许多应用。
在工业领域，它可以用于机器人导航、三维重建和物体检测。
在医疗领域，双目视觉可以用于辅助手术和视觉康复。
在自动驾驶和无人机等领域，双目视觉可以帮助测量目标距离并进行障碍物检测。
总结起来，双目立体视觉测距原理利用两个相机观察同一目标，并计算出视差值来测量目标的距离。
利用仿射变换建立双目定位模型
利用仿射变换建立双目定位模型摘要：本文介绍了利用仿射变换理论来建立双目定位的数学模型，以仿射变换为理论基础，综合应用仿射矩阵、坐标变换和MATLAB编程作图建立两个坐标系之间的关系的数学模型。
可以得到物坐标系与像坐标系之间的点坐标的相互转换，利用两台相机拍得同一实物的相片即可实现精确定位。
相机照相时发生形状变形，但直线还是直线，符合仿射变换。
这里我们采取两种方法来建立模型：方法一建立三个空间坐标系：物坐标系，物原像坐标系和像坐标系，由仿射变换得到物坐标系与物原像坐标系相对应的3*3的矩阵，矩阵可由最小二乘法再进行求导得到表达式，而物原像坐标系与像坐标系可由透镜成像公式得到，即可建立一个确定像平面坐标的数学模型的算法。
方法二直接得到物坐标系与像坐标的仿射矩阵变换关系。
解决了问题一。
再用MATALAB求得像坐标系中作为特征点的圆心坐标，可以求得模型的3*3的仿射矩阵，解决了问题二中求解物圆心坐标对应的像平面上的坐标。
精度是由一个像素点对应的实物坐标系下的大小和算法中通过矩阵范数求得的两部分组成，进行分析比较得到：方法一的误差主要出现在仿射变换中，误差小;而方法二的误差在经过放大的情况下还有仿射变换带来的误差，误差大。
所以可以得到方法一的精度与稳定性明显高于方法二。
这就解决了问题三中的精度与稳定性的讨论。
在这里双目定位是由两部相机对同一实物拍照，得到两个相应的坐标系。
将像平面的坐标代入建立的模型可以得到物坐标系中的坐标，这里可以得到两部相机的相对距离，由此问题四得到了解决。
同时我们还能根据这两部相机实现定位，达到了双目定位的目的。
本文中的模型具有简单，直观的将物坐标定位到像坐标，而且精确度高，误差小的特点。
关键词：仿射变换，物坐标系，物原像坐标系，像坐标系，圆心坐标，特征点1.问题的重述当今社会，利用数码相机进行双目定位在交通监管等方面有着广泛的应用。
双目定位是指用两台固定在不同位置的相机摄得物体的像，从而获得物体特征点在像平面上的坐标。
双目测距原理
双目测距原理
双目测距原理是通过两个摄像头模拟人眼的方式来实现测距的技术。
通过测量两个摄像头之间的距离，并结合三角测量原理，可以计算出物体距离摄像头的距离。
在双目测距中，第一个步骤是将两个摄像头放置在一定的距离上，形成一个基线。
通过摄像头同时拍摄同一个物体的不同角度的图像，并利用图像处理技术提取出图像中的特征点。
接下来，在两个图像中选取一对对应的特征点，并通过计算它们在图像中的像素坐标的差异，可以得到这对特征点之间的视差。
视差实际上是两个摄像头观察同一个物体时，由于位置差异而产生的像素差异。
根据三角测量原理，可以推导出视差和物体与摄像头之间的距离之间的关系。
通过获取多对视差数据，可以计算出物体与摄像头的距离。
然而，双目测距技术也存在一些限制。
首先，摄像头的基线长度会影响到测距的精度，如果基线过短，测量范围会受限制；如果基线过长，可能会增加系统的体积和成本。
此外，环境的光照条件也会对测距结果产生影响。
因此，在实际应用中需要做好环境光照的控制和校正，以提高测量的准确性。
尽管存在一些限制，双目测距技术在机器视觉、智能交通、机器人等领域有着广泛的应用前景。
通过双目测距技术，可以实现物体的三维重构、障碍物检测与避障、目标跟踪等功能，为各种应用场景提供了强大的支持。
双目视觉测距技术研究及应用
双目视觉测距技术研究及应用随着科技的飞速发展，人类对于高精度的测距需求也越来越高。
其中，双目视觉测距技术无疑是一种重要的技术手段。
在这篇文章中，我们将探讨双目视觉测距技术的原理、优缺点、应用情况以及未来发展趋势。
1. 双目视觉测距技术原理双目视觉测距技术，顾名思义，就是通过获取物体在两个视点下的图像信息，利用视差（即两个视点下的图像差异）计算出物体的距离。
在具体实施中，需要将两个摄像头分别放置在一定距离内，在实时采集两个视点下的图像信号，并将其通过计算机进行处理，得到距离等目标参数。
2. 双目视觉测距技术优缺点与传统测距技术相比，双目视觉测距技术具有以下优点：（1）测距精度高。
双目视觉测距技术可以利用两个视点提供的图像信息，剔除光照、尺寸等因素的影响，从而实现更为准确的距离测量。
（2）测距范围广。
由于双目视觉测距技术不受光源、物体大小等因素的限制，它的测距范围比传统技术更为广泛。
（3）应用范围广泛。
双目视觉测距技术可以用于形态检测、机器人控制、医疗诊断等领域，具有很大的应用潜力。
然而，双目视觉测距技术也有一些缺点：（1）计算复杂度高。
由于需要进行多余的图像处理，双目视觉测距技术的计算复杂度比较高，需要使用高性能计算机。
（2）对环境光线敏感。
双目视觉测距技术对环境光线的变化十分敏感，需要进行相应的补偿，否则可能会影响测距精度。
3. 双目视觉测距技术应用情况目前，双目视觉测距技术已经被广泛应用于各个领域。
以下是其中一些典型应用：（1）机器人控制。
在机器人运动控制中，测量目标与机器人的距离十分重要。
双目视觉测距技术可以实现对机器人运动轨迹的高精度跟踪控制。
（2）三维成像。
在三维成像领域，双目视觉测距技术具有不可替代的地位。
通过对不同视角的图像信息进行融合处理，可以快速生成高精度的三维成像图。
（3）安防监控。
在安防监控领域，双目视觉测距技术可以快速准确地检测出目标物体距离，以及目标移动方向等相关信息，对于防范犯罪、提高治安水平具有重要的作用。
双目视觉测距原理
双目视觉测距原理双目视觉测距的原理可以用三角形的几何关系来解释。
人眼与物体之间的距离可以表示为视差（disparity）或视差角（disparity angle），它是指物体在两只眼睛视网膜上成像的像素差异。
当物体离眼睛越近时，视差越大；当物体离眼睛越远时，视差越小。
为了实现双目视觉测距，需要采集两只眼睛的成像数据，并进行一系列的处理算法来计算视差。
首先，需要对两个成像系统进行标定，确定它们的相对位置和视角差异。
然后，将两个成像系统获取的图像进行校正，以消除由于成像系统的畸变和误差引起的差异。
接下来，需要进行特征点匹配，将左右两个图像中对应的特征点进行匹配。
这可以通过提取特征点并利用特征描述子进行匹配来实现。
匹配后，可以计算特征点的视差，并将视差转化为物体距离。
其次，特征点匹配的准确性也对测距精度有着重要影响。
如果匹配算法对图像中的特征点无法准确匹配，就会导致视差计算的误差。
此外，环境光照的变化、特征点的遮挡和背景复杂度等因素也会影响双目视觉测距的精度。
因此，为了提高测距的精度，需要采用适当的成像系统和算法，并对视觉系统进行合理的标定和校正。
双目视觉测距技术具有广泛的应用前景。
它可以用于机器人导航、三维重建、虚拟现实等领域。
在机器人导航中，双目视觉测距可以帮助机器人感知周围环境，避免障碍物，并规划安全路径。
在三维重建中，双目视觉测距可以用于获取场景的深度信息，从而实现高精度的三维重建。
在虚拟现实中，双目视觉测距可以用于人体姿态估计和手势识别，从而实现更加自然和直观的交互体验。
总之，双目视觉测距是一种通过观察物体在两只眼睛视网膜上的成像差异来计算物体距离的技术。
它的原理是基于人眼的视觉系统，通过标定、校正和特征点匹配等算法来实现。
双目视觉测距技术具有广泛的应用前景，可以在机器人导航、三维重建和虚拟现实等领域发挥重要作用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
h1 为被测物体通过透镜 1 成像的长度，对应图 1 中的|A1B1|；h2 为被测物体通过透镜 2 成像的长度，对应
图 1 中的|A2B2|；v1 为透镜 1 成像的像距，对应图 1 中的|A1O1|；v2 为透镜 2 成像的像距，对应图 1 中的|B2O2|；
f1 为透镜 1 的焦距；f2 为透镜 2 的焦距。
2008 年 4 月
岳荣刚 等：基于相似原理的新型双目测距法
65
件的“mask”，使成像系统的光学传递函数形成一系列周期变化的与目标物体距离有关的零点，该方法要求 目标物体具有低空间频率特性[4]；测角被动测距法通过对目标两次测角来实现测距，该方法要求平台加速 度不能为零。
上述各种测距法都存在一定的不足。为给移动机器人提供一种低成本、高精度的测距方法，本文基于 相似原理提出了一种新型双目视觉测距法。
Lens 1
B1
A
O1
h1
u
v1 f1 A1 2f1
h
B
v2
B2
u
O2
f2
2f2
Lens 2
h2
A2
图 1 新型双目测距法原理图
Fig.1 Schematic diagram of the new ranging method
图 2 新型双目测距实验平台
Fig.2 Experimental facility of the new ranging method
为找出 i 与物距 u 之间的函数关系，将表 1 中
的数据输入 Origin 软件，i 作为 x 轴，物距 u 作为 y
轴。用 Logistic 函数进行非线性拟合，其表达式为
y
= A1 − A2 1 + (x / x0 ) p
+
A2
(6)
最终得到的拟合曲线如图 3，得到的拟合参数
为 A1=200.018 09，A2=4 314.020 23，x0=0.791 6， p= 78.303 31。将其代入式(6)得到 i 与物距 u 之间的
i=h1/h2
1 250 0.747 52 11 1750 0.787 20
2 400 0.761 53 12 1900 0.788 36
3 550 0.768 50 13 2050 0.788 76
4 700 0.771 75 14 2350 0.792 91
5 850 0.775 41 15 2650 0.795 15
1引言
实现移动机器人路径规划和实时避障的一个关键技术就是准确地测出机器人到障碍的距离。目前常用 的测距方法主要分为主动测距法和被动测距法两种。
1) 主动测距法。主动测距法主要包括反射能量法、超声时间法等。反射能量法需要发射一束红外光或 激光到被测物体表面，同时接收被测物体的反射光能量，根据接收到的能量来判断被测物体的距离；超声 时间法测量一束超声波从发射到反射回仪器的时间来判断被测物的距离[1]。主动测距法的优点是受外界环 境干扰较小，其缺点是需要额外的能量发射装置，增加了成本，而且有的可能需要能量传播介质，限制了 其使用环境。
±64.86503 ±354.67879 ±0.00175 ±7.86169
u /mm
1 500
1 000
500
0
0.74
0.76
0.78
0.80
i=h1/h2
图 3 短距离实验非线性拟合曲线图
Fig.3 Curve diagram of nonlinear fitting at short distance experiment
为测量近距离物体，将富士 S9500 的名义焦距设置为 28 mm，将索尼 W100 的名义焦距设置为 38 mm。 为提高测量精度，将两部相机的分辨率都设置为最高。被测物体为一张 120 mm×80 mm 的深色矩形卡片。
实验过程是：在不同距离 u 上对被测物体进行拍照，将照片放大到原尺寸后，用刻度尺测量出矩形卡 片长边的尺寸，将富士 S9500 测得的卡片长边尺寸值定义为 h1，将索尼 W100 测得的卡片长边尺寸值定义 为 h2，这样可得到 h1/h2 的值 i。为得到比较精确的 i 值，共进行了三次同样的实验，实验结果如表 1 所示， 表中的 i 值为三次实验的平均值。
为验证式(7)的正确性，再次进行了一组实验，实验条件与前所述完全相同，该次实验得到的数据如表
u=
f1 f2 (h1 h1 f2 −
− h2 f1h2
)
，当
f1
≠
f2
时
(4)
并得到被测物体尺寸的计算公式：
h
=
h1h2 ( h1 f2
f1 −
− f2) f1h2
，当
f1 ≠
f2
时
(5)
式中：h 为被测物体 AB 的长度，对应图 1 中的|AB|；U 为被测物体到透镜的距离，对应图 1 中的|AO1|；
第 35 卷第 4 期 2008 年 4 月
光电工程
Opto-Electronic Engineering
Vol.35, No.4 April, 2008
文章编号：1003-501X(2008)04-0064-05
基于相似原理的新型双目测距法
岳荣刚，王少萍，李 凯，宋凌珺
( 北京航空航天大学 自动化科学与电气工程学院，北京 100083 )
6 1000 0.776 72
16 2950 0.799 77
7 1150 0.780 57 17 3250 0.801 42
8 1300 0.781 85
18 3850 0.801 55
9 1450 0.782 51
19 4450 0.813 75
10 1600 0.784 13
20 5650 0.822 70
2) 被动测距法。被动测距法根据被测物体本身发出的信号(如光信号)来测量距离，主要包括立体视觉 测距法、单目测距法、测角被动测距法等[2]。立体视觉测距法是仿照人类利用双目感知距离的一种测距方 法，该方法的难点是选择合理的匹配特征和匹配准则[3]；单目测距法是通过在光学系统中引进满足一定条
收稿日期：2007-08-26；收到修改稿日期：2007-12-06 基金项目：“新世纪优秀人才支持计划”、教育部国家外专局“高等学校学科创新引智计划”、北京市教改项目及自然科学基金(60371043) 作者简介：岳荣刚(1980-)，男(汉族)，山东青州人，博士研究生，主要研究工作是野外探测机器人。E-mail: beijing2008-v@
( School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China )
Abstract: Aiming at disadvantages of all kinds of current ranging methods, a new ranging method based on similarity principle was put forward by using two cameras. We introduced principle of this method, and deduced ranging formula. But the formula can’t be applied to engineering practice directly. In order to overcome the difficulty, we proposed an experimental method which could realize the engineering value of this new ranging method. In order to verify the practicability of this method, two grope of experiments have been done. The results show that the ranging method can measure distance accurately at short or middle distance. Compared with other ranging methods, this method is low-cost and suitable for the visual ranging system of mobile robots. Moreover, it can make the mobile robot get ability of telescope and wide-angle lens at the same time. Keywords: machine vision; ranging; similarity; robot
表 1 三次短距离实验得到的平均数据
Table 1 Average data of three times experiment at short distance
Group number Object distance u /mm
i=h1/h2 Group number Object distance u /mm
高了其感知世界的深度和广度。
关键词：机器视觉；测距；相似；机器人
中图分类号：TH761.2
文献标志码：A
New Ranging Method Using Two Cameras Based on Similarity Principle
YUE Rong-gang，WANG Shao-ping，LI Kai，SONG Ling-jun
根据式(4)和式(5)，需要知道两部相机的焦距。实验中，两部相机都可以通过手动方式将镜头的焦距值 设为某一固定值(将其命名为名义焦距)，但由于两部相机的镜头都是变焦镜头，都通过改变焦距的方式调