双目立体视觉测量系统的研究与实现
水下机器人双目立体视觉定位系统研究的开题报告
水下机器人双目立体视觉定位系统研究的开题报告（以下为开题报告正文）一、研究背景水下机器人作为一种具有广泛应用前景的智能装备，已经被广泛应用于海洋资源勘探、水下搜救、海洋环保等领域。
水下机器人在进行任务执行时，往往需要精准的定位和导航能力，而水下环境复杂，导致其探测范围受到较大限制，传统的GPS等定位手段在水下难以使用，这就需要开发出一种适用于水下环境的定位系统。
双目立体视觉作为一种非接触式三维测量手段，可以有效地消除传统单目视觉测量的缺陷，提高测量精度和稳定性。
在水下机器人领域，双目立体视觉技术也得到了广泛的应用，并取得了良好的效果。
因此，本文将重点研究水下机器人双目立体视觉定位系统。
二、研究目标本文旨在开发一种适用于水下机器人的双目立体视觉定位系统。
具体目标如下：1. 设计并搭建双目立体视觉系统；2. 研究水下机器人定位算法，提高其精度和稳定性；3. 在实际水下环境中验证水下机器人双目立体视觉定位系统的有效性。
三、研究内容本文研究的具体内容如下：1. 双目立体视觉系统的设计和搭建根据水下机器人的实际需求，设计一个适用于水下环境的双目立体视觉系统。
该系统应包括可靠的照明设备、高分辨率的相机以及稳定的图像传输设备。
2. 水下机器人定位算法的研究根据水下机器人实际需求，对双目立体视觉数据进行处理，提取出机器人所在位置和姿态的相关信息，并结合陀螺仪、加速度计等其他传感器数据，实现水下机器人的定位和姿态估计。
3. 水下机器人双目立体视觉定位系统的实验验证在实际水下环境中，使用研究开发的双目立体视觉定位系统对机器人进行测试和验证，评估其定位精度和稳定性，为后续实际应用提供可靠的技术保障。
四、研究方法本文将采用以下研究方法：1. 理论研究和文献综述对现有的双目立体视觉技术进行深入学习和分析，找出适用于水下机器人的双目立体视觉算法，并针对性地进行研究。
2. 硬件开发和系统集成根据研究开发需求，设计并搭建一个适用于水下环境的双目立体视觉系统，并将其集成到水下机器人中。
基于双目立体视觉的深度感知技术研究共3篇
基于双目立体视觉的深度感知技术研究共3篇基于双目立体视觉的深度感知技术研究1随着计算机科学技术的不断发展，双目立体视觉深度感知技术成为研究的热点之一。
本文将阐述该技术的发展历程和应用情况，并探讨当前的研究进展和发展趋势。
一、发展历程早期的双目立体视觉技术主要是通过人工对图像进行匹配来获取深度信息。
这种方法需要大量的人工投入，且匹配结果依赖于操作员的经验和技能，难以应用于实际生产中。
为了解决这一问题，研究者开始采用计算机算法来进行深度感知。
二、应用情况1. 机器人导航双目立体视觉技术在机器人导航中得到了广泛的应用。
机器人可以通过摄像机获取环境深度信息，从而避开障碍物，按照预设路径进行移动。
2. 三维建模双目立体视觉技术可以用于三维场景的建模。
通过获取物体的深度信息，可以建立物体的三维模型，从而更好地理解其形状和结构。
3. 自动驾驶技术自动驾驶技术需要实时获取道路和控制车辆的距离信息。
双目立体视觉技术可以快速获取道路和障碍物的深度信息，从而实现车辆的自动行驶。
三、研究进展1. 基于神经网络的深度感知近年来，研究者开始采用神经网络算法来提高双目立体视觉技术的准确度和效率。
神经网络可以自动学习和提取深度特征，并可用于深度估计和场景重建。
此外，神经网络还可以通过增加训练数据进行模型优化。
2. 基于时间维度的深度感知时间开销是双目立体视觉技术中的瓶颈之一。
针对这一问题，研究者开始将时间维度引入到深度感知中。
该方法可以在时间和空间上对图像进行标定，从而提高双目立体视觉技术的速度和准确度。
3. 基于多传感器的深度感知双目立体视觉技术只能在有光线的条件下正常工作。
为了提高深度感知在不同环境下的准确度和鲁棒性，研究者开始探索多传感器融合技术。
该技术可以融合不同传感器获取的信息，从而更好地理解物体的深度和形状。
四、发展趋势随着双目立体视觉技术的不断进步，研究者开始探索其应用范围的拓展。
未来，双目立体视觉技术将会更好地与其他技术结合使用，例如虚拟现实、增强现实等。
双目立体视觉系统的研究
２ 双 目立体 视觉 原理
当一 个摄像机拍摄图像时，由于图像中的像素点坐标 相对于
真 实 的 世界 坐 标 并 不 是 唯 一 的 ，会 造 成 深 度信 息 的 丢 失 。融 合 两
只 眼睛获得 的图像并观察 它们 的差别 ，可以获得 明显的深度感 。
因此 ，使用双 目摄像机 的两 个摄 像头同时拍摄 同一场景 ，可以得
摘 要 ：随 着视觉神经 学，计算机技术 、图像处理技术 以及人 工智能技术 等的发展 ，使得 机器人模 仿人 的视觉 系统成为可能。
为 了重 建 三 维 场 景 ，研 究 了基 于双 目摄 像 机 的双 目立 体 视 觉 系统 。融合 人 的眼 睛 处 理 视 觉 景物 的方 式 ，获取 三 维 场 景 的深 度 信
１ 双 目立体 视 觉 系统
双 目立体视觉 系统 由双 目摄像机、图像采集卡和计算机组成 。 双 目摄像机包括两个摄像头 ，可以从不 同的位置采集被测物 的两幅 图像 。图像 采集卡是双 目摄像 机和计算机之 间的桥 梁，图 像采集 卡可以将双 目摄 像机采集到的 图像信号 转换成数字信号 传输给 计算机 ，并保存在计 算机 的硬盘里 。 计算机是 图像处理的中心 ，主要通过算法完成。通过 图像预处 理 、图像分割 、特征提取 、立体 匹配等 图像 算法处理 ，解算 出被 测 图的 三维几何信息 ，同时进 行三维场景 的重建。
关键词 ：三维 场景 立体视 觉 特征提取 立体 匹配
中图分类号 ：ＴＰ３９１．４１
文献标识码 ：Ａ
文章编 号：１６７２－３７９１（２０１６）０１（ｂ）一００１３－０２
人类获取外 界世界的信息７０％来源于视觉系统 。视觉 是人们 观 察、认识世界 的主要手段 。当人分别用左 眼和右 眼去看 同一个 东西 时 ，物件 的距 离和 空 间感会变得 不一样。这是 因为人 体的两 只 眼睛 位置不 同，令每 只眼睛看 出来 的影 像有所差异 。当左右 眼 睛 同时 看东西时 ，所看 到的影像传到脑部 时，脑部会将两个影像 合 二 为 一 ，形 成 对 物 体 的 立 体 和 空 间 感 ，即双 目立 体 视 觉 。双 目立 体视觉 系统 就是利用视差原理通 过成像设备获取被测物 不同位 置的两幅 图像 ，利用计算机 对这 两幅 图像进行 图像 处理，计算 图 像对应 点的位置偏差 ，恢 复和重建被测物 三维 几何信息。它融 合 两只眼睛获 得的图像并观察它们之 问的差别 ，可以获得明显的深 度感 ，即可计 算出物件的三维几何信 息。
双目测量系统简介课件
智能化发展
结合机器学习、深度学习等技术，实 现双目测量系统的智能化发展，提高 自动化和自适应性。
降低成本
通过技术创新和规模化生产，降低双 目测量系统的成本，使其更广泛地应 用于工业生产和日常生活中。
05
双目量系的用例
工业检测领域应用
工业零件尺寸检测
装配线定位与引导
双目测量系统通过立体视觉技术，能 够快速准确地获取工业零件的三维几 何尺寸，提高检测精度和效率。
03
三维重建
通过双目立体视觉技术，将获取的二维图像信息转换为三维空间中的点
云数据，进而进行三维重建，得到物体的三维模型。
应用领域
工业检测
双目测量系统可用于工业生产 中的产品质量检测，如零件尺
寸、表面缺陷等检测。
逆向工程
通过双目测量系统获取物体三 维数据，进行逆向工程设计， 实现产品复制或优化。
机器人视觉
数据处理量大
双目测量系统需要处理大量的 图像数据，对计算资源和数据 处理能力要求较高。
成本较高
双目测量系统的设备成本较高， 尤其是高精度型号，限制了其 广泛应用。
未来发展方向
提高测量精度和稳定性
进一步优化算法和硬件配置，提高双 目测量系统的精度和稳定性，降低环 境因素对测量的影响。
拓展应用领域
将双目测量系统应用于更多领域，如 生物医学、安全监控、虚拟现实等， 满足不同行业的测量需求。
目标识别与定位
双目测量系统可以快速准确地识别和定位目标物体，为机器人提供精确的目标位置和姿态 信息，实现机器人的自动化操作和控制。
场景重建与虚拟现实
双目测量系统可以获取场景的三维信息，用于场景重建和虚拟现实技术，为用户提供更加 真实和沉浸式的体验。
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。
双目立体视觉技术的实现及其进展
双目立体视觉技术的实现及其进展摘要：阐述了双目立体视觉技术在国内外应用的最新动态及其优越性。
指出双目体视技术的实现分为图像获取、摄像机标定、特征提取、立体匹配和三维重建几个步骤，详细分析了各个步骤的技术特点、存在的问题和解决方案，并对双目体视技术的发展做了展望。
关键词：双目立体视觉计算机视觉立体匹配摄像机标定特征提取双目立体视觉是计算机视觉的一个重要分支，即由不同位置的两台或者一台摄像机（CCD）经过移动或旋转拍摄同一幅场景，通过计算空间点在两幅图像中的视差，获得该点的三维坐标值。
80年代美国麻省理工学院人工智能实验室的Marr提出了一种视觉计算理论并应用在双目匹配上，使两张有视差的平面图产生在深度的立体图形，奠定了双目立体视觉发展理论基础。
相比其他类的体视方法，如透镜板三维成像、投影式三维显示、全息照相术等，双目视觉直接模拟人类双眼处理景物的方式，可靠简便，在许多领域均极具应用价值，如微操作系统的位姿检测与控制、机器人导航与航测、三维测量学及虚拟现实等。
1 双目体视的技术特点双目标视技术的实现可分为以下步骤：图像获取、摄像机标定、特征提取、图像匹配和三维重建，下面依次介绍各个步骤的实现方法和技术特点。
1.1 图像获取双目体视的图像获取是由不同位置的两台或者一台摄像机（CCD）经过移动或旋转拍摄同一幅场景，获取立体图像对。
其针孔模型如图1。
假定摄像机C1与C2的角距和内部参数都相等，两摄像机的光轴互相平行，二维成像平面X1O1Y1和X2O2Y2重合，P1与P2分别是空间点P在C1与C2上的成像点。
但一般情况下，针孔模型两个摄像机的内部参数不可能完成相同，摄像机安装时无法看到光轴和成像平面，故实际中难以应用。
上海交大在理论上对会摄式双目立体视系统的测量精度与系统结构参数之间的关系作了详尽分析，并通过试验指出，对某一特定点进行三角测量。
该点测量误差与两CCD光轴夹角是---复杂的函数关系；若两摄像头光轴夹角一定，则被测坐标与摄像头坐标系之间距离越大，测量得到点距离的误差就越大。
双目视觉测量系统双目视觉测量系统工作原理是双目视觉测量的基本
双目视觉测量系统
双目视觉测量系统工作原理是双目视觉测量的基本原理是由不同位置的2 台摄像机经过移动或旋转拍摄被测物体的同一表面，获取图像对。
通过提取图像上线激光在物体表面投影的中心像素点、像素点的立体匹配，得出测量点在2 幅图像平面上的像素坐标对，利用成像公式计算出被测点的空间坐标。
根据人眼双目成像的原理, 通过双摄像头实现获得立体信息进而提出人脸识别的一种新方法, 并给出实现系统的结构。
专用的全息扫描获得三维数据的方法, 设备昂贵且采样非常不方便,不如本文提出方法耗材简单且取样非常方便。
双目立体视觉传感器的测量原理类似于人类视觉获取信息的方式, 即由两台相对位置固定的摄像机与被测对像构成三角形, 被测对像在两像面上形成立体图像对, 然后利用计算机图像处理技术进行相关特征点匹配, 并通过计算左右两幅图像中相关特征点的视差来获取被测点的空间三维坐标。
双目立体视觉传感器主要是利用三角法测量原理和针孔透视成像理论获得空间被测量特征点在传感器坐标系下的三维坐标, 它主要由左右摆放的两个摄像机组成。
基于双目视觉的机械零件位姿检测系统研究
算法实现：使用编 程语言实现算法， 并进行测试和验证
算法评估：对算法 进行评估，比较与 其他算法的优劣
测试目的：验证机械零件位姿 检测系统的准确性和可靠性
测试环境：实验室和实际生产 线
测试方法：对比实验、重复测 试和异常测试
测试结果：高准确率和低误差 率
相机标定是确定相机内 部参数和外部参数的过 程，通过标定可以获得 相机的高精度模型。
双目立体标定：确定左右相机之间的相对位置和姿态，以及基线距离等参数
优化算法：采用优化算法对标定结果进行优化，提高标定精度
优化算法：采用先进的优化算法，提高标定精度和速度 参数调整：根据实际情况调整相机参数和标定板规格，提高标定效果 多视角标定：采用多视角标定方法，提高标定结果的稳定性和可靠性 实践应用：将双目视觉系统应用于实际生产中，不断优化和改进系统性能
常见的相机标定方法包括 张氏标定法、两步法等， 这些方法都需要使用已知 尺寸和位置的标定板作为 参照物。
相机标定的精度直接影 响到双目视觉系统的测 量精度，因此需要进行 高精度的相机标定。
在进行相机标定时，需 要注意消除相机的畸变， 以提高标定精度和双目 视觉系统的测量精度。
相机内参标定：确定相机内部参数，如焦距、光心等 相机外参标定：确定相机相对于标定物的位置和姿态
触、低成本
挑战：光照条 件、目标遮挡、 复杂背景、实
时性
硬件部分：包 括双目视觉相 机、机械零件、
标定板等
软件部分：包 括图像采集、 预处理、特征 提取、位姿计
算等模块
算法部分：采 用基于特征匹 配的位姿计算 方法，实现机 械零件的位姿
检测
应用部分：将 位姿检测结果 应用于机械零 件的自动化装 配和质量控制
双目立体视觉系统的分析
（） ３ 梯度大小和方 向的计算利用公式 （．） 出。 １ 得 ３ （） ４ 在第 四个步骤 ， 边缘 的梯度方 向分为 ４组 。例如 ， 水
。
因为它体现 了机器人在非结构化环境 中移动过程的重要意 梯度方 向上前后两个像素的灰度值相比不是最大， 那么这个像
义。
素值置为 ０ 既不是边缘。 ， 以视觉系统 为基础 的三 维外形轮廓 的非接触式 、高速测 （ ） 是 大 于 高 阈值 的一 定 是 边 缘 。 是 小 于低 阈值 的一 ６凡 凡 量是一个重要 的研 究方 向，双 目立体视觉方法是其中一种最 定不是边缘 。 如果检测结果大于低阈值 又小于高 阈值 ， 那就看 常 用 的方 法 。本 文 介 绍 了一 种 使 用 双 目立 体 视 觉 系 统 作 为 导 这个像素的邻接像素中有没有超过 高阈值的边缘像素 ， 如果有 航 而 设 计 的在 未 知 环 境 中工 作 的拟 人 机 器 人 。主 要 讨 论 的 重 就 是 边 缘 ， 则 就 不 是 边 缘 。 否 点在 于 探 测 和 接 近 具 有 直 角 边 的物 体 ，并 进 行 了系 统 的 分 析 ２２ ． Ｈｏ 曲 变换 ｕ 和方法介绍 。 在本文 中 Ｈｏ ｇ ｕ ｈ变换用于提取 出的解析表达式 。 我们知 ２机器视觉要素 道 ， 条 直 线 的 参 数方 程 可 以 写 成 ：ｃ ｓ 一 Ｘ ｏ０＋ｙ ｉ０ （．） ｓ ＝Ｌ ２１ ｎ 本章介绍 了一些机器视觉 的基本要素 ，这些要素将在本 其中ｒ 是坐标原点（， Ｎ直线 的长度 ， 是交线和 ｘ轴 Ｏｏ ） 而０ 文 后 面 中运 用 到 。例 如 边 缘 检 测 ， 征提 取 和 三 角 测 量 。 特 之 间的角度。 对于任何 点在一个特 定的线条，和ｅ ｒ 的值是常数。
双目立体视觉三维测量原理
双目立体视觉三维测量原理
1.前言戏说
双目立体视觉是基于视差原理，由多幅图像获取物体三维几何信息的方法。
在机器视觉系统中，双目视觉一般由双摄像机从不同角度同时获取周围景物
的两幅数字图像，或有由单摄像机在不同时刻从不同角度获取周围景物的两
幅数字图像，并基于视差原理即可恢复出物体三维几何信息，重建周围景物
的三维形状与位置。
双目视觉有的时候我们也会把它称为体视，是人类利用双眼获取环境三维信息的主要途径。
从目前来看，随着机器视觉理论的发展，双目立体视觉在
机器视觉研究中发回来看了越来越重要的作用。
本文主要研究了双目视觉的
数学原理。
2.双目立体视觉的数学原理
双目立体视觉是基于视差，由三角法原理进行三维信息的获取，即由两个摄像机的图像平面和北侧物体之间构成一个三角形。
一直两个摄像机之间的。
- 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)。
收 稿 臼期 ：０ １ ０ ２ １ 】一】 ４
毒 ｔ Ｕ ０
一
１
式 （） ， １ 中 是 比 例 系 数 ； 一 ， ｆ ； 阵 “ 一 矩
乎 失去 了物体 所 有 的深 度信 息 ， 而 物 体 的ｊ 维 然
图像 能 够 ＿ 加 全 面 、 实 地 反 映 客 观 物 体 ， 供 更 史 真 提
加 丰 富而 准 确 的 信 息 ， 以 有 必 要 从 二 维 图像 中 所
重 构 场 景 的 蔓维 空 间 ， 获 取 其 三 维 信 息 ． 的 视 以 人 觉 系 统 具 有 将 获 取 的 图 像 信 息 转 换 为 立 体 视 图 的 功 能 ， 现对 客 观世 界 三维 场 景 的感 知 、 识 和 理 实 认 解 ． 日立 体 视 觉 测 量 系 统 正 是 根 据 此 原 理 ， 拟 双 模 人 类 视 觉 处 理 景 物 的 方 式 ， 求 从 二 维 图 像 中 恢 探
１２ Ｏ
武 汉 工 程 大 学 学 报
第 ３ ３卷
一ｌ ２２ ｒ３ ｒ１ ＂ ｌ ｝ １
｝ Ｉ ？
Ｒ Ｌ１ｒ ２为 转 ， ｛ 平 矩 —ｊ ２ ３ 旋 矩阵 ｔ ｔ 为 移 ２ ｛ ｒ ｒ ２ —Ｉ ， ｊ Ｌ ｊ
。 。 。 。
阵； 厂为 摄像 机 焦 距 ； 和 ｄ ｄ 分 别 为 图 像 坐 标 系
中相邻 像 素在 Ｘ 轴 和 ｙ轴方 向上 的距离 ． 在 测 量系 统 中， 像 机 是 基 于 双 目平 行 的 空 摄 间关 系进行 配置 的． 求空 间点 Ｐ 的坐 标 ， 要 先用 摄 像机定 标 的 方 法 分 别 求 出 双 目摄 像 机 的 投 影 矩
阵 ， 将 这 两 个 投 影 矩 阵 分 别 带 人 式 （ ） 从 而 可 再 １， 以 得 到 关 于 Ｘ 、 Ｚ 的 四 个 线 性 方 程 构 成 的 超 定 ｙ、
ｉ ｏｅｓ ｇ ｏｎ ｐｒ ｃ ｓ ｍ
方程组 ， 可利 用最 小二乘 法解 得该点 的世界 坐标 ．
２ 图 像 预 处 理
从 图像获取 系统 中得 到 的符合 立 体 视 觉原 理
的左 右 图 像 对 ， 于 各 方 面 因 素 的 影 响 ， 不 可 避 由 会
圈 ５ 图像 降嗓 处 理 后
和操作 之前 ， 必须 对原 始 图 像进 行必 要 的预处 理 ． 图像 预处 理 的就是 对 图像 采 用一 系列 技术 来 降低 噪声 的影响 和图像 的失 真 ，改善 图像 的视觉效 果 ， 突出有 用信息 、 制无用 信息＿ ． 抑 ３ ］ 基 于上述 问题 ， 出一 种 图像 预 处 理方 法 ， 提 步
Ｆｉ Ｐｒｎ ｉ ｅｏｆｂｉ ｃ ａ ｓｏｎ ｉ ａ ｎ ｇ．１ ｉ ｃｐｌ ｎｏ ｕｌｒｖｉｉ ｍ ｇｉｇ
媒体 技 术等 前沿 领域 研 究 的重要 内容 ．
令 世 界 坐 标 系 下 空 间 点 Ｐ（ Ｙ， 在 两 个 摄 Ｘ， Ｚ） 像 机 像 平 面 上 的 投 影 坐 标 分 别 为 Ｐ （ ） Ｕ， 和 Ｐ （ ） 点 Ｐ 、 坐 标 均 以像 素 为 单 位 ． 据 ｚ“ ， ， Ｐ 根
双 目立体 视觉 测 量 系 统 的 研 究 与实 现
陈 李 王海晖 念 ， 进 ， 。
（ ． 汉工程 大 学 计 算机 科 学 与工程 学院 ， １武 湖北 武汉 ４ ０ ０ ； ３ ２ ５
２ 武 汉 工 程 大 学 智 能 机 器 人 湖 北 省 重 点 实验 室 ， 北 武 汉 ４ ０ ０ ） ． 湖 ３ ２ ５
Ｏ 引 言
客 观 现 实 世 界 是 一 个 三 维 的 空 间 世 界 ， 用 常
物 体 表面任 意一 点 Ｐ， 果 用 Ｃ 如 和 Ｃ 两 个 摄 像 机 同 时观察 Ｐ 点 ， 在 两 相 机 的投 影 分 别 为 Ｐ 、 Ｐ ＿ｚ并 且 己经 确定 Ｐ 尸， 与 Ｐ。为双 目视 觉 图像 的匹
（） ２
由式 （ ） 去 Ｐ 后 得 到 ： ２消
Ｐ２ Ｒ２ Ｐｌ ｔ 一Ｒ２ ＝ Ｒ ＋ ２ Ｒ ｔ ＝ Ｒ， ： 目立 体视觉测量 系统 的研 究与实现 等 双
ｉ３ ０
令 摄像 机 Ｃ 相 对 于摄 像 机 Ｃ ：的位 置 关 系 为
１ 双 目 立 体 视 觉 原 理
双 目视 觉 测 量 原 理 是 从 两 个 视 点 观 察 同 一 物
针孑 成像 模 型 ， 过 理 论 推 导 可 以得 到 像 素 坐标 Ｌ 经
和世 界坐 标之 间 的关 系为 ｌ ： ２ ］
一
体 ， 获 取 存 不 同 视 角 下 的 感 知 图 像 ， 过 三 角 几 以 通
节， 标定 的精 度 直 接 影 响最 终 的重 建 效 果 与测 量
误差．
双 目立体 视觉 中双 目摄 像 机标 定 与单 个摄 像
机标 定类 似 ， 用 单 摄 像 机 标 定 的方 法 分 别 得 到 先 两个 摄像 机 各 自的 内 外参 数 ， 后利 用 两 摄 像 机 然 的外参 数 标 定 摄像 机 与摄 像 机 之 间 的位 置关 系．
配 点 ， 么 可 以 得 出 ， 点 既 位 于 直 线 （ｌ ， ， 那 Ｐ ） Ｐ】 上 又
的摄像 机 、 码 相 机 等 图像 捕 获 设 备 利 用 光 学 镜 数
头 成像 原理 只 能 获 取 到二 维 图 像 ， 二 维 图像 几 但
位 于 直 线 Ｐ 上 ． 此 ， 就 是 这 两 条 直 线 的 交 因 Ｐ 点 ， 的三维 位 置是 唯一 确定 的． 它
理 ， 果如 图 ４ 图 ５所示 ． 效 、 阈值 面积 去 噪法 即采 用
区 域 面 积 滤 波 的 方 式 消 除 掉 面 积 过 大 和 面 积 过 小 的 图像 区域 ， 掉 标 靶 外 围 大 部 分 干 扰 点 ， 到 标 去 得 靶 去 噪 后 的 二 值 化 图 像 ］ ．
Ｒ、 ， 则
最 终计 算 出双 目标 定 的结果 ．
双 目摄 像 机 标 定 结 果 ：
＜ ２ 』 Ｒ～ ｌ
几何 关 系．
ｔ ｔ — ２一 Ｒ２ Ｒ ｔ １
ｆ （ ４ ）
欧拉角： Ｒ 一一０ ０ ６９ ７ Ｒ ＝０ ０ ２８ ９ ． ２ ０ ； ． ４ １ ；
３ 双 目摄 像 机 标 定
摄像机 标定是 指建 立 摄像 机 图像 像 素坐 标 与 场景点 三维坐 标之 间的关 系 ， 根据 摄像 机模 型 ， 由
（ ）采 用 阈 值 法 将 图 像 二 值 化 ， 果 如 图 ２ １ 效 、
图 ３所 示 。
豳一 豳
ｔ ｎ Ｉ ａ ａ ｍ ｇｅ
何原 理训 算 图像像 素 问 的 位置 偏 差 （ 即视 差 ） 获 来
取 景 物 的 ｊ 维 信 息 ［ 空 问 点 是 构 成 三 维 空 问 结 构 的 最 基 本 单 元 ， 论 上 可 以 由 点 形 成 线 ， 线 形 理 由
Ｘ
（ １）
成而 ， 由各 种 面 构 成 １ 立 体 结 构 ． 冉 二维 因此 ， 间 空
模 块 经 过 试验 测 试 和 验 证 ， 够 对 空 间 物 体 的三 维 位 置 坐 标 进 行 高 精 度 的 测 量 ， 足 对 物体 三 维 测 量 要 求 ． 能 满
关 键 词 ： 同立 体 视 觉 ； 像 处 理 ； 像 机 标 定 ； 双 罔 摄 三维 测 量 中图 分 类 号 ： ＴＰ２ ２ ６ ４ ． ２ 文献标识码 ： Ａ ｄ ｉ １ ． ９ ９ ｊｉｓ ． ６ ４２ ６ ． ０ １ ０ ． ２ ｏ ： ０ ３ ６ ／．ｓｎ １ ７ — ８ ９ ２ １ ． ５ ０ ６
设两摄 像机 的外 参 数 分 别为 Ｒ 、 ｔ 与 Ｒ 、。 Ｒ 为 ： ｔ（
旋转 矩 阵 ， Ｔ为平 移 矩 阵 ） Ｒ 、 ， ｔ 示 摄像 机 Ｃ 表
图 ３ 图 像 二 值 化 后
与世界 坐标 系之 间的相对 位置 ， ｔ 表示摄 像机 Ｒ 、 。
Ｃ 与 世 界 坐 标 系 之 间 的 相 对 位 置 ． 于 空 间 任 意 。 对
■一
Ｆｉ ５ Ａ ｆｅ ｈｅ ｉ ａ ｉｅ ｒ ｄ ｔｏ ｏｃ ｓ ｉ ｇ ｇ． ｔ ｒ ｔ ｍ ｇｅｎｏ ｓ ｅ ｕｃｉ ｎ ｐｒ ｅ ｓｎ
免 的存 在 噪声 、 干扰 和失 真 现 象 ， 成 图 像质 量 的 造 下降 ， 而两 台摄像 机 由于接 收 的光 强 不 同 ， 体 图 立 像对 间也 会存 在亮 度 差 异． 因此 在 对 其 进 行 分 析
一
Ｆｉ ３ Ａ ｆｅ ｈｅｂｉ ｒｚ ｔｏｎ ｏｆａ ｉ ａ ｇ． ｔ ｒ ｔ ｎａ ｉａ ｉ ｎ ｍ ｇｅ
（ ）采 用 阈 值 面 积 去 噪 法 对 图 像 进 行 降 噪 处 ２
点 Ｐ， 三 维 重 建 原 理 可 得 由
ｆ ＝ＲＩ ｔ ｆ ＰＩ Ｐ＋ ｌ
ｌ 一Ｒ２ Ｐ２ Ｐ＋ ｔ ｚ
摘 要 ： 据 双 目视 觉 原 理 ， 绍 了双 目立 体 视 觉 测 量 系统 的 组 成 ， 系统 涉 及 的 关 键 技 术 进 行 了有 关 的 探 讨 根 介 对 和 研 究 ． 用 ＶＣ ６ ０与 ＨＡｌ Ｏ 软 件 开 发 平 台 结 合 相 关 硬 件 设 备 ， 现 了 双 目立 体 视 觉测 量 系 统 ． 统 各 利 ． Ｎ Ｃ 实 系
基 金 项 目 ： 汉 ： 大 学 第 五 届 校 长基金 资 助 项 目 武 程 作者简介 ： 陈 念 （ ８ ） 男 ， 北 汉 Ｊ 人 ， 究 方 向 ： 字 图像 处 理 、 器 视 觉 ． １ ９一 ， 湖 ９ Ｉ ｆ 研 数 机
指 导 教 师 ： 海 晖 ， ， 授 ， 十 ， 士 研 究 生 指 导 老 师 ． 究 方 向 ： 式识 别 、 字 冈像 处 理 ． 王 男 教 博 硕 研 模 数