单目视觉图像深度测量方法研究

单目视觉图像深度测量方法研究

相机与其它传感器相比,具有能够直观反映客观世界、数据量大、信息丰富等特点,而且通常价格较低、配置方便,是自动化装置和机器人感知环境传感器中的优先选择之一。但由于普通相机在拍摄时获得的是被拍摄场景投影到成像平面上的二维图像,丢失了场景的深度信息,这使得机器无法通过图像直接得到场景中物体的远近、大小和运动速度等信息,因此需要从二维图像中恢复深度信息,即深度测量。深度测量在工业自动化、智能机器人、目标检测和跟踪、智能交通、三维建模和3D视频制作等领域都有广泛的应用。深度测量方法有很多种,其中基于单目视觉的图像深度测量方法具有设备简单、成本低廉、操作方便等特点而成为研究热点,并且单目相机体积小,重量轻,在一些有空间大小或载荷限制的特定场合以及手眼系统等应用中,需要或只能使用基于单目视觉的图像深度测量方法,而目前该测量方法还很不成熟,有必要对其计算原理、技术方法等方面进行研究。

因此本文对基于单目视觉的图像深度测量方法开展研究,主要工作和创新点如下:(1)提出一种基于熵和加权Hu氏不变矩的目标物体绝对深度的测量方法。该方法用普通单目相机拍摄同一场景的两幅图像,拍摄时保持相机的参数不变,将相机沿光轴方向移动,分别在物距间隔为d的前后两处各拍摄一幅图像,然后采用LBF模型的方法分割出图像中的物体,并求出各个目标物体像的面积,再将物体像的熵的相对变化率和加权Hu氏不变矩结合起来实现图像内物体的自动匹配,最后运用本文推导的公式计算出各个目标物体的绝对深度。文中采用真实场景图像对该方法进行了实验验证并与其他方法进行了对比,结果表明了该方法的有效性。(2)提出一种基于SIFT特征的目标物体绝对深度的测量方法,该方法同样需要按照上面的方法获取同一场景的两幅图像,然后分别对这两幅图像进行图像分割和SIFT特征点提取,并进行图像中的目标物体匹配,接着用凸包和几何形状约束从匹配物体中选出一对最佳直线段,最后根据光学成像原理利用直线段长度计算出场景中静态目标物体的绝对深度信息。

由于是通过被测量物体上的两个SIFT特征点所成的直线段长度来计算出物体的绝对深度信息的,所以该方法鲁棒性较好,不受场景中被测量目标物体部分遮挡或缺失的限制,对比实验表明该方法测量精度高于现有其他方法。(3)提出一种基于梯度信息和小波分析的单幅图像相对深度测量方法。该方法首先利用图像

的梯度信息度量图像中物体边缘点处的散焦程度,即散焦半径。由于图像中常会出现两种情况:多条边缘非常靠近或交叉、物体和背景颜色差异较小即弱边缘的情况,当出现上述两种情况之一时,直接用梯度信息度量的散焦半径将比其真实值小,需要对这类测量值很小的散焦半径进行修正,所以,本文提出利用原图像的小波变换系数得到的综合系数来判断上述测量的哪些边缘点处的散焦半径需要修正,并根据本文给出的散焦半径修正公式进行修正,从而得到一幅稀疏散焦深度图,然后利用联合双边滤波器对稀疏散焦深度图进行滤波,消除噪声等引起的误差,最后运用Matting Laplacian的方法将稀疏深度图扩展为稠密深度图,实验结果表明了该方法具有较高的测量精度。

上述所提出的三种方法均只需要一个普通相机,不需要进行相机标定和相机内外参数调整等工作,操作方便,前两种适用于可以安装移动相机的导轨或支架或机械臂的场合,以及用于比较精密控制的自动化装置或者手眼系统中。而第三种方法因为仅需一幅普通相机拍摄的图像就可计算该幅图像全场景的相对深度图像,所以,对场景中的静态物体和动态物体的深度信息均可以测量估计,并且操作更加简便。