第 1 章 绪论
1.1 论文的研究的背景及意义
1.1.1 研究背景
人类的进步带动着科技的发展，近年来，随着人工智能的飞速发展，越来越多的学者投身其中。机器视觉作为人工智能方向上一个快速而前沿的领域，它起源于20 世纪 60 年代中期，从美国学者 L.R.罗伯兹关于理解多面体的组成的积木世界的研究开始，是目前人工智能应用最广、发展最快的研究方向之一[1]。机器视觉主要是利用一些外来的设备来模拟人类的视觉功能，使得机器认知客观事物，并提取其信息进行加工处理，以达到对客观世界的三维场景的认知，用于实际的检测、测量和控制等。
在对人类视觉功能的研究中，两只眼睛观察空间世界中的物体有远有近，人类通过双眼来获取我们周围的事物，经过大脑的分析，得到这些物体的三维信息[2]。受到人类视觉的影响，人们开始研究双目立体视觉技术，双目立体视觉技术是采用两个成像设备从不同位置获取被测物体的二维图像，通过对图像的坐标信息转换和相应点位置信息偏差的计算，来获得物体三维几何信息[3]。目前，双目立体视觉技术在军事、工业领域中有着广泛的应用背景。在军事方面，现如今的战斗中，各国通过侦察卫星、单兵侦察等手段获得所需要的信息，利用立体视觉技术将获得二维信息进行三维的重建，模拟构造出战场的信息，这将作为指挥战斗的重要信息支持[4]。在工业方面，比较前沿的应用是在机器人和无人驾驶车的定位、导航、避障中，虽然红外或激光测距是目前应用最广的无人机探测技术，但是由于它是以信号来计算，很容易受到外界因素的干扰，对于自动避障的功能不合适，而双目视觉测距技术则不会受到外界较多的干扰，所以，人们逐渐开始将双目视觉测距技术应用到无人机的避障技术中[5]。另外，如工业流水线上物体外形尺寸的检测和表面缺陷的检测等，使用双目立体视觉后大大提高了工业的生产效率和自动化的程度，减少了人类的工作。综合上述实际的应用，可以看出，双目视觉技术有着很好的发展前景，构建双目视觉测距系统具有一定的现实意义。
........................
1.2 国内外研究现状
随着我们对实际应用的需求增加，近年来，机器视觉测距取得的成果令人瞩目。从最初的单目测距到双目测距，再到后来的多目测距，这项先进的科学技术一直在进步，也一直在吸引着各行各业的研究人员参与到其中。
第 3 章 相机标定与图像校正 ·············· 13........................
1.2 国内外研究现状
随着我们对实际应用的需求增加，近年来，机器视觉测距取得的成果令人瞩目。从最初的单目测距到双目测距，再到后来的多目测距，这项先进的科学技术一直在进步，也一直在吸引着各行各业的研究人员参与到其中。
在国外，例如日本东京大学利用双目摄像头所拍摄的图片进行物体的匹配，再结合上机器人周围的地图模仿人的双眼对不同的视点进行监测，为机器人监测周围的障碍物，他们采取特征提取、物体匹配等方法，进而进行距离的测量[7]。韩国 Pohang科技大学将摄像头安装在无人驾驶的起重机上，通过计算机视觉中的物体定位技术，对物体进行目标定位，然后利用测距技术和跟踪技术为吊臂起重机的调运钢卷提供物体的位置信息，便于机器的运行[8]。麻省理工学院计算机系提出了一种新的用于智能交通工具的传感器融合方式，采用双目立体视觉搭配雷达系统提供目标深度的大致范围，结合改进的图像分割算法，能够在高速环境下对视频图像中的目标位置进行分割和定位[9]。Yasuo Yoshida 将立体视觉技术应用到吊臂起重机中，在起重机的启动臂上安装两个摄像头，搭建立体视觉系统，通过摄像头获取的实时图像对物体轨迹进行追踪，计算出障碍物到吊臂之间的距离，测量负载的三维信息和摆动角度等信息，并将这些信息反馈给起重机的操作室，操作人员对起重机的起重臂进行控制，再可以安装报警系统，这样就可以实时进行自动监控，大大降低工人们的精力和体力，并且实现安全控制[10]。
在国内，双目视觉也有了广泛的研究。立体匹配是双目立体视觉的核心，使用的算法也在逐步的发展，通过立体匹配后得到的视差图，可以提取物体的深度信息。提取过程中，我们往往根据精确度的要求对已有的算法做出相应的改进，以提高测距的精确性，这是现在每个研究者研究的目的所在。其中东南大学提出了一种立体视觉中匹配特征点的新方法。该方法有别于传统的匹配方法，它将图像转换成非单极值的灰度图，运用多个极值作为考量，这就使得测距的精度非常高，适用于精密测量[11]。中科慧眼采用前置双目 3D 镜头，同时搭载了中科慧眼的 MPV 算法，并搭配了 KIT 标准测试，计算出视差的平均错误率在 7.38%左右，而国际上的主流算法 SGBM 和 ELAS 的错误率分别为 12.88%和 11.99%[12]。除此以外，为了使被测图像更加清晰，对图像中的噪声信息进行了去除，将处理后的图像结合垂直视差自动优化算法来进行图像中物体的识别，中科慧眼搭建了两个平行布置的摄像头，然后利用上述原理，将同一个物体的点在左右视图中产生的点对应起来，然后依照精确的三角测量原理，计算出前方物体与摄像头之间的距离，来达到避障的功能。目前，中科慧眼采用的两个摄像头具有较高的同步率和采样率，无论是远处的行人，还是近处的小物体，都可以准确的进行分辨。浙江大学采用透视成像原理和双目立体视觉技术，将两幅图像中的样点建立其三维坐标的对应关系，然后利用视差原理，得到目标的位置，实现了多自由臂机械装置的动态检测，精准定位，减少了计算机的信息量，加快了其处理的速度，在动态机械装置中更加实用，与手眼系统相比，被测物体的运动对摄像机获取图像没有影响，且不需知道被测物的运动轨迹和限制条件，有利于提高检测精度[13]。
.............................
第 2 章 双摄像头测距系统的理论阐述
2.1 视觉测距原理
双目立体视觉是融合双目获取的图像信息来得到它们的差别的，通过这样的差别，可以从中获得相应的深度信息，建立空间中同一图像特征点的对应关系，也就是我们所说的视差(Disparity)[14]。而运用这样的视差理论进行的测量方法，不仅有成本低廉、结构简单、精度适合等优点，而且还很适合用于对物体的非接触性检测和测量中。双目视觉实际是模拟人眼来对立体世界进行感知，人类通过双目将三维世界的图像信息通过视觉神经纤维传输给大脑，大脑再对传来的图像信息进行处理，就可以得到所观察图像距离我们深浅信息。
2.1 视觉测距原理
双目立体视觉是融合双目获取的图像信息来得到它们的差别的，通过这样的差别，可以从中获得相应的深度信息，建立空间中同一图像特征点的对应关系，也就是我们所说的视差(Disparity)[14]。而运用这样的视差理论进行的测量方法，不仅有成本低廉、结构简单、精度适合等优点，而且还很适合用于对物体的非接触性检测和测量中。双目视觉实际是模拟人眼来对立体世界进行感知，人类通过双目将三维世界的图像信息通过视觉神经纤维传输给大脑，大脑再对传来的图像信息进行处理，就可以得到所观察图像距离我们深浅信息。
基于机器视觉的双目立体视觉测距与人眼测距相似，只是将图像在双眼中的成像转化成图像在两个摄像头中的成像。一般的双目立体视觉系统分为一般双目立体视觉系统和理想双目立体视觉系统[15]，如下图 2-1，图 2-2 所示。如图 2-1 所示，当两个摄像头的位置任意放置时，构成的立体视觉系统为一般双目立体视觉系统，这是实际使用过程中最常用的。而图 2-2 所示为理想双目立体视觉系统，两个摄像头平行放置，它们的光轴平行。在测距系统中，需要将一般位置放置的双摄像头模型转化为理想状态下的测距模型进行计算。
.........................
2.2 相机标定综述
近 20 多年来，计算机视觉技术的研究已经离不开相机的标定。摄像机是立体世界中三维物体到二维图像映射关系的一种载体，它们之间的相互联系是由摄像机的几何模型决定的，通常记为摄像机的参数。
早期的相机标定是用于摄影测量中的镜头校正，对镜头校正的研究起源于十九世纪，一个比较热门的应用是二战中使用大量的飞机，在作战考察中要进行大量的航空摄影和地图绘制；另外则是立体测绘仪的出现，研究者通过相机标定、镜头校正来满足非接触测量仪器的精度需求。所以，在此期间，越来越多的人们开始研究镜头成像产生的误差，建立起一套镜头像差模型，最早对此做出贡献的是 D.C.Brown等人，他们推导出了在近焦距情况下给定位置处径向畸变的表达式，及证明了近焦距情况下，只需测得镜头两个位置处的径向畸变便可以求出任意位置的径向畸变[16]。随着数码相机的产生，原有的照相机逐渐被替代，人们便开始研究数码相机的数字化信息，这使得在实际的参数表达中，采用像素作为相对量的单位会更加方便，相机标定也随之产生[17]。
.........................
2.2 相机标定综述
近 20 多年来，计算机视觉技术的研究已经离不开相机的标定。摄像机是立体世界中三维物体到二维图像映射关系的一种载体，它们之间的相互联系是由摄像机的几何模型决定的，通常记为摄像机的参数。
早期的相机标定是用于摄影测量中的镜头校正，对镜头校正的研究起源于十九世纪，一个比较热门的应用是二战中使用大量的飞机，在作战考察中要进行大量的航空摄影和地图绘制；另外则是立体测绘仪的出现，研究者通过相机标定、镜头校正来满足非接触测量仪器的精度需求。所以，在此期间，越来越多的人们开始研究镜头成像产生的误差，建立起一套镜头像差模型，最早对此做出贡献的是 D.C.Brown等人，他们推导出了在近焦距情况下给定位置处径向畸变的表达式，及证明了近焦距情况下，只需测得镜头两个位置处的径向畸变便可以求出任意位置的径向畸变[16]。随着数码相机的产生，原有的照相机逐渐被替代，人们便开始研究数码相机的数字化信息，这使得在实际的参数表达中，采用像素作为相对量的单位会更加方便，相机标定也随之产生[17]。
从定义上来看，通过建立起相机的模型，对相机进行标定，这个过程是为了求解摄像头的内部和外部的参数。这其中，内部参数是摄像机固有的属性，包括图像的中心坐标、镜头的焦距、成像的比例因子和镜头畸变系数等；而摄像机的外部参数是确定相机在世界坐标系中的空间位置，一般而言，对于物体在空间中的位置，无非是从建立的空间坐标系中通过旋转量和平移量来确定的，所以标定相机的外参数可以用旋转矩阵和平移向量来确定。#p#分页标题#e#
............................
3.1 相机标定原理 ···························· 13
3.1.1 相机中的坐标系 ···················· 13
3.1.2 相机模型 ····················· 15
第 4 章 图像的处理 ······················· 23
4.1 图像预处理过程 ····················· 23
4.1.1 图像的灰度化 ·················· 23
4.1.2 图像平滑 ··················· 24
第 5 章 双目立体匹配 ·················· 33
5.1 匹配基元和匹配准则 ···················· 33
5.1.1 匹配基元的选择 ······················ 33
5.1.2 匹配准则 ························· 33
第 6 章 双摄像头测距系统的实现与结果分析
6.1 双摄像头测距的开发环境及平台搭建
基于上述章节对测距系统的理论知识分析与实验，构建一个双摄像头测距系统。双摄像头测距系统的工作示意图如下图 6-1 所示：
由上图可得，双摄像头测距系统需要一台电脑；两个相同规格的 USB 摄像头，本实验使用的是罗技 C525 高清摄像头，800 万像素，1280*720 的分辨率，将两个摄像头固定在一起，光心平行，距离为 7 厘米，以水平对准状态放置；一张 9*6 黑白棋盘格图片，并将其固定在一个硬纸板上。
..........................
..........................
结论
双目立体视觉技术是计算机视觉领域中研究的前沿和热点，综合近年来的发展趋势和研究现状，本论文针对机器视觉的双目立体视觉测距系统做了相应的研究，并且取得了一定的成果。完成了双目立体视觉测距系统的有关理论分析和测试，并且在 PC 端平台上完成了测距实验，已经完成了预期设计的任务。
本论文完成过程中进行的主要工作及其成果如下：
双目立体视觉技术是计算机视觉领域中研究的前沿和热点，综合近年来的发展趋势和研究现状，本论文针对机器视觉的双目立体视觉测距系统做了相应的研究，并且取得了一定的成果。完成了双目立体视觉测距系统的有关理论分析和测试，并且在 PC 端平台上完成了测距实验，已经完成了预期设计的任务。
本论文完成过程中进行的主要工作及其成果如下：
1) 相机标定 本论文详细介绍了摄像机标定的有关理论知识，对比和分析了两种摄像头的成像模型。分析了相机的传统标定法和自标定法的优点和不足，确定了本文采用的介于传统标定法和自标定法之间的张正友标定法，并且对比了 Matlab 标定法和基于 Open CV 视觉库的标定法实验得出的结果，得到更胜一筹的 Matlab 标定后的摄像机的内外参数值，并且通过误差分析等验证其正确性。在得到内外参数后，
对图像进行校正处理。
2) 图像预处理和特征提取对提高测量精度有着不可忽视的作用，本文介绍了图像预处理的具体过程，详细研究了图像平滑和图像分割的各种算法，并进行了实验结果的对比，取得了不错效果。然后应用了改进的 Harris 角点检测法实现对图像的角点检测，得到用于后续立体匹配的图像。
3) 在立体匹配的过程中，具体分析了匹配基元和匹配准则，描述了极线几何约束模型的原理，接着从基于特征、基于区域和基于相位三个方面分析了立体匹配的匹配算法。最终采用了一种 Census 变换和梯度融合的立体匹配算法，能够提高重复无纹理区域的匹配效果，同时还能减少光照对匹配的影响。
4) 实验最终测得距离信息，结果表明，该系统具有较好的准确度和实时性，具有一定的使用价值。
参考文献（略）2) 图像预处理和特征提取对提高测量精度有着不可忽视的作用，本文介绍了图像预处理的具体过程，详细研究了图像平滑和图像分割的各种算法，并进行了实验结果的对比，取得了不错效果。然后应用了改进的 Harris 角点检测法实现对图像的角点检测，得到用于后续立体匹配的图像。
3) 在立体匹配的过程中，具体分析了匹配基元和匹配准则，描述了极线几何约束模型的原理，接着从基于特征、基于区域和基于相位三个方面分析了立体匹配的匹配算法。最终采用了一种 Census 变换和梯度融合的立体匹配算法，能够提高重复无纹理区域的匹配效果，同时还能减少光照对匹配的影响。
4) 实验最终测得距离信息，结果表明，该系统具有较好的准确度和实时性，具有一定的使用价值。
