点击上方“新机器视觉”,选择加"星标"或“置顶”

重磅干货,第一时间送达64315614a19be7bb70df741c1a4c2e1f.png

双目立体视觉是机器视觉的一种重要形式,它是基于视差原理并由多幅图像获取物体三维几何信息的方法。双目立体视觉系统一般由双摄像机从不同角度同时获得被测物的两幅数字图像,或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像,并基于视差原理恢复出物体的三维几何信息,重建物体三维轮廓及位置。

b86a73fd5dcbd35719f2a0afaa01d985.png

双目立体视觉原理

双目立体视觉三维测量是基于视差原理,下图所示为简单的平视双目立体成像原理图,两摄像机的投影中心的连线的距离,即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处,坐标系如图所示。

890ac611488d47a6d4f9fc0b5644b3aa.png

事实上左右成像平面绘制在镜头的光心前f处,这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致。左右图像坐标系的原点在摄像机光轴与平面的交点O1和O2。空间中某点P在左图像和右图像中相应的坐标分别为P1(u1,v1)和P2(u2,v2)。

01fac2e29c9a7933db871fa11a6b3eb9.png

假定两摄像机的图像在同一个平面上,则点P图像坐标的Y坐标相同,即v1=v2。由三角几何关系得到:

e990459b17df247978fb105f27fdeb4c.png

  由此可计算出空间中某点P在左摄像机坐标系中的坐标为:    

2c3a1ccd0baf05f438f3289e6d76168d.png

因此,只要能够找到空间中某点在左右两个摄像机像面上的相应点,并且通过摄像机标定获得摄像机的内外参数,就可以确定这个点的三维坐标。  

6e032486fb0e5ae815a4452dd10b84eb.png

双目立体视觉的系统结构以及精度分析

立体视觉系统的一般结构采用交叉摆放的两个摄像机从不同角度观测同一被测物体。也可以由一个摄像机实现,如一个摄像机通过给定方式的运动,在不同位置观测同一个静止的物体,或者通过光学成像方式将两幅图像投影到一个摄像机,都可以满足精度要求。  

a76c6444a5cc117583be31c5b602e382.png

各种双目视觉系统结构各有优缺点,这些结构适用于不同的应用场合。对要求大测量范围和较高测量精度的场合,采用基于双摄像机的双目立体视觉系统比较合适;对测量范围要求比较小,对视觉系统体积和质量要求严格,需要高速度实时测量对象,基于光学成像的单摄像机双目立体视觉系统便成为最佳选择。   

1c701b24dd21ecbc9497eae2b0f941e3.png

为了得到更高的精度,应该使摄像机的焦距以及基线长度增大,同时应该使被测物体尽可能的靠近立体视觉系统。另外这个精度和视差的精度有直接的关系,无论在任何情况下,要确保立体图像对之间的交迭区域足够大并且两个摄像机应该大约对齐,也就是说每个摄像机绕光轴旋转的角度不能太大。 

de8f3843ce648f5843129c9e8e9828b8.png

在进行双目视觉系统标定以及应用该系统进行测量时,要确保摄像机的内参和两个摄像机相对位置关系不能够发生变化,如果任何一项发生变化,则需要重新对双目立体视觉系统进行标定。否则,将影响测量结果的精度。

4a1337acd8a0b95a3e8f54b218fa7038.png

双目立体视觉系统标定   

摄像机内参数的标定和单目视觉系统标定一致,双目立体视觉系统的标定主要是指摄像机的内部参数标定后确定视觉系统的结构参数R和T(即两个摄像机之间的位置关系,R和T分别为旋转矩阵和平移向量)。

b80cac1c0b287055771de32660c6219b.png

具体的标定过程:   

1、将标定板放置在适当的位置,使它能够在两个摄像机中均可以完全成像。通过标定确定两个摄像机的内部参数以及他们的外部参数(R1、T1与R2、T2),则R1、T1表示左摄像机与世界坐标系的相对位置,R2、T2表示右摄像机与世界坐标系的相对位置。

360795f38ec0ac4ec90c44709bbb786b.png

2、假定空间中任意一点在世界坐标系、左摄像机坐标系和右摄像机坐标系下的非齐次坐标分别为xw、x1、x2,则:

02c3b33816d85597102b845e3ec10204.png

双目立体视觉的对应点匹配  

由双目立体视觉系统原理可以看出双目立体视觉是建立在对应点的视差基础之上,因此左右图像中各点的匹配关系成为双目立体视觉技术的一个极其重要的问题。然而,对于实际的立体图像对,求解对应问题极富挑战性,可以说是双目立体视觉中最困难的一步。

3f8dd3ba315cc0d7f3f364ab5603c39b.png

为了能够增加匹配结果的准确性以及匹配算法的速度,在匹配过程中通常会加入下列几种约束: 

1、极线约束。在此约束下,匹配点已经位于两副图像中相应的极线上。  

2、唯一性约束。两副图像中的对应的匹配点应该有且仅有一个。  

3、视差连续性约束。除了遮挡区域和视差不连续区域外,视差的变化都是平滑的。

4、顺序一致性约束。位于一副图像极线上的系列点,在另一幅图像中极线上有相同的顺序。  

056b3bb7880789232fbb13fbdd287c4e.png

d4eba98c6c52f8498c4d1f87eabc4e0b.gif End d4eba98c6c52f8498c4d1f87eabc4e0b.gif

声明:部分内容来源于网络,仅供读者学术交流之目的。文章版权归原作者所有。如有不妥,请联系删除。

972038f1fd9493be981dd1e405b4bd77.png

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐