2017/02/15 文献阅读

2017/02/15

---

张蓬 机器人双目立体视觉测距技术研究与实现

Research and implementation of robotic binocular visual distance measuring technology

引言
1. 双目立体视觉的系统组成
2. 双目立体视觉测距算法
3. 双目立体视觉测距系统的设计与实现
4. 实验分析
5. 结论

本文运用Ｌａｂｖｉｅｗ开发环境设计实现了一个双目视觉测距
系统，并对所设计的系统进行了测试。对实验中产生误差的原
因和误差变化趋势进行了分析。由于本文使用的摄像头为非专
业检测摄像头，导致系统中多处系数未能得到精确值，使得检
测结果的精确范围较小。提高摄像头的精度，可进一步提高检
测的精度。此机器人视觉系统的设计，可用于移动速度较慢的
机器人的视觉检测、定位和对特征物体识别等方面，对增强机
器人的智能化具有实际的意义。

---

王怡萱 基于双目视觉的目标定位于测距系统硬件平台

Hardware platfrom of target positioning and ranging system base on bincular vision

1. 概述
   

本文设计一种基于双目视觉的目标定位于测距系统硬件平台，并将其应用于林业机器人领域

硬件平台工作流程

双目视觉理论

硬件平台搭建

结束语

---

王浩 基于OpenCV的双目测距系统

Binocular measuring system based on OpenCV

引言

人眼的立体感知能力虽然很强，能很轻松地正确判断出两个物体的深度顺序，但却无法得到物体精确的距离信息。利用计算机立体视觉，通过精确的标定，在匹配正确的情况下可以得到非常精确的深度等信息。随着社会的发展和科技的进步，立体测距的应用领域越来越广泛。目前具有代表性的测距方法 有以下3 种: 1)单摄像头配合一个激光笔［1］
。该方法简单精确，但通过一次计算只能得到一个点的距离。2) 单摄像头配合红外线。该方法应用前景广泛但实现难度大，且成本较高。3) 利用双摄像头进行立体测距。该方法能同时得到图像上多个物体的距离，但没匹配到的物体的距离无法得到。
双目立体视觉研究的关键在于标定摄像机和立体匹配两个方向。其使用单目成像设备从不同的位置获取被测目标物体的多个图像，或利用双目成像设备( 如立体摄像机、立体相机) 的左右摄像头获取被测 目标物体的同一时刻左右图像;利用得到的图像对，基于已经建立的立体视觉模型通过计算左右图像对应点间的位移偏差［2-4再结合摄像机焦距等参数，使用三角相似等数学方法计算被测目标物体离摄像机的距离。笔者基于 PC 机与立体相机利用该方法实现测距。
1. 系统要求与流程图
2. 摄像机模型和标定
3. 立体校正
4. 立体匹配与测距
5. 测距系统实验结果
6. 结语
笔者基于 OpenCV，实现了对立体相机拍摄的图片中的物体测距。为实现测距的功能，对摄像机的
标定、立体校正、图像去噪、极线约束下的块匹配、从视差图中提取深度信息等关键技术进行了研究。 并使用 C ++语言编程实现，使用 MFC 设计界面，使用文中的块匹配算法进行匹配，可得到图片上所有 匹配到的物体的距离信息。通过鼠标点击得到图片上每个点位置的距离，对近距离物体测距速度快且精 度高。但对图片上的不明显的小物体不敏感，若需要检测小物体还需要手动调整相应参数，且对于远距 离物体的测距误差较大，这需要在今后的研究工作中加以改进。

---

邵暖 基于特征匹配算法的双目视觉测距

Binocular stereo distance-measurement method based on feature matching algorithm

引言
1. 双目视觉模型的建立
2. 改进的SIFT特征匹配算法
3. 结合SIFI特征匹配的双目视觉标定
4. 双目视觉测距实验
5. 结论

本文提出了一种双目立体视觉测距方法。根据像平面坐标系与像素坐标系之间的转换关系，将摄像机坐标系下的双目视觉模型用空间点的像素坐标表示。图像匹配是测距的前提和基础，为了提高 匹配精度，本文将尺度不变特征变换算法（SIFT） 与二次反相匹配算法相结合，通过改变二次匹配的相似性度量，有效地去除误匹配点。
与传统的标定方法不同，本文采用基于平行光轴的双目视觉标定方法，根据模型特点，测量结果是障碍物上的点相对左摄像机的距离值，所以不需要恢复该点的空间坐标，仅需要对内参数进行标定，只要获得障碍物上匹配点对的像素坐标值就能迅速测量出与机器人之间的相对距离。该方法旨在为机器人的路径规 划与避障环节提供数据支持，具有计算简单、易于操作的特点.

---

韩峻峰 基于双目立体视觉技术的汽车测距系统实现

Implementing automobile ranging system based on binocular stereo-vision technology

引言

汽车测距是智能汽车防撞系统［1］的主要关键技术之一。现有的 汽车测距常用的有毫米波雷达测距、超声波测距、激光测距、机 器视觉测距等多种方法［2]
毫米波雷达测距利用雷达发射电磁波，并由接收物体反射的回波获得物体至电磁波发射点的距离等信息，具有长测量距离、高精度、多目标检测及受天气和障碍物形状影响小等优点［3］。然而，使用此测距法不足之处是毫米波雷达成本高，不能有效分辨测量极弱反射或者不能发射电磁波的物体( 如行人等)，且若有多辆车同时使用雷达测距，相互间干扰较严重。
超声波测距的原理［4］是通过测量超声波发射声波与接收回波的时间差，经计算后便可得到物体的实际距离。具有成本低，在一定范围内精度很高等优点。然而由于其可测距离较短，受大气影响较大，最佳距离为4 ～ 5 米，最大测量距离不超过10米，远达不到所需要求，故常用于汽车倒车防撞系统上。
激光测距的原理和毫米波雷达的测距原理一样，通过窄激光束对某一区域进行扫描来实现距离的测量，具有测量距离远、速度快、准确度高、抗干扰能力强、无盲区等优点［5］，而随着有关技术和器件的发展，激光测距的精度可达厘米甚至毫米级。然而由于系统对信号的处理相当复杂，单成本高、易受外界环境影响等，成为了制约推广激光测距技术应用的重要因素.
机器视觉测距［6］是利用摄像机或者照相机实时拍摄被测目标的图像，通过计算机快速提取目标图像的特征信号，经分析计算之后，得出被测目标到拍摄点的距离。与以上方法相比，其最大的不同之处是被动测距，即不需要向目标物发射任何信号，只需拍摄下目标物的图像即可。因此可以大大节省硬件开发成本，只需在软件算法上进行研究优化。而且由于其是被动测距的工作方式，相互间不会干扰对方，对道路间多车辆安全行驶不会因信号混乱产生影响。另外，由于图像所含信息包括目标物及其他大量的附加信息( 如各种交通指示等)，利用计算机识别出这些信息，将会极大地提高车辆的智能程度，这是以上任何方法所不能比拟的。目前，双目立体视觉技术是机器视觉领域的一个重要分支，也是当前研究工作开展最多，相对技术比较成熟的一种。其拟人眼的工作方式，可在不同条件下灵活测量不同景物的立体信息，在工程应用中有着极高的研究价值。因此，在通过对双目立体视觉测距原理及其关键技术的研究之后，使用OpenCV( 计算机开源视觉库) 设计了一套基于双目立体视觉技术的汽车测距系统，并用该系统实现了测距。
1. 双目立体视觉测距原理
2. 双目立体视觉汽车测距系统实现
1. 图像采集
2. 摄像机标定
3. 立体校正
4. 立体匹配
3. 实验结果及分析
在每秒35帧情况下获取目标物的视差图，并无明显卡顿
6200mm 误差4.66%
4. 结语
通过对现有汽车测距方法的分析，提出使用双目立体视觉技术进行汽车测距。对双目立体视觉技术测距原理及其关键技术研究之后，在计算机仿真平台上使用OpenCV 设计了一套基于双目立体视觉技术的汽车测距系统，并对其进行了测距验证。通过对测距结果的分析，充分验证了其在测距方面的可行性。实验结果表明，该系统成本低、设备简单，只需两个普通CMOS
摄像头便可完成图像采集工作; 而且平台搭建方便，测距算法容
易实现、速度快，在一定范围内有较好的测距精度，基本满足了
应用要求，并为进一步汽车测距的实际应用打下了良好的基础。

---

许承慧 非特征点双目测距技术研究

Research on distance measurement technology of non-feature points binocular stereo vision

1. 引言
2. 基本原理
   
   1. 特诊点匹配
   2. 非特征点匹配
   3. 非特征点重建及测距
3. 测试及结果分析
   

对多组分辨率为640x280的图篇进行了测距实验，并与常用的视差图测距方案对比，结果显示本方案平均耗时12ms，而视差图方案平均耗时160ms，可见该方案提高了实时性。