基于雙目視覺的測距方法研究與應(yīng)用.pdf

1、隨著工業(yè)4.0的到來，人工智能領(lǐng)域內(nèi)雙目視覺再次成為近年來人們研究的一個熱門問題。其原理和人類雙眼獲取外界信息相似，用兩個相機(jī)來模擬人的雙眼，同時獲取兩幅同一場景但位置、角度不同的數(shù)字圖像，由兩幅數(shù)字圖像獲取場景中的二維信息，經(jīng)過計算得到此場景的三維信息。作為機(jī)器視覺的一個重要分支，雙目視覺在機(jī)器人自主導(dǎo)航、三維掃描、機(jī)械手定位抓取、基于視覺的各種控制等眾多領(lǐng)域有著廣闊的前景和非常巨大的應(yīng)用價值，例如：在手術(shù)機(jī)器人系統(tǒng)應(yīng)用中可以幫助手術(shù)

2、器械的定位跟蹤、偏差預(yù)警和動作糾正；在盲人外出行走中可以幫助盲人判斷前方障礙物；在汽車行駛中可以幫助判斷前車的距離并做出當(dāng)前距離是否安全的判斷。
　　本研究主要內(nèi)容包括：⑴采用兩個型號、規(guī)格完全一樣的普通攝像機(jī)，輸出圖像大小完全一樣，并將兩個相機(jī)的位置固定不變。在VS2010開發(fā)環(huán)境中采用基于DirectShow+OpenCV模式下實現(xiàn)了圖像的采集、截取功能。⑵描述了雙目視覺中的幾何模型、三個坐標(biāo)系之間的相對位置關(guān)系、推導(dǎo)視場范圍

3、內(nèi)任意一點的空間位置。介紹了Matlab標(biāo)定工具箱、OpenCV標(biāo)定API函數(shù)，并對標(biāo)定過程進(jìn)行詳細(xì)的描述以及代碼實現(xiàn)，把得到最后的結(jié)果進(jìn)行比較分析。⑶雙目視覺的目標(biāo)檢測定位與跟蹤：目標(biāo)檢測定位與跟蹤可分為主動目標(biāo)檢測跟蹤和被動目標(biāo)檢測跟蹤。主動目標(biāo)跟蹤本文采用了激光筆照射的亮點（相當(dāng)于工業(yè)三維掃描中的人為 Mark點定位引導(dǎo)）作為跟蹤定位目標(biāo)。運動目標(biāo)檢測研究了傳統(tǒng)的時間差分法、背景差分法、混合高斯建模法，通過實驗結(jié)果的對比確定了混合

4、高斯建模法為運動目標(biāo)檢測的方法。在運動跟蹤中運用CamShift算法實現(xiàn)單目標(biāo)物體和多目標(biāo)物體的目標(biāo)跟蹤并使用C++編程實現(xiàn)。⑷介紹了基于圖像局部特征匹配方法，分析了SIFT（Scale-invariant feature transform）經(jīng)典算法，SIFT具有很多優(yōu)點，但是匹配時間相對較長，不適合實時雙目視覺匹配計算的需要，根據(jù)雙目視覺的特點，我們提出了局部圓形矩的新概念，并利用高斯卷積實現(xiàn)了它的快速計算，成功實現(xiàn)了基于局部圓形矩

5、（LCM）的圖像快速匹配新方法。重要的是，我們利用局部圓形矩修改了SIFT用DOG（Difference of Gaussians）算子作為特征點定位的方法，利用高斯穩(wěn)定的方向梯度或DOG算子作為局部圖像特征代替了SIFT所采樣的梯度特征，實驗表明算法的穩(wěn)定性更好。同時，修改了圖像局部特征的采樣方法，保證了特征算法的旋轉(zhuǎn)不變性特點，相對于SIFT的算法復(fù)雜度大大減小，匹配時間顯著提高，實驗表明LCM匹配時間不到SIFT的十分之一。LCM