雙目立體視覺原理大揭秘（一）

——雙目視覺導航、定位；

雙目立體視覺是一門有著廣闊應用前景的學科，隨著光學、電子學以及計算機技術的發展，將不斷進步，逐漸實用化，不僅將成為工業檢測、生物醫學、虛擬現實等領域的關鍵技術，還有可能應用于航天遙測、軍事偵察等領域。目前在國外，雙目體視技術已廣泛應用于生產、生 活中。雙目立體視覺是計算機視覺的一個重要分支，單從雙目視覺的應用來說，主要分為四大部分：

一 、雙目視覺導航、定位。

二、 三維重構。

三 、雙目立體測量。

四 、空間三維立體跟蹤。

很多科研項目或工業現場需要用雙目視覺來解決問題時，很多人都不知道該從哪里著手。其實只要理解了雙目視覺的基本原理，以上應用都是大同小異的事情。本文僅從“基于雙目視覺的導航、定位”方面講述其基本原理及實現過程。

雙目視覺的基本原理就是模擬人眼并利用空間幾何模型推導出相應的算法來解決實際問題。再說白一點，雙目視覺zui基本的目的就是從復雜的客觀世界中提取出我們感興趣的“點”、“線”、“面”，再用數字來描述，從而的理解并控制它們。這個原理里面包含三大部分內容：

下面以機器人導航應用為例進行說明，在這個應用中需要做的事情就是告訴機器人：在它的前方有障礙物、還要告訴它該障礙物在機器人的導航坐標系中的位置信息。這樣機器人才能做出判斷并進行規避。實現這個功能的時候，就包含了以下三部分內容。

*、提取感興趣的點（特征檢測）。就是把我們感興趣的物體分割出來，針對導航、定位來說就是把機器人前面的障礙物找到。這種應用在特征點提取這部分的特點是：需要提取的特征點較少、提取速度要求高。具體速度需要根據機器人的總體精度來衡量。一般來說一秒鐘至少要給機器人5個以上的信號，也就是說每秒至少采集5幀以上的圖像并分別處理。

在這個過程中，首先必須得提取到障礙物的信息，我們很容易想到可以給機器人上面安裝一個攝像頭來對前方的道路情況進行拍攝。但是如果是用一個攝像頭，我們只能得到障礙物的平面信息，也就是X、Y坐標信息，機器人并不知道應該再走多遠才能實施避障動作。所以我們需要再加一個攝像頭從另外的角度去拍攝這個障礙物。這樣一來就能得到2張從不同角度來描述該障礙物的圖片了。然后再加入一些合適的預處理算法（圖像處理），比如二值化、邊緣提取、特征點去噪（需要根據具體的場景，選擇合適的算法）等把兩張圖片中的障礙物提取、分割出來。這樣就完成了特征點提取，為下一步“化數字描述”做好了基礎。

第二、化數字描述（立體匹配、姿態測量）。這部分指的是分割出障礙物的特征點以后需要用有效的數值來描述，在雙目視覺系統中當然就是用三維坐標來描述了。如果在安裝好雙目相機的同時還進行了單目相機標定和雙目相機標定（見第三部分），確認了雙相機、鏡頭的參數矩陣，得到平移向量和旋轉矩陣。那么根據雙目立體匹配原理帶入就可以得出該障礙物的三維坐標值了。把該三維坐標值輸入機器人控制系統，機器人就可以智能的實現避障了。

在這部分中用到了“立體匹配”算法，其實該算法是和雙目標定相結合，該算法根據特征點在左右圖像中的坐標點進行基礎矩陣的計算并將左右圖像的同名坐標點一一對應。在這個過程中用到的“平移向量”和“旋轉矩陣”就是下一步雙目標定中給出的參數。

第三、雙目標定。雙目標定就是利用已知世界坐標系（標定板）和圖像坐標系（對標定板圖像處理后結果）的對應關系，計算出雙目相機在當前位置關系下的參數信息。標定完成后，用該雙目系統去觀測未知世界坐標系時就可以得到其三維信息了。事實上，在雙目標定前，還需要對每個相機做單相機標定，以確定其畸變系數、相機內參矩陣等。這樣做的目的是為了使左右相機獲取到的圖像都能校正為標準圖像后再進行處理。

一般來說，只要涉及到的是雙目項目，這一步是通用的且是*的。針對不用應用，只是在獲取到具體的世界坐標體系的時候再做不同的處理即可。關于這方面的內容可以去試試CCAS雙目視覺軟件，感興趣的朋友可以去網上找找相關資料。

事實上，雙目立體視覺的算法研究順序應該是先雙目標定、再立體匹配、zui后進行特征點檢測。本文為了讓讀者易于理解，所以先講結果、再講原因。后續再講三維重構、三維測量及空間跟蹤應用。