基于景物散焦圖像的距離測量

1、基于景物散焦圖像的距離測量第38卷第2期2001年2月計算機研究與發(fā)展JOURNALOFCOMPUTERRESEARCH&DEVELOPMENT基于景物散焦圖像的距離測量田濤鄧兵潘俊民0(上毒交通大學自動化系上海200030)(上海交通大學信控系上海200030)(suptianhotil)于散焦圖像計算景物距離的新方法.該方法利用遠心光學鏡頭拍攝景物圖像,通過改變像檢測器到鏡頭的距離獲得同一景物的兩幅散焦程度不同的圖像.將獲得灰度圖像轉換成梯度圖像,利用矩不變原理計算梯度圖像中邊緣性,并對該方法產生的誤差進行了分析.中圖法分類號TP393DEPTHMEASUREMENTBAS

2、EDoNDEFoCUSIMAGETIANTao0,DENGBing.,andPANJunMin0(DepartmentofAutomatics,ShanghaiJiaotongUniversity,Shanghai200030)&(DepartmtofComnunicationandControl,Shanghai.IiaotongUnivsity.Shanghai200030)AbstractIncomputervision.thekeyof3-Drec.nstructi"gistofigureOUtthedepthinformationofascenefromit

3、simages.Anewmethodfordepthfromdefocusimagesisproposed.Twoimagesofthesamescenearetakenwithdifferentdefocusbychangingthedistancebetweenlevelimagesareiscalculatedusingmomentpreservingprinciple.AccordingtoPoftWOimages,thedepthofmethodisanalyzed.Keywordscomputervision,depthestimation,momentpreserving,opt

4、icaldefocus1引言在計算機視覺中,計算出景物目標到攝像機的距離是至關重要的,因為它是景物目標三維重建的方法計算復雜,計算量大,不易于實時系統(tǒng)的實現(xiàn).另外,在采用這些方法時都是假定攝像機是針L攝是有一定孔徑大小的攝像機,得到的圖像是隨物體到攝像機鏡頭的距離變化而散焦程度不同的散焦圖原稿收到13期:20000124?修改稿收到日期20000515離(深度)(depthfromdefocus)的方法一.這些方法是通過改變攝像機的參數(shù),獲得同一景物的兩幅需要知道光學系統(tǒng)的精確數(shù)學模型,通過對圖像進行二維傅立葉變換,在頻率域計算景物深度,該方法計算復雜,計算量大,不易于實時系統(tǒng)的實現(xiàn).本文提出

5、的方法與文獻13中的方法不同,該方法利用遠心光學鏡頭代替普通鏡頭拍攝兩幅散焦程度不同的景物圖像,利用Sobel算子將獲得景物的灰度圖像轉換成梯度圖像,采用矩不變法估計2期田濤蕁:基于景物散焦圖像的距離測量l77攝像頭到景物的距離2成像系統(tǒng)的模型透鏡成像原理如圖1所示圖1透鏡成像原理圖根據(jù)透鏡成像原理有以下的基本公式:去-4-:,t"0口0J其中,為攝像機鏡頭的焦距,"為目標到攝像機鏡頭的距離.為圖像的聚焦點到攝像機鏡頭的距離.當目標到攝像機鏡頭的距離為".,像檢測器到攝像機鏡頭的距離為礬時,得到清晰的聚焦圖像.改變像檢測器到鏡頭的距離,在像檢測器上得到目標的模糊圖

6、像.當攝像機參數(shù)固定,圖像的模糊程度與目標到攝像機鏡頭的距離"有下列關系:圖2中的幾何關系得,(3)一口令一,進而求得:一竿,a>1,v3<2st,sz),由光學成像系統(tǒng)的基本公式(1)N-目標點到攝像機的距離為"一,(5)將式(4)代人式(5)得:f(s1)I>1,c<51,58l"一.'口<1>J.f6)圖2遠心鏡頭成像原理圖一.3散焦測量"一=I_'一式(2)中,F為鏡頭的F數(shù);d為模糊圖像的散焦半徑.由式(2),對于一個給定的成像系統(tǒng),攝像機參數(shù)s

7、,f,D為常數(shù).因此目標距鏡頭的距離"被d唯一地確定.但是,根據(jù)一幅模糊圖像(blurring)是不在,這時不能確定模糊圖像是由于光學系統(tǒng)散焦模糊成像的結果,還是由于圖像本身模糊而清晰聚焦成像的結果,為此對景物同時攝取至少兩幅不同散的光圈孔徑放置在鏡頭前一倍焦距的位置就成為遠心鏡頭.此時,目標圖像的清晰聚焦點始終為目標散焦圖像的中心,遠心鏡頭成像原理圖如圖2所示.當像檢測器在ID.時得到圖像的散焦半徑為n;當像檢測器在ID時得到圖像的散焦半徑為r2_由由方程(6)知求出便可得出".又一,直接,2求r,r是很困難的,為此采用矩不變(momentSobel算子將拍攝到的灰度圖像

8、轉化為梯度圖像.圖像(z,),(z.)的梯度圖像為_一g(z,)一JgL4-g_g2(,)一占;十占;(7)(8)其中g一fl(x4-i,y4-)×(,J),l一f.(z4-i,y4-)×(,J),lm一1,2;n一1,2,水平Soble算子114,()一l0L1I,I九O1計算機研究與發(fā)展垂直Sobel算子(i,)b)13m時的梯度圖像圖4J1灰度變化劇烈,有較大的梯度值;非邊緣部分的梯度個區(qū),亮區(qū)代表邊緣部分,有較高的梯度值;暗區(qū)代窄,模糊圖像亮區(qū)較寬.設梯度圖像gix,)中亮區(qū),暗區(qū)的灰度值分別為,z;亮區(qū),暗區(qū)的大小與整個圖像區(qū)域大小的比值分別為P.P.對于聚焦圖像

9、,P較小,模糊圖像的P,較大.隨著圖像由聚焦圖像變成模糊圖像.正比一,即rk×P,(9)式(9)中,為常數(shù).定義圖像g(z,)的前三階矩為一12glix.):',Jl,2,3,(10).ty/h-.其中,ix,y)為圖像區(qū)域,n為圖像區(qū)域中的像素數(shù).采用矩不變原理我們得到下面4個方程:P.+戶一】;A+戶一卅;戶z+戶6一3;P+_1,解這4個方程可得P,P.在圖像g(,)中,設W.W分別為亮區(qū),暗區(qū)與整個圖像區(qū)域的比值.同理可得We,.則a為一一一,i一瓦一:一,lIj將式i11)代人式i6)得:一二壘is2】1W一S,一|p式i12)便是所求的距離公式.4實驗研究(12)

10、實驗采用分辨率為600線MTV1881CCD攝像頭,焦距為50mm的光學鏡頭,MVPCIV3A黑白圖像采集卡,P像機鏡頭前前后放置.前面的距鏡頭750mm,后面1.3m的位置得到兩幅圖像如圖5所示.將兩幅圖像分成若干個同樣大小的子圖像,子圖像的大小為25×25,在兩幅圖像對應的子圖像中計算景物的深度.計算每幅對應的子圖像,計算結果如圖6所示.2期田濤等:基于景物散焦圖像的距離測量一,'¨'|J彗_".,.點;-(aJ=lm時的圖像三"=-t亍誑一f§.r=k一(b)一13m時的圖像圖5U圖6圖5景物的測距結果為了計算采用此算法的

11、測量精度,將圖3所示的邊緣圖像放置在鏡頭前400ram的地方,移動像檢測器到鏡頭的距離使得攝像機鏡頭分別聚焦在上節(jié)介紹的方法計算目標場景到攝像機鏡頭的距離將目標場景到鏡頭的距離從400mm到950mm每隔50mm計算一次,得到的數(shù)據(jù)如表1所示表1實驗數(shù)據(jù)n0()()n()"()455007829559201085O0433285274EE靜型囂距離測量與誤差曲線圖如圖7所示./3004005006007008009OO1000實際距離/nun【a)距離測量曲線,l|/|/f|V實際距離/mmcb)誤差捌量曲線圖7距離測量與誤差曲線采用上述方法的RMS(均方根)誤差為兄WSr/().(

12、n):J型一(13)咖蚴柵咖鋤蜘一,18O計算機研究與發(fā)展2001年5誤差分析由式(6)得:duAdf+Bdsl+Cds2+Dda(14)其中,(10)一=了'口,(1一)一s2一f-a(s.-f)'n.如)一二l廠_二7'則深度誤差:"一,+B+C厶+D口.(15)S,S2,廠固定,當>sl,S!時,.<l,誤差l"隨目標由近到遠變化,.逐漸減小,誤差系數(shù),B,c減小誤差"l先減小后增大.因為口>1,B,C<0,A.D>0.隨景物目標由近到遠變化,a逐漸增加,"

13、;的偏差由正偏差逐步變?yōu)樨撈?因此的誤差在測量范圍內兩邊大中間小;此外,由式(15)可知,"還與SS廠的校驗精度有關.另外值得一提的是由式(6)得出的距離計算公定的準確性對測量誤差也產生較大的影響.6結論本文提出了一種基于景物的散焦圖像計算景物距離的新方法.該方法利用Sobel算子,將同一場景的兩幅散焦程度不同的圖像轉換為梯度圖像,利用矩不變法計算梯度圖像中亮區(qū)與整個圖像的比P.于該方法是基于梯度圖像P計算景物距離的,因此受光照變化的影響小,但要求目標景物必須有較為明顯清晰的邊緣或紋理.參考文獻PatternAoaysisandMachineIntelligence,1987,9(

14、4)52353l2SubbaraoMParalleldepthvbychangingcRmeaparametersIn:ProcoftheIEEEInt'lConf0nComputeTVislon.Forida,1988.143l553SunnaraoM,SuTyaG.Depthfromdefocus:AspatialdomainapproachlnteroationJournalofComputerVision,l994,l3(3)2712941EEETrans.nPatternAnalysisandMachineInte1igence,l997,l9(12)l36Ol3655WatanabeM,NayarS.RatidnafiltersforpassivedepthfromdeIocus.1nternatlonJournalofComputerVision,l9g8,27<3)2032256TsaiWHMomentpreservingthreshodingAapproachComputerVisionGraphicsImageProcess.1995,293773937DUfordepthfTomdefocus.PatteTnRecognition,998,3l(5):55l5608李舟各計算機視覺的理論與宴踐.第二版.上海