雙目視覺(jué)傳輸系統(tǒng)攝像機(jī)標(biāo)定與立體匹配

1、 密級(jí)： NANCHANG UNIVERSITY 學(xué) 士 學(xué) 位 論 文THESIS OF BACHELOR（2013 2017 年）題 目 雙目視覺(jué)相機(jī)標(biāo)定與立體匹配算法研究 學(xué) 院： 信息工程學(xué)院 系 電子系 專業(yè)班級(jí)： 卓越通信131班 學(xué)生姓名： 蔣楊婷 學(xué)號(hào)： 6102213916 指導(dǎo)教師： 陳其綸 職稱： 講師 起訖日期： 摘要雙目視覺(jué)相機(jī)標(biāo)定與立體匹配算法研究 專 業(yè)： 通信工程 學(xué) 號(hào)：6102213916學(xué)生姓名： 蔣楊婷 指導(dǎo)教師：陳其綸摘要本文基于雙目視覺(jué)圖像傳輸系統(tǒng)重點(diǎn)研究了攝像機(jī)標(biāo)定與立體匹配兩個(gè)模塊。在攝像機(jī)標(biāo)定中，重點(diǎn)闡述了三大坐標(biāo)系、兩種攝像機(jī)模型以及張正友平

2、面標(biāo)定法，基于Matlab實(shí)現(xiàn)了立體標(biāo)定過(guò)程并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析；在立體標(biāo)定中，重點(diǎn)闡述了基于全局誤差能量最小化立體匹配算法和基于線性生長(zhǎng)立體匹配算法的原理，基于Matlab仿真了立體匹配算法的實(shí)現(xiàn)過(guò)程，并就可靠度與計(jì)算量?jī)蓚€(gè)指標(biāo)對(duì)兩種匹配算法進(jìn)行了比較分析。關(guān)鍵詞： 雙目視覺(jué)，攝像機(jī)標(biāo)定，立體匹配，張正友平面標(biāo)定，攝像機(jī)坐標(biāo)系三維重建，模板匹配IIAbstractBinocular vision image transmission system design AbstractBased on the binocular visual image transmission system,

3、this paper focuses on the camera calibration and stereo matching .In the camera calibration, this study was expounded the three coordinates, the two kinds of camera models and ilf plane calibration method, camera calibration was implemented based on Matlab and the experiment results are analyzed; In

4、 stereo calibration, this study was expounded the principle of stereo matching algorithm based the global error energy minimization and stereo matching algorithm based on linear growth, and the implementation process of the stereo matching algorithm based on Matlab, and the reliability and the amoun

5、t of calculation of two indicators of the two matching algorithms are analyzed in comparison.Keyword: Binocular vision, camera calibration, stereo matching, ilf plane calibration, the camera coordinate system of 3 d reconstruction, template matching目錄目錄摘要IAbstractII第一章 緒論- 1 -1.1背景及研究意義- 1 -1.2國(guó)內(nèi)外研究

6、現(xiàn)狀- 1 -1.3論文的主要工作- 2 -1.4論文的組織結(jié)構(gòu)- 2 -第二章 雙目視覺(jué)系統(tǒng)- 3 -2.1雙目立體視覺(jué)系統(tǒng)簡(jiǎn)介- 3 -2.2雙目立體視覺(jué)系統(tǒng)應(yīng)用- 4 -2.3攝像機(jī)立體標(biāo)定- 4 -2.3.1像平面坐標(biāo)系、攝像機(jī)坐標(biāo)系和世界坐標(biāo)系- 5 -2.3.2攝像機(jī)模型- 7 -2.3.3張正友標(biāo)定平面標(biāo)定- 9 -2.4立體匹配- 10 -2.4.1基于全局誤差能量最小化的區(qū)域匹配算法- 10 -2.4.2基于線性生長(zhǎng)區(qū)域立體匹配算法- 11 -2.4.3從差距圖生成深度圖- 12 -2.5本章小結(jié)- 14 -第三章 立體標(biāo)定與匹配- 14 -3.1雙目攝像機(jī)標(biāo)定的實(shí)現(xiàn)- 15

7、 -3.1.1左右兩攝像機(jī)單目標(biāo)定- 15 -3.1.2雙目立體視覺(jué)標(biāo)定- 18 -3.1.3實(shí)驗(yàn)結(jié)果分析- 20 -3.2立體匹配仿真結(jié)果- 20 -3.2.1基于全局誤差能量最小化區(qū)域匹配算法- 20 -3.2.2基于線性生長(zhǎng)區(qū)域匹配算法- 23 -3.3不同匹配算法差異分析- 26 -3.4本章小結(jié)- 28 -第四章 總結(jié)與展望- 28 -4.1總結(jié)- 28 -4.2展望- 29 -參考文獻(xiàn)- 31 -致謝- 33 - 13 -第一章 緒論1.1研究背景與意義第一章 緒論隨著圖像處理，人工智能，計(jì)算機(jī)科學(xué)等相關(guān)學(xué)科的發(fā)展，計(jì)算機(jī)視覺(jué)的研究也得到了深入的發(fā)展1。雙目視覺(jué)系統(tǒng)技術(shù)作為計(jì)算機(jī)視

8、覺(jué)最重要的一個(gè)分支，在軍事、醫(yī)學(xué)、工業(yè)等領(lǐng)域都有著極其重要的作用，例如3D電影，谷歌視覺(jué)眼鏡、無(wú)人駕駛以及虛擬現(xiàn)實(shí)網(wǎng)上購(gòu)物等技術(shù)為我們的生產(chǎn)生活提供了新的技術(shù)和工具，不斷改變著我們的生活。因此雙目視覺(jué)的研究發(fā)展對(duì)各個(gè)領(lǐng)域科技創(chuàng)新發(fā)展具有重要的價(jià)值。雙目視覺(jué)系統(tǒng)的設(shè)計(jì)原理源自于人類的視覺(jué)感知系統(tǒng)，模擬人眼獲取視覺(jué)范圍內(nèi)的物體信息。客觀世界真實(shí)存在是3D的，但人眼或者攝像機(jī)獲取的圖像是顯示場(chǎng)景中物體的2D信息，人類視覺(jué)系統(tǒng)能夠通過(guò)大腦神經(jīng)網(wǎng)絡(luò)分析出空間中的物體3D信息。因此雙目視覺(jué)系統(tǒng)最終目標(biāo)是利用計(jì)算機(jī)圖像處理，模式識(shí)別，人工智能等技術(shù)，對(duì)攝像機(jī)得到的圖像或者圖像序列進(jìn)行處理，進(jìn)而恢復(fù)圖像中的3

9、D信息，形成具有立體感的圖像。雙目視覺(jué)系統(tǒng)2中攝像機(jī)標(biāo)定的目的是求解出攝像機(jī)內(nèi)外參數(shù)；立體匹配過(guò)程利用求解出的參數(shù)采用特定的算法獲取圖像的深度信息，還原圖像的立體感。因此，雙目視覺(jué)系統(tǒng)中的利用2D圖像獲取3D信息過(guò)程中，攝像機(jī)標(biāo)定與立體匹配具有極其重要的地位。標(biāo)定的精確度與立體匹配算法的可靠度直接影響獲取深度信息的準(zhǔn)確性，后續(xù)三維重建優(yōu)劣以及最終實(shí)驗(yàn)結(jié)果的整體效果。1.2國(guó)內(nèi)外研究現(xiàn)狀1、國(guó)內(nèi)研究現(xiàn)狀 浙江大學(xué)完全利用透視成像原理并結(jié)合雙目視覺(jué)技術(shù)設(shè)計(jì)出了機(jī)械系統(tǒng)。該系統(tǒng)可動(dòng)態(tài)精準(zhǔn)檢測(cè)多自由度裝置的位姿，僅需提取左右兩幅圖像必要的特征點(diǎn)，具有信息量少，速度快，無(wú)運(yùn)動(dòng)影響，精度高的特點(diǎn)3；東南大

10、學(xué)電子工程系提出了一種新雙目視覺(jué)立體匹配算法。該算法基于灰度相關(guān)多峰值極小化，可非接觸精密測(cè)量三維不規(guī)則物體(偏轉(zhuǎn)線圈)的空間坐標(biāo)4； 哈工大采用異構(gòu)雙目活動(dòng)視覺(jué)系統(tǒng)實(shí)現(xiàn)了全自主足球機(jī)器人導(dǎo)航。該系統(tǒng)包括一個(gè)固定在機(jī)器人頂部的攝像機(jī)和一個(gè)安裝在機(jī)器人中下部可以水平旋轉(zhuǎn)的攝像機(jī)，可以實(shí)現(xiàn)全自主足球機(jī)器人導(dǎo)航5；火星863計(jì)劃課題“人體三維尺寸的非接觸測(cè)量”，采用“雙視點(diǎn)投影光柵三維測(cè)量”原理，通過(guò)對(duì)雙攝像機(jī)獲取的左右圖像進(jìn)行圖像處理，獲取人體圖像上任意一點(diǎn)的三維坐標(biāo)，從而計(jì)算出服裝設(shè)計(jì)所需的人體特征尺寸6。2、國(guó)外研究現(xiàn)狀日本岡山大學(xué)研制了視覺(jué)反饋系統(tǒng)，該系統(tǒng)使用立體顯微鏡和雙目攝像機(jī)控制微操作

11、器對(duì)細(xì)胞進(jìn)行操作，進(jìn)行基因注射和微裝配等微操作7；麻省理工學(xué)院計(jì)算機(jī)系統(tǒng)提出了一種新的傳感器融合方式，并將其運(yùn)用于智能交通上，該方法采用雷達(dá)系統(tǒng)和雙目立體視覺(jué)得到目標(biāo)深度信息，再結(jié)合改進(jìn)的圖像分割算法，能夠在高速環(huán)境下對(duì)視頻圖像中的目標(biāo)位置進(jìn)行分割8；華盛頓大學(xué)與微軟公司合作研制了寬基線立體視覺(jué)系統(tǒng)9。1.3論文的主要工作本文重點(diǎn)圍繞雙目立體視覺(jué)系統(tǒng)技術(shù)進(jìn)行探究，其中重點(diǎn)闡述攝像機(jī)標(biāo)定與立體匹配兩個(gè)重要模塊。本文通過(guò)攝像機(jī)的線性模型與非線性模型探討出了攝像機(jī)內(nèi)外參數(shù)的理論求解公式，敘述了張正友平面標(biāo)定法10 基本原理，提出了基于全局誤差能量最小立體匹配算法11和基于線性生長(zhǎng)立體匹配算法12兩種

12、匹配算法。并且均基于Matlab進(jìn)行實(shí)驗(yàn)，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了探究，對(duì)兩種算法進(jìn)行了利弊分析。1.4論文的組織結(jié)構(gòu)第一章：緒論。主要闡述雙目視覺(jué)系統(tǒng)的研究背景與意義以及國(guó)內(nèi)外研究發(fā)展現(xiàn)狀。第二章：雙目視覺(jué)系統(tǒng)。簡(jiǎn)單介紹雙目視覺(jué)系統(tǒng)及其應(yīng)用，重點(diǎn)探究了攝像機(jī)標(biāo)定與立體匹配兩個(gè)模塊的理論知識(shí)。第三章：立體標(biāo)定與匹配?；贛atlab敘述立體標(biāo)定和匹配的仿真過(guò)程，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。第四章：總結(jié)與展望。對(duì)論文內(nèi)容進(jìn)行總結(jié)，對(duì)今后工作進(jìn)行展望。第二章 雙目視覺(jué)系統(tǒng)第二章 雙目視覺(jué)系統(tǒng)2.1雙目立體視覺(jué)系統(tǒng)簡(jiǎn)介立體視覺(jué)系統(tǒng)設(shè)計(jì)原理仿照人類雙眼工作原理：兩臺(tái)平行的攝像機(jī)模擬雙眼；計(jì)算機(jī)圖像處理相當(dāng)于人腦神經(jīng)

13、系統(tǒng)。雙眼所形成的圖像信息是具有差異性的，這種圖像信息的差異性通過(guò)大腦神經(jīng)系統(tǒng)進(jìn)行分析匹配，得到圖像的深度信息13。隨著人們生產(chǎn)生活與科技的發(fā)展，利用立體視覺(jué)的原理設(shè)計(jì)出了雙目視覺(jué)系統(tǒng)，讓計(jì)算機(jī)分析得出2D圖像中的立體信息，即獲取圖像的深度信息。如圖2-1是雙目平行攝像機(jī)成像示意圖，點(diǎn)和點(diǎn)分別是左右攝像機(jī)的成像焦點(diǎn)，即左右攝像機(jī)坐標(biāo)系的原點(diǎn)；空間任意點(diǎn)投影在左右兩圖像上的點(diǎn)是和，立體匹配算法找出與點(diǎn)和之間的關(guān)系。圖2-2 雙目平行攝像機(jī)成像示意圖由投影原理的性質(zhì)，有： (2-1) 則 (2-2) 其中，為左右攝像機(jī)的焦距，表示為兩平行雙目攝像機(jī)的距離。在這里，點(diǎn)以為坐標(biāo)中心，左攝像頭成像坐標(biāo)系

14、為坐標(biāo)系；由（2-2）式表示的是左右兩圖像的投影點(diǎn)與空間中點(diǎn)之間的關(guān)系。2.2雙目立體視覺(jué)系統(tǒng)應(yīng)用一個(gè)完整的雙目立體視覺(jué)系統(tǒng)通常可劃分為以下五個(gè)模塊14：(1)獲取圖像 模擬雙目的方式，兩臺(tái)平行的攝像機(jī)對(duì)同一場(chǎng)景進(jìn)行拍攝，從而獲取左右眼圖像。(2)攝像機(jī)標(biāo)定 通過(guò)選取圖像特征點(diǎn)，建立攝像機(jī)的幾何成像模型，得出攝像機(jī)內(nèi)外參數(shù)。(3)立體匹配，通過(guò)左右兩圖像的視覺(jué)差獲取圖像深度圖，為三維重建提供立體模型。(4)三維重建 通過(guò)圖像的立體模型，恢復(fù)圖像的立體感，獲取場(chǎng)景立體信息。本文研究重點(diǎn)在立體標(biāo)定與立體匹配。2.3攝像機(jī)立體標(biāo)定雙目視覺(jué)系統(tǒng)最終目標(biāo)是獲取圖像場(chǎng)景的立體信息。由攝像機(jī)投影原理我們可知

15、，攝像機(jī)拍攝到的圖像與圖像場(chǎng)景的立體信息存在某種關(guān)系。這某種關(guān)系與攝像機(jī)的內(nèi)外參數(shù)有關(guān)，求解這些參數(shù)的過(guò)程即是攝像機(jī)標(biāo)定。因此，攝像機(jī)標(biāo)定在雙目視覺(jué)系統(tǒng)中具有重要的地位：標(biāo)定結(jié)果的精度直接影響到后續(xù)工作的可靠度。以下我們對(duì)攝像機(jī)標(biāo)定相關(guān)理論知識(shí)進(jìn)行探究。2.3.1像平面坐標(biāo)系、攝像機(jī)坐標(biāo)系和世界坐標(biāo)系 由圖形學(xué)知識(shí)我們可知，攝像機(jī)采集的圖像在計(jì)算機(jī)內(nèi)表示為數(shù)組：表示圖像中像素的行數(shù)與列數(shù)；數(shù)組值表示各個(gè)像素點(diǎn)的亮度值。如圖(2-2)，定義直角坐標(biāo)系為圖像坐標(biāo)系，表示某一像素點(diǎn)的圖像坐標(biāo)。由于只是表示某一像素的圖像坐標(biāo)，而不是數(shù)學(xué)意義上的點(diǎn)坐標(biāo)，因此需要將以像素為單位的像平面坐標(biāo)系轉(zhuǎn)換成以毫米為

16、單位的像平面坐標(biāo)系。該坐標(biāo)系可表示為如圖2.3所示。圖2-2 圖像坐標(biāo)系與像平面坐標(biāo)系一般圖像中心點(diǎn)表示為像平面坐標(biāo)系中的原點(diǎn)，而一般圖像左上角點(diǎn)表示為圖像坐標(biāo)系中的原點(diǎn)，任意點(diǎn)在兩種坐標(biāo)系中的關(guān)系如下： (2-3)其中，分別表示點(diǎn)在圖像坐標(biāo)系與像平面坐標(biāo)系中的坐標(biāo)，分別表示圖像坐標(biāo)系與像平面坐標(biāo)系原點(diǎn)坐標(biāo)；分別表示每一個(gè)像素在與方向上的物理尺寸，上式表示為齊次坐標(biāo)與矩陣形式： (2-4)如圖2-2雙目視覺(jué)系統(tǒng)成像示意圖可知，在攝像機(jī)坐標(biāo)系中：攝像機(jī)光軸與圖像平面的交點(diǎn)為原點(diǎn)，與像平面坐標(biāo)系平行。三大坐標(biāo)系如圖2-3所示， 為世界坐標(biāo)系，為世界坐標(biāo)系原點(diǎn)； 為像平面坐標(biāo)系，為像平面坐標(biāo)系原點(diǎn)。

17、表示攝像機(jī)坐標(biāo)系，為攝像機(jī)光心即攝像機(jī)坐標(biāo)系原點(diǎn)；為攝像機(jī)焦距。圖2-3 三大坐標(biāo)系（像平面坐標(biāo)系，攝像機(jī)坐標(biāo)系，世界坐標(biāo)系）其中，世界坐標(biāo)系與攝像機(jī)坐標(biāo)系的關(guān)系表示為： (2-5） 其中， 表示正交單位旋轉(zhuǎn)矩陣；t表示三維平移向量； 為矩陣15。2.3.2攝像機(jī)模型1、線性攝像機(jī)模型(針孔成像模型)由圖2.2可知針孔成像模型中成像系統(tǒng)沒(méi)有任何畸變，空間任何一點(diǎn)在圖像中的投影位置表示為，是攝像機(jī)光心點(diǎn)與點(diǎn)的連線在圖像平面的交點(diǎn)。由投影比例關(guān)系有如下關(guān)系式（以左攝像機(jī)成像為例）： (2-6)其中，為空間點(diǎn)左攝像機(jī)成像點(diǎn)坐標(biāo)；為空間點(diǎn)的攝像機(jī)坐標(biāo)表示形式。上述透視投影關(guān)系為： (2-7)其中，表示

18、比例因子，表示透視投影矩陣16。將公式(2-4)，(2-5)代入上式得出空間中與其投影點(diǎn)的關(guān)系 (2-8)其中，分別稱為軸上歸一化焦距；為投影矩陣；參數(shù)決定，稱為攝像機(jī)內(nèi)部參數(shù)；稱為攝像機(jī)外部參數(shù)。攝像機(jī)標(biāo)定過(guò)程即是確定某一攝像機(jī)的內(nèi)外參數(shù)的過(guò)程。 由上式可得出求出某空間點(diǎn)的空間坐標(biāo)方程， 但是事實(shí)上，由于是不可逆矩陣，即使已知攝像機(jī)的內(nèi)外參數(shù)和圖像點(diǎn)的位置時(shí)，消去只可得到關(guān)于的兩個(gè)線性方程，由這兩個(gè)線性方程只能確定點(diǎn)位于射線上。因此，只由線性模型無(wú)法確定空間點(diǎn)的位置坐標(biāo)。2、非線性模型 非線性模型在線性模型的基礎(chǔ)上考慮到實(shí)際中的畸變。假設(shè)在實(shí)際成像過(guò)程中產(chǎn)生了畸變，新的成像點(diǎn)坐標(biāo)為，表示為1

19、7： (2-9)其中，是非線性畸變值，與成像點(diǎn)在圖像中的位置有關(guān)。理論上非線性畸變可分為徑向畸變和切向畸變。但一般來(lái)講切向畸變比較小，可忽略不計(jì)。因此，非線性畸變可用徑向畸變的修正量表示，公式如下： (2-10)其中，；參數(shù)與非線性畸變參數(shù)和統(tǒng)稱為非線性攝像機(jī)模型的內(nèi)部參數(shù)18。由此，攝像機(jī)非線性模型通過(guò)內(nèi)部參數(shù)可以得出空間任意一點(diǎn)的空間坐標(biāo)。2.3.3張正友平面標(biāo)定算法數(shù)學(xué)原理圖2-4 張正友平面標(biāo)定示意圖在這里假定模板平面中任意點(diǎn)坐標(biāo)為，公式(2-8)可表示為： (2-11)其中， 和分別是攝像機(jī)坐標(biāo)系相對(duì)于世界坐標(biāo)系的旋轉(zhuǎn)矩陣和平移向量； (2-12)根據(jù)旋轉(zhuǎn)矩陣的性質(zhì)，即和，每幅圖像對(duì)

20、內(nèi)參數(shù)矩陣的基本約束： (2-13)由上式可得攝像機(jī)有5個(gè)未知內(nèi)參數(shù)，所以當(dāng)圖像對(duì)足夠多時(shí)，就可以解線性方程求出唯一解。算法步驟如圖圖2-5 算法流程圖首先，用雙目攝像機(jī)從不同角度拍攝若干張圖像對(duì)；然后進(jìn)行圖像特征點(diǎn)提取，并求出攝像機(jī)的內(nèi)外參數(shù)和畸變系數(shù)，最后對(duì)標(biāo)定后的參數(shù)進(jìn)行優(yōu)化求精19。至此，攝像機(jī)標(biāo)定過(guò)程完成。2.4立體匹配立體匹配作為雙目視覺(jué)系統(tǒng)最重要也是最關(guān)鍵的一步，立體匹配的優(yōu)劣直接影響到后面進(jìn)行三維重建的好壞20。在現(xiàn)實(shí)場(chǎng)景中，同一時(shí)間不同視點(diǎn)拍攝出的圖片受到光照，噪聲等干擾因素的影響，會(huì)產(chǎn)生很大的不同，從而導(dǎo)致增加了獲取高精度的匹配效果困難性。本文研究?jī)?nèi)容是基于區(qū)域立體匹配算法

21、，通過(guò)兩種不同的算法思路實(shí)現(xiàn)，分別為：基于全局誤差能量最小化和基于線性區(qū)域生長(zhǎng)21。兩種方式原理如下：2.4.1基于全局誤差能量最小化的區(qū)域匹配算法在此算法中，我們利用模板匹配技術(shù)來(lái)得到圖像中每個(gè)像素點(diǎn)的誤差能量值，圖像中所有像素的誤差能量值便構(gòu)成一個(gè)誤差能量矩陣。若雙目攝像機(jī)獲取的是彩色圖像則為三維矩陣，若為灰度圖像則為二維矩陣。本研究所采用圖像為彩色圖像，因此我們用分別用，表示Matlab通過(guò)imread函數(shù)讀取左右圖像的RGB值，其中，c取值為1，2，3分別表示R，G，B維度的值。當(dāng)模板取值大小為的窗口，誤差能量值可下式求得： (2-14) 其中，是由圖像每個(gè)像素的誤差能量值組成的誤差能

22、量矩陣；表示視差值。首先預(yù)定一個(gè)視差搜索范圍，再將每個(gè)像素的誤差能量值通過(guò)多次均值濾波器進(jìn)行處理得到平均誤差能量矩陣；均值濾波器可以消除像素點(diǎn)之間RGB差值驟變導(dǎo)致的匹配誤差。并且通過(guò)均值濾波器還可以得到誤差能量整體變化趨勢(shì)。因此，該算法也可以稱為全局匹配算法。用大小的窗口進(jìn)行匹配時(shí)，平均誤差能量矩陣可由下面公式表示： (2-15) 對(duì)每個(gè)差值進(jìn)行反復(fù)的均值濾波器后，我們可以選取中最小的誤差2能量值作為像素點(diǎn)誤差值，因此這表示左右圖像結(jié)果立體匹配后的圖像視差矩陣。算法步驟如下：步驟1：在視差搜索范圍內(nèi)計(jì)算得出誤差能量矩陣。(圖2-6)步驟2：在視差搜索范圍內(nèi)對(duì)每一個(gè)視差矩陣進(jìn)行多次平均濾波 (

23、圖2-7)步驟3：在矩陣中為每一個(gè)像素找到最小視差量，將最小視差每個(gè)像素處的視差值定義為視差圖像。(圖2-7)圖2-6 計(jì)算能量矩陣原理圖 (a) (b)圖2-7 算深度圖示意圖 (a)通過(guò)均值濾波器(b)最小值搜索2.4.2基于線性生長(zhǎng)區(qū)域立體匹配算法基于線性生長(zhǎng)的立體匹配算法分為兩個(gè)部分：尋找基點(diǎn)發(fā)展區(qū)域和按照預(yù)定的規(guī)則進(jìn)行區(qū)域生長(zhǎng)。我們的規(guī)則是利用公式(1)點(diǎn)與臨近點(diǎn)的誤差能量值，當(dāng)誤差能量值大于我們預(yù)先設(shè)計(jì)的閾值時(shí)，則重新找基點(diǎn)；當(dāng)小于預(yù)先設(shè)計(jì)的閾值時(shí)，則進(jìn)行區(qū)域生長(zhǎng)。事實(shí)上，更準(zhǔn)確的說(shuō)該算法叫做視差值生長(zhǎng)。在實(shí)際運(yùn)算中為減少運(yùn)算量，我們限定生長(zhǎng)方向?yàn)榫€性水平方向。算法步驟如下：步驟1

24、(根點(diǎn)選擇)：在圖像中選取一個(gè)不屬于任何生長(zhǎng)區(qū)域的點(diǎn)并利用能量函數(shù)(式1)求取該點(diǎn)視差，將該點(diǎn)作為基點(diǎn)并作為區(qū)域視差初值，進(jìn)行步驟2。若找不到任何一點(diǎn)比小則重復(fù)該步驟。步驟2（區(qū)域生長(zhǎng)）：計(jì)算基點(diǎn)的緊鄰點(diǎn)的視差值，如果等于或小于初值，則將該點(diǎn)定義為區(qū)域點(diǎn)。否則將其定義為閑置點(diǎn)步驟3：重復(fù)步驟2對(duì)圖像的所有點(diǎn)進(jìn)行計(jì)算，直到圖像中所有的點(diǎn)都被計(jì)算過(guò)，算法停止。所有的區(qū)域點(diǎn)組成的區(qū)域構(gòu)成視差圖。圖2-8 生長(zhǎng)匹配算法示意圖2.4.3從差距圖生成深度圖左右兩圖像深度和視差關(guān)系可由立體投影示意圖(2-9)表示，利用基本幾何計(jì)算可以得出深度和差異之間的關(guān)系如下： (2-16)圖像中像素點(diǎn)投影在物體表面的真

25、實(shí)位置的空間立體坐標(biāo)，按以下公式可用于計(jì)算后計(jì)算深度。 (2-17)圖2-9 立體投影示意為了獲得更平滑的深度圖，可在在計(jì)算深度之前使用窗口大小的中值濾波過(guò)濾不可靠的視差。通過(guò)設(shè)置平均誤差閾值來(lái)消除不可靠誤差估計(jì)我們通過(guò)視差圖的平均誤差值來(lái)定義獲得的視差圖的可靠度。 它可以表示為如下公式： (2-18)視差圖的誤差值可以如下表示： (2-19)視差圖包含一些不可靠的差異估計(jì)在對(duì)象邊界周圍大部分是由于圖像中的物體遮蔽。 這些可以通過(guò)觀察中的高誤差值來(lái)刪除不可靠的差異。 為了增加獲得的視差圖的可靠性，如(2-20)描述的簡(jiǎn)單的閾值機(jī)制，可以在得到過(guò)程中過(guò)濾一些不可靠的差異估計(jì)。 (2-20)通過(guò)過(guò)

26、濾一些不可靠的差異，將比的誤差能量估計(jì)更加精準(zhǔn)。 在方程(2-20)中將差異設(shè)定為是指“無(wú)估計(jì)”狀態(tài)在計(jì)算中排除具有狀態(tài)的值。方程(2-18)中參數(shù)表示不是的誤差值的點(diǎn)數(shù)。是的誤差值。是用于決定視差估計(jì)的誤差值是不可靠的。 為了自動(dòng)確定，我們使用以下公式： (2-21)在等式(2-18)中，是容忍公差系數(shù)，用于調(diào)整濾波的可靠性。 減少導(dǎo)致更可靠。然而，減少會(huì)由于消除了更多的差距點(diǎn)而削弱視差圖。- 27 -2.5本章小結(jié)在本章中，首先，對(duì)雙目立體視覺(jué)系統(tǒng)就行了簡(jiǎn)單介紹。其次，敘述了三大坐標(biāo)系和兩種攝像機(jī)模型，并推導(dǎo)出了雙目視覺(jué)系統(tǒng)中的攝像機(jī)標(biāo)定原理。最后，敘述基于全局誤差能量最小化和基于線性生長(zhǎng)

27、兩種區(qū)域匹配算法?？傊?，本章是對(duì)攝像機(jī)標(biāo)定以及立體匹配過(guò)程進(jìn)行了理論研究，下一章的實(shí)驗(yàn)打下基礎(chǔ)。第三章 立體標(biāo)定與匹配在本章實(shí)驗(yàn)中的攝像機(jī)標(biāo)定與立體匹配過(guò)程中均基于Matlab進(jìn)行實(shí)驗(yàn)仿真。攝像機(jī)標(biāo)定原理是基于張正友棋盤標(biāo)定發(fā)利用Matlab標(biāo)定工具箱完成的，實(shí)驗(yàn)14張圖片是采用雙目攝像機(jī)從不同角度進(jìn)行拍攝的，首先，攝像機(jī)內(nèi)參數(shù)是固定不變的，因此在對(duì)內(nèi)參數(shù)標(biāo)定后，利用已知的內(nèi)參數(shù)實(shí)現(xiàn)對(duì)攝像機(jī)外參數(shù)的標(biāo)定，至此，攝像機(jī)標(biāo)定過(guò)程完成。立體匹配利用Matlab對(duì)基于全局誤差能量最小化立體匹配算法和基于線性生長(zhǎng)立體匹配算法進(jìn)行編程，對(duì)雙目攝像機(jī)拍攝的左右圖像進(jìn)行立體匹配，進(jìn)而求出空間中物體深度信息。3

28、.1雙目攝像機(jī)標(biāo)定的實(shí)現(xiàn)3.1.1左右兩攝像機(jī)單目標(biāo)定以下以實(shí)現(xiàn)左圖像標(biāo)定為例，步驟如下：1、下載Matlab標(biāo)定工具箱22加載到Matlab工作目錄中，從middlebury23網(wǎng)站下載標(biāo)定圖片，左右攝像機(jī)拍攝的圖片分別為14張，大小均為， 100mm為邊長(zhǎng)的黑白棋盤格標(biāo)圖，如圖3-1所示：圖3-1 ，20mm為邊長(zhǎng)的棋盤格標(biāo)定圖像2、運(yùn)行calib_gui指令，按照工具箱的指令手動(dòng)對(duì)每一幅靶標(biāo)圖像選定靶標(biāo)區(qū)域，然后提取角點(diǎn)。鼠標(biāo)點(diǎn)擊設(shè)定棋盤格靶標(biāo)的選定區(qū)域時(shí)，選取區(qū)域四邊與棋盤格靶標(biāo)的網(wǎng)格線重合，重合度決定角點(diǎn)提取結(jié)果的準(zhǔn)確度，正確選取結(jié)果如圖3-2所示，誤選如圖3-3所示： 圖3-2 合

29、適的靶標(biāo)選定區(qū)域與角點(diǎn)提取結(jié)果，(a) 靶標(biāo)選定區(qū)域，(b) 角點(diǎn)提取結(jié)果如(a)圖所示標(biāo)出了待提取角點(diǎn)的區(qū)域，圖(b)標(biāo)出了角點(diǎn)提取區(qū)域中提取出的角點(diǎn)。如圖3-2中所示，圖(a)中的角點(diǎn)與十字標(biāo)記位置有所偏差，但在十字標(biāo)記位置附近；圖(b)中每個(gè)角點(diǎn)均在角點(diǎn)提取窗口區(qū)域。表示正確選取了靶標(biāo)區(qū)域。圖3-4 錯(cuò)誤的靶標(biāo)選定區(qū)域與角點(diǎn)提取結(jié)果，(a) 靶標(biāo)選定區(qū)域，(b) 角點(diǎn)提取結(jié)果如圖3-4(a)所示角點(diǎn)與十字標(biāo)記位置存在明顯偏差，甚至個(gè)別角點(diǎn)遠(yuǎn)離十字標(biāo)記；圖(b)中很多角點(diǎn)在角點(diǎn)提取區(qū)域窗口之外。說(shuō)明錯(cuò)誤選取了靶標(biāo)區(qū)域，不符合實(shí)驗(yàn)要求。3、 內(nèi)參數(shù)標(biāo)定對(duì)每一幅靶標(biāo)圖像正確提取角點(diǎn)后，在標(biāo)定工

30、具箱操作面板點(diǎn)擊“Calibration”鍵，完成攝像機(jī)的內(nèi)參數(shù)標(biāo)定以及標(biāo)定優(yōu)化： 其中， fc表示焦距；cc表示為光軸主點(diǎn)坐標(biāo)，單位為像素23；alpha_c是圖像坐標(biāo)系的y軸與攝像機(jī)坐標(biāo)系Yc軸實(shí)際夾角，單位為弧度；angle of pixel axes為對(duì)應(yīng)于圖像坐標(biāo)u、v的攝像機(jī)的x、y軸之間的夾角，默認(rèn)值為90； kc為畸變系數(shù)；err為誤差的標(biāo)準(zhǔn)方差，單位為像素。1）顯示攝像機(jī)與標(biāo)定靶標(biāo)之間的關(guān)系，如圖3-5所示：圖3-5 攝像機(jī)坐標(biāo)系與靶標(biāo)之間的關(guān)系 (a) 攝像機(jī)固定，(b) 靶標(biāo)固定圖(a)為假設(shè)攝像機(jī)固定時(shí)攝像機(jī)與靶標(biāo)之間的關(guān)系，圖(b)為假設(shè)靶標(biāo)固定時(shí)攝像機(jī)與靶標(biāo)之間的關(guān)

31、系。2）所有角點(diǎn)反投影到圖像空間的圖像坐標(biāo)誤差，如圖3-6所示：圖3-6 反投影到圖像空間的角點(diǎn)圖像坐標(biāo)誤差圖像坐標(biāo)誤差的標(biāo)準(zhǔn)方差為：4、圖像畸變校正完成內(nèi)參數(shù)標(biāo)定后，在標(biāo)定工具箱操作面板點(diǎn)擊“Undistort image”鍵：對(duì)讀入的所有靶標(biāo)圖像進(jìn)行消畸處理，生成的消除畸變后的圖像。原始圖像和消除畸變后的圖像：圖3-8 原始圖像和校正后圖像，(a) 原始圖像 (b) 消除畸變后的圖像5、外參數(shù)標(biāo)定完成攝像機(jī)的內(nèi)參數(shù)標(biāo)定后，點(diǎn)擊“Comp. Extrinsic”鍵，進(jìn)行靶標(biāo)相對(duì)于攝像機(jī)的外參數(shù)標(biāo)定，結(jié)果如下：其中，Tc_ext表示位移向量，單位為mm；omc_ext表示旋轉(zhuǎn)向量；Rc_ext

32、表示旋轉(zhuǎn)矩陣； 3.1.2雙目立體視覺(jué)標(biāo)定左攝像機(jī)內(nèi)參數(shù)的標(biāo)定結(jié)果保存為Calib_Results_left.mat，右攝像機(jī)的標(biāo)定結(jié)果保存為Calib_Results_right.mat。運(yùn)行stereo_gui指令，進(jìn)行雙目立體標(biāo)定程序，依次導(dǎo)入左、右攝像機(jī)的標(biāo)定結(jié)果文件，實(shí)驗(yàn)結(jié)果如下26：其中， om，T分別表示為左攝像機(jī)相對(duì)于右攝像機(jī)的姿態(tài)矩陣與位移向量24。點(diǎn)擊“Run stereo calibration”鍵，計(jì)算并輸出左、右攝像機(jī)的內(nèi)參數(shù)和優(yōu)化后的內(nèi)參數(shù)。輸出結(jié)果：點(diǎn)擊“Show Extrinsics of stereo rig”鍵，實(shí)驗(yàn)結(jié)果如圖3-9所示：圖3-9 靶標(biāo)相對(duì)于攝

33、像機(jī)的位姿該圖顯示是14張棋盤圖相對(duì)于雙目攝像機(jī)的位姿三維圖。3.1.3實(shí)驗(yàn)結(jié)果分析Matlab攝像機(jī)標(biāo)定工具是基于張正友平面標(biāo)定法原理設(shè)計(jì)的，張正友平面標(biāo)定法的原理與流程在本文中的第二章有所敘述。此處，我們針對(duì)該算法以及實(shí)驗(yàn)結(jié)果進(jìn)行分析：張正友的平面標(biāo)定方法比傳統(tǒng)標(biāo)定方法設(shè)備要求低，操作簡(jiǎn)單，又較自標(biāo)定方法精度高，符合家用，辦公用的桌面視覺(jué)系統(tǒng)(DVS)的標(biāo)定要求。但是基于Matlab實(shí)現(xiàn)張正友標(biāo)定法需要手動(dòng)進(jìn)行特征點(diǎn)標(biāo)靶區(qū)域選取，手動(dòng)選取的不確定性會(huì)給實(shí)驗(yàn)結(jié)果帶來(lái)誤差。3.2立體匹配仿真結(jié)果采用高清雙目攝像機(jī)拍攝一組左右圖像，并分別用兩種算法進(jìn)行匹配，實(shí)驗(yàn)圖片以及其對(duì)應(yīng)的實(shí)物輪廓圖片如圖3

34、-10所示圖3-10 彩色立體左右圖像對(duì)以及實(shí)物輪廓圖 圖中上面一組圖片顯示是左右攝像機(jī)拍攝的左右彩色實(shí)物圖像，下面一組圖片顯示的是左右實(shí)物圖像中物體輪廓圖3.2.1基于全局誤差能量最小化區(qū)域匹配算法我們分別取窗口大小為的模板進(jìn)行立體匹配，實(shí)驗(yàn)結(jié)果如下：1、參數(shù)取值為，其中表示窗口大小，表示能量誤差閾值，表示攝像機(jī)焦距， 表示兩攝像機(jī)距離， 表示容忍誤差系數(shù)；窗口大小為時(shí)模塊匹配又稱為點(diǎn)匹配，實(shí)驗(yàn)結(jié)果如下：圖3-11 模塊為視差圖圖3-12 模塊為深度圖其中可靠視差圖是全局視差圖去除了“無(wú)估計(jì)”點(diǎn)(即誤差值大于閾值的點(diǎn))的視差圖，比較兩圖可以發(fā)現(xiàn)，可靠視差圖較比全局誤差視圖陡變區(qū)域更緩和；經(jīng)過(guò)

35、中值濾波后的視差圖較平滑；誤差能量可以大致顯示出物體邊緣輪廓；深度圖顯示的是左右兩圖像中空間物體的視覺(jué)差。2、參數(shù)取值為，窗口大小為時(shí)模塊匹配又稱為行匹配，實(shí)驗(yàn)結(jié)果如下：圖3-12 模塊為視差圖圖3-13 模塊為深度圖3）參數(shù)取值為，實(shí)驗(yàn)結(jié)果如下：圖3-14 模塊為視差圖圖3-15 模塊為深度圖3.2.2基于線性生長(zhǎng)區(qū)域匹配算法1）參數(shù)分別為時(shí)，其中，表示誤差閾值。實(shí)驗(yàn)結(jié)果如下圖3-15 模塊為視差圖圖3-16 模塊為深度圖點(diǎn)匹配狀態(tài)圖中，棕色代表閑置點(diǎn)，黃色代表基點(diǎn)，藍(lán)色代表區(qū)域點(diǎn)。2）僅改變閾值，其他參數(shù)不變，實(shí)驗(yàn)結(jié)果如下：圖3-17 模塊為視差圖圖3-18 模塊為深度圖3）僅改變 ，其他

36、參數(shù)不變，實(shí)驗(yàn)結(jié)果如下：圖3-19 模塊為視差圖圖3-20 模塊為深度圖3.3不同匹配算法差異分析1、基于全局誤差能量最小化區(qū)域匹配算法本實(shí)驗(yàn)采取窗口大小為進(jìn)行匹配，實(shí)驗(yàn)結(jié)果如3-21所示圖3-21 (a)窗口大小與可靠度關(guān)系圖 (b)濾波前后可靠度關(guān)系圖 (c)窗口大小與計(jì)算量關(guān)系圖圖3-21 (a)(b)分別表示的實(shí)驗(yàn)采取5種窗口大小時(shí)可靠度與計(jì)算量大小的柱形圖 (c)濾波前后可靠度大小的柱形圖。實(shí)驗(yàn)結(jié)果表明：1)當(dāng)匹配窗口較小時(shí)基于全局誤差能量最小化算法的可靠度較大、計(jì)算量較??；2）濾波可使得算法的可靠度大大的提高算法的可考率。- 27 -第四章 總結(jié)與展望2、基于線性生長(zhǎng)區(qū)域匹配算法圖

37、3-22 (a)誤差閾值與可靠度關(guān)系圖 (b)濾波前后可靠度對(duì)比圖 (c)誤差閾值與計(jì)算量關(guān)系圖圖3-22(a)(b)分別表示的實(shí)驗(yàn)改變閾值值時(shí)算法可靠度與計(jì)算量大小的柱形圖 (c)濾波前后可靠度大小的柱形圖。實(shí)驗(yàn)結(jié)果表明：1）在誤差閾值較小時(shí)，算法的可靠度隨著誤差閾值的增大而增加；誤差閾值較大時(shí)，閾值越大時(shí)可靠度不再變化趨于一定值；2）整體來(lái)說(shuō)，算法的計(jì)算量隨著誤差閾值的增大而減??；3）濾波能夠大大增大算法的可靠度3、兩種算法比較圖3-23 (a)兩算法可靠度比較圖 (b)兩算法計(jì)算量對(duì)比圖圖3-23(a)(b)分別表示濾波前后兩種算法可靠度和計(jì)算量大小的柱形圖。實(shí)驗(yàn)結(jié)果表明：兩種算法基于全

38、局誤差能量最小化算法的算法可靠度比基于線性生長(zhǎng)區(qū)域算法要高，但是計(jì)算量也高。3.4本章小結(jié) 本章分別對(duì)攝像機(jī)標(biāo)定和立體匹配的實(shí)現(xiàn)過(guò)程做了詳解敘述，得出了實(shí)驗(yàn)結(jié)果，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。第四章 總結(jié)與展望近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)發(fā)展迅速，研究領(lǐng)域逐漸從2D向3D轉(zhuǎn)換。雙目視覺(jué)作為計(jì)算機(jī)視覺(jué)中的一個(gè)重要分支28，為該轉(zhuǎn)化提供了理論基礎(chǔ)。其中攝像機(jī)標(biāo)定與立體匹配技術(shù)是雙目視覺(jué)系統(tǒng)最為重要的環(huán)節(jié)，研究其實(shí)現(xiàn)方式及匹配效率與精度等問(wèn)題對(duì)雙目視覺(jué)系統(tǒng)的發(fā)展有著極其重要的意義。 本文在搭建雙目視覺(jué)系統(tǒng)采集模塊完成的基礎(chǔ)上，對(duì)雙目視覺(jué)系統(tǒng)三大坐標(biāo)、攝像機(jī)兩種模型和立體匹配兩種區(qū)域算法進(jìn)行了理論研究，并基于Ma

39、tlab對(duì)攝像機(jī)標(biāo)定與立體匹配算法進(jìn)行軟件仿真。 本文通過(guò)對(duì)兩種匹配算法進(jìn)行分析后得出結(jié)論：基于全局最小化匹配算法在可靠度和計(jì)算量上均優(yōu)于基于線性生長(zhǎng)立體匹配算法；兩種算法通過(guò)濾波均能夠大大增加算法的可靠度。4.1總結(jié)本文主要研究?jī)?nèi)容是雙目視覺(jué)系統(tǒng)中的攝像機(jī)標(biāo)定與立體匹配兩大模塊，完成以下內(nèi)容：1、簡(jiǎn)要敘述了雙目立體視覺(jué)系統(tǒng)的研究背景和意義以及國(guó)內(nèi)外發(fā)展現(xiàn)狀。文章重點(diǎn)敘述了雙目立體視覺(jué)系統(tǒng)中的攝像機(jī)標(biāo)定和立體匹配兩大模塊，包括理論知識(shí)以及實(shí)驗(yàn)過(guò)程。2、利用middlebury網(wǎng)站提供的標(biāo)圖基于Matlab對(duì)攝像機(jī)進(jìn)行標(biāo)定，再利用實(shí)驗(yàn)采集的圖片進(jìn)行立體匹配，為雙目視覺(jué)系統(tǒng)的三維重建建立基礎(chǔ)。3、

40、在攝像機(jī)標(biāo)定過(guò)程中，我們?cè)敿?xì)闡述了世界坐標(biāo)系，像平面坐標(biāo)系以及攝像機(jī)三大坐標(biāo)系、線性與非線性攝像機(jī)兩種模型以及張正友平面標(biāo)定原理與步驟。4、在立體匹配過(guò)程中，首先詳細(xì)闡述了基于全局誤差能量最小化匹配與基于線性生長(zhǎng)立體匹配算法的基本原理，并基于Matlab實(shí)現(xiàn)了算法，得出了試驗(yàn)結(jié)果。5、通過(guò)綜合分析得出不同匹配算法在可靠率、計(jì)算量以及均值濾波效果的結(jié)論：基于全局誤差能量最小化匹配算法的可靠率明顯高于基于線性生長(zhǎng)立體匹配算法；基于全局誤差能量最小化匹配算法的模板窗口較小可靠率較大，計(jì)算量較小；基于線性生長(zhǎng)立體匹配算法誤差閾值越大可靠度越大，計(jì)算量越小；算法結(jié)果進(jìn)行均值濾波會(huì)大大增加算法的可靠率。4

41、.2展望在計(jì)算機(jī)視覺(jué)領(lǐng)域中，雙目視覺(jué)技術(shù)的研究的熱度一直居高不退的，至今為止雙目視覺(jué)系統(tǒng)有著越來(lái)越重要的地位，也逐漸運(yùn)用于我們生產(chǎn)生活中的各個(gè)領(lǐng)域。本文研究?jī)?nèi)容主要在雙目視覺(jué)系統(tǒng)中的攝像機(jī)標(biāo)定與立體匹配這兩個(gè)模塊，但是由于時(shí)間倉(cāng)促導(dǎo)致本畢業(yè)設(shè)計(jì)存在著一定的不足，我將在今后繼續(xù)關(guān)注這個(gè)領(lǐng)域的研究與發(fā)展，我將從以下幾個(gè)方面對(duì)雙目視覺(jué)技術(shù)的研究繼續(xù)充實(shí)：1、在攝像機(jī)標(biāo)定中，采用了工具箱中的模板網(wǎng)格圖，應(yīng)該自己制作高清的網(wǎng)格模板圖片集進(jìn)行實(shí)驗(yàn)仿真。2、在立體匹配算法研究中，匹配算法基礎(chǔ)簡(jiǎn)單，可以嘗試在現(xiàn)有的算法基礎(chǔ)上進(jìn)行算法改進(jìn)與優(yōu)化，提高算法的精度和效率；3、本文中攝像機(jī)標(biāo)定與匹配算法均依賴于Mat

42、lab實(shí)現(xiàn)的，對(duì)底層實(shí)現(xiàn)研究較少，可以嘗試通過(guò)研究底層實(shí)現(xiàn)獲得更多的知識(shí)支持，對(duì)雙目視覺(jué)系統(tǒng)進(jìn)行更深入的探究；4、在本實(shí)驗(yàn)中后續(xù)工作可以增加采集的圖片對(duì)，因?yàn)閳D像采集的光線和角度會(huì)影響實(shí)驗(yàn)結(jié)果。若光線較暗淡或圖像與攝像頭距離較近時(shí)會(huì)降低算法精度，因此可以增加實(shí)驗(yàn)原料，再就光線角度等指標(biāo)進(jìn)行篩選，提高算法精度。5、本設(shè)計(jì)采集的圖片由于資源限制的問(wèn)題，采集的圖片中物體特征量少，圖片色彩單一，導(dǎo)致匹配算法效果不明顯。6、可以采取圖片增強(qiáng)技術(shù)對(duì)原始圖片進(jìn)行圖像預(yù)處理。- 33 -參考文獻(xiàn)1 趙笑可. 基于全局能量最小化的立體匹配算法研究D. 南京理工大學(xué), 2008.2 陳林. 面向雙目立體視覺(jué)圖像的

43、匹配技術(shù)D. 上海交通大學(xué), 2013.3 劉俸材, 謝明紅, 王偉. 雙目視覺(jué)的立體標(biāo)定方法J. 計(jì)算機(jī)工程與設(shè)計(jì), 2011, 32(4):1508-1512.4 王明明.鐵路大機(jī)與線路固定設(shè)施間距檢測(cè)算法研究D.西南交通大學(xué), 2015.5 李寧. 基于立體視覺(jué)的三維尺寸測(cè)量系統(tǒng)研制D. 合肥工業(yè)大學(xué), 2013.6 馮成義. 模擬目視實(shí)現(xiàn)空間定位系統(tǒng)的研究和應(yīng)用D. 吉林大學(xué), 2007.7 隋婧, 金偉其. 雙目立體視覺(jué)技術(shù)的實(shí)現(xiàn)及其進(jìn)展J. 電子技術(shù)應(yīng)用, 2004, 30(10):4-6.8 吳勇. 基于立體視覺(jué)的機(jī)器人圖像動(dòng)態(tài)檢測(cè)系統(tǒng)D. 東華大學(xué), 2009.9 黃濤. 基于圖像立體匹配的三維重建D. 廣西師范大學(xué), 2008.10ZhangZ.AflexiblenewtechniqueforcameracalibrationJ.IEEETransactionsonPatter