（机械制造及其自动化专业论文）基于单目视觉及主动激光标记的空间曲面重构方法研究.pdf

摘要 计算机视觉是一门研究如何使得机器实现“看”功能的科学，它不仅能模拟人眼的功能， 更重要的是完成人眼所不能胜任的工作。作为一门新兴的学科，它既是工程领域同时也是 科学领域中一个富有挑战性重要研究领域，近些年来受到越来越多关注和研究。计算机视 觉的研究范畴涉及光学、数学、物理学、计算机科学、生物学、信号处理学、神经生理学 和认知科学等，是一门综合性的前沿学科，具有广阔的应用前景。本文以单目视觉结合激 光环获取空间物体位姿为目的，进行一系列的探讨和研究。 通过分析国内外单目视觉的研究现状，阐述了本课题研究的方向并构建模型分析需要 解决的问题，即边缘提取方法、曲线拟合方法、圆锥激光环锥顶位置的求解以及如何根据 图像信息求解空间位姿方法等。由于很难获得圆柱激光环，因此提出采用圆锥激光环结合 单目视觉进行分析。 圆锥激光环照射在空间任意平面上形成椭圆光斑，提出采用最d x - - 乘椭圆拟合方法得 到c c d 面上光斑的椭圆方程；而激光环照射在任意空间曲面上不再是椭圆光斑，首先将 c c d 面上的光斑边缘曲线分为上下两部分，再采用最小二乘多项式法分别拟合上下部分光 斑，从而得到光斑的多项式。 锥顶的确定主要分为三步，首先标定两个与c c d 面平行的圆形平面，且圆形平面的 中心连线与摄像机光轴平行，调整激光位置使得光源同时穿过圆形平面中心，读取圆形平 面中心的坐标值从而确定圆锥激光环锥顶的两个坐标方向的值；然后再将激光环分别照射 在两个圆形平面上，采用椭圆拟合得到c c d 面上的成像光斑的中心；最后结合空间直线 方程确定锥顶的另外一个坐标方向上的值。 确定空间位姿首先需要标定一个与c c d 面平行的空间平面，利用摄像机成像和空间 直线方程得到该平面上光斑边缘数据。然后在光斑边缘上选取一点m 结合摄像机焦点和 圆锥激光环的锥顶三个点构造平面，该平面与c c d 面上物体的成像光斑相交，得到特征 点，并连接摄相机焦点构建一条直线，再连接锥顶点和m 点，构建另一条直线，解出这两 条空间直线的交点，就是空间物体上的点。依次在光斑边缘上取点并分析然后再移动激光 环位置分析，即得到空间物体上各点位置。如果物体是空间任意平面，根据空间物体上各 点位置采用最小二乘平面拟合方法得到该平面的位姿，如果是曲面，则采用曲面重构方法 得到曲面的形状。 构建实验平台，根据标定的摄像机内外部参数得到焦点以及图像坐标系相对于世界坐 标系的位置，并根据实验结果分析误差产生的原因。 关键字：单目视觉，激光环，最小二乘法，空间位姿，平面拟合，曲面重构 a b s t r a c t i i i c o m p u t e rv i s i o ni sas c i e n c et h a ts t u d i e sh o w t om a k et h ec o m p u t e rr e a l i z et h ef u n c t i o no f “s e e i n g i t i sn o to n l ya b l et os i m u l a t et h ef u n c t i o no fh u m a ne y e ，b u ta l s oc a p a b l eo f c o m p l e t i n gt h ej o bb e y o n dt h el a t t e r sa b i l i t y a sa l le m e r g i n gd i s c i p l i n e ，i ti sa ni m p o r t a n t r e s e a r c ha r e af u l lo fc h a l l e n g e si nf i e l d so fb o t he n g i n e e r i n ga n ds c i e n c ea n dh a sb e e nd r a w i n g i n c r e a s i n ga t t e n t i o nf r o ms c h o l a r s c o m p u t e rv i s i o nr e s e a r c h , r a n g i n gf r o mp h y s i c s ，m a t h e m a t i c s ， o p t i c s ，c o m p u t e rs c i e n c e ，s i g n a lp r o c e s s i n gs c i e n c e ，b i o l o g y , n e u r o p h y s i o l o g yt oc o g n i t i v e s c i e n c e ，i sa ni n t e g r a t e df r o n t i e rs c i e n c e 谢t l le x t e n s i v ea p p l i c a t i o np r o s p e c t t h i st h e s i s ，i no r d e r t oo b t a i nas p a c eo b j e c tp o s i t i o nt h r o u g hc o m b i n i n gm o n o c u l a rv i s i o na n dl a s e rr i n g ，i m p l e m e n t s as e r i e so fe x p l o r a t i o na n ds t u d y t h r o u g ha n a l y z i n gt h ep r e s e n tr e s e a r c hs i t u a t i o no fm o n o c u l a rv i s i o na th o m ea n da b r o a d , t h i st h e s i sc l a r i f i e st h er e s e a r c hd i r e c t i o ni nt h i ss t u d ya n db u i l d sm o d e l st oa n a l y z et h ei s s u e s n e e d i n gt ob er e s o l v e ds u c ha se d g ee x t r a c t i o nm e t h o d , c u r v ef i t t i n gm e t h o d , s o l u t i o no ft h et o p p o s i t i o ni nc o n i c a ll a s e rr i l l gc o n ev e r t e xa n ds o l u t i o no fas p a c eo b j e c tp o s i t i o ni na c c o r d a n c e 谢廿lt h ei m a g ei n f o r m a t i o n b e c a u s ei ti sh a r dt oc a p t u r eac y l i n d r i c a lr i n g ，t h i st h e s i ss u g g e s t s a d o p t i n gc o n i c a ll a s e rr i n g t oc o n d u c ta na n a l y s i s 、 ，i 也m o n o c u l a rv i s i o n a se l l i p t i cs p o ti sf o r m e da f t e rc o n i c a ll a s e rr i n gi r r a d i a t e sa na r b i t r a r ys p a c ep l a n e ，l e a s t s q u a r ee l l i p s ef i t t i n gm e t h o di sp u tf o r w a r dt oo b t a i ne l l i p t i ce q u a t i o n so ft h ec c d s u r f a c es p o t ； h o w e v e r , a f t e rl a s e rr i n gi r r a d i a t e sa na r b i t r a r ys p a c ec u r v e ，n oe l l i p t i cs p o tc a nb ef o r m e d i nt h i s c o n d i t i o n , s p o te d g ec u r v e w i l lb ed i v i d e di n t ot h eu p p e ra n dl o w e rp a r t s ，a n da g a i nl e a s ts q u a r e s p o l y n o m i a lm e t h o dw i l lb eu s e df o rf i t t i n gt h eu p p e r a n dl o w e rs p o t st oa t t a i ns p o tp o l y n o m i a l i tt a k e st h r e es t e p st od e t e r m i n et h et o pp o s i t i o no fc o n i c a ll a s e rr i n g ：f i r s to fa l l ，t w o c i r c u l a rp l a n ep a r a l l e lt ot h ec c ds u r f a c ei sc a l i b r a t e d ，c e n t e rl i n eo ft h et w oc i r c u l a rp l a n ei s p a r a l l e l e dt ot h ec a m e r ao p t i c a la x i s ，l a s e rp o s i t i o ni sa d j u s t e dt om a k es b r ea l lt h el i g h tg o t h r o u g ht h ec i r c u l a rp l a n ec e n t e ra tt h es a m et i m e ，a n dt h e nc o o r d i n a t e so ft h e c i r c u l a rp l a n e c e n t e ra r es e c u r e dt od e t e r m i n et h ec o o r d i n a t e so ft h et o pp o s i t i o no fc o n i c a ll a s e rr i n gi nt w o d i r e c t i o n s ；s e c o n d l y , l a s e rr i n gi r r a d i a t e st h et w oc i r c u l a rp l a n er e s p e c t i v e l ya n de l l i p s ef i t t i n gi s a d o p t e dt oo b t a i nt h ei m a g i n gf a c u l ac e n t e ro nt h ec c ds u r f a c e ；l a s t l y , s p a t i a ll i n e a re q u a t i o ni s a p p l i e dt od e t e r m i n ea n o t h e r c o o r d i n a t eo ft h et o pp o s i t i o ni nc o n i c a ll a s e rr i n g i no r d e rt oo b t a i nas p a c eo b j e c tp o s i t i o n , f i r s t l y , as p a c ep l a n ep a r a l l e lt ot h ec c ds u r f a c e n e e d st ob ec a l i b r a t e d ，a n di t ss p o te d g ed a t ac a nb ec a l c u l a t e db ya p p l y i n gc a l t l e r ai m a g i n ga n d s p a c el i n ee q u a t i o n t h e n ，ap o i n tm a tt h es p o te d g ei ss e l e c t e dt oc o o p e r a t e 谢t l lt h ec a m e r a w f o c u sa n dt h et h r e ep o i n t so nt h et o pp o s i t i o no fc o n i c a ll a s e rr i n gt oc o n s t r u c tap l a n ew h i c hi n t u r ni n t e r s e c t st h ei m a g i n gf a c u l ao nt h ec c d s u r f a c e ，r e s u l t i n gi naf e a t u r ep o i m t h i sf e a t u r e p o i n ti sc o n n e c t e dw i t ht h ec a n l e t af o c u st oc o n s t t u c to n es t r a i g h tl i n e ；t h et o pp o s i t i o no fc o n i c a l l a s e rr i n gi sc o n n e c t e d 、析t l lt h ep o 缸mt oc o n s t r u c tt h eo t h e rs t r a i g h tl i n e t h ei n t e r s e c t i o np o m o ft h et w os t r a i g h tl i n e si st h ev e r yp o 硫i nt h es p a c eo b j e c t t h a ti st os a y , t h es o l u t i o no ft h e f o r m e re q u a l st h a to ft h el a t t e r i fp o i n t sa l o n gt h es p o te d g ea r es e l e c t e da n da n a l y z e d 、析mt h e m o v e m e n to fl a s e rr i n g ，l o c a t i o no fe v e r yp o 洫i nt h es p a c eo b j e c tc a nb eo b t a i n e d i ft h eo b j e c t i sa 1 1a r b i t r a r ys p a c ep l a n e ，l e a s ts q u a r e sp l a n ef i t t i n gm e t h o dc a nb ea d o p t e dt oo b t a i nt h e p o s i t i o no f t h i sp l a n ei na c c o r d a n c ew 池l o c a t i o no fe v e r yp o i n ti nt h es p a c eo b j e c t ；h o w e v e r , i f t h eo b j e c ti sa na r b i t r a r ys p a c ec u r v e ，c u r v ec o n s t r u c t i o nm e t h o dc a nb ea p p l i e dt og e tt h ec u r v e s h a p e t h ee x p e r i m e n t a lp l a t f o r mi sb u i l tt oa t t a i nt h ef o c u sa n dt h el o c a t i o no fi m a g ec o o r d i n a t e s y s t e mr e l a t i v et ot h ew o r l dc o o r d i n a t es y s t e ma c c o r d i n gt ot h ec a l i b r a t e di n t e r n a la n de x t e r n a l c a l t l e ：r ap a r a m e t e r s ，a n dt oa n a l y z et h ee r r o rc a u s e sb a s e do nt h ee x p e r i m e n t a lr e s u l t s k e y w o r d s ：m o n o c u l a rv i s i o n ；l a s e rr i n g ；t h el e a s ts q u a r e sm e t h o d ；t h es p a t i a lp o s i t i o n ；p l a n e f i t t i n g ；c u l v cr e c o n s t r u c t i o n 摘要 a b s t r a c t 第一章绪论 目录 v 。i i l l l 1 1 弓l 言1 1 2 视觉测量技术2 1 2 1 视觉测量技术的优点2 1 2 2 视觉测量的关键技术2 1 2 3 视觉测量的流程3 1 3 单目视觉的应用研究4 1 3 1 单目视觉和双目视觉4 1 3 2 单目视觉的测量方法研究5 1 3 3 单目视觉的车辆检测方法研究7 1 3 4 单目视觉的机器人定位及导航研究8 1 4 论文研究内容与结构安排8 第二章基于激光环的单目视觉模型 1 0 2 1模型描述1o 2 1 1 坐标变换1 l 2 1 2 小孔成像模型1 2 2 1 3 摄像机模型。1 3 2 1 4 基于激光环的单目视觉系统模型1 4 2 2 图像边缘提取l5 2 2 1 图像边缘定义1 5 2 2 2 边缘提取方法16 2 3 激光环锥项的确定1 7 2 4 深度信息分析18 2 5 本章小结2 0 第三章基于单目视觉的空间平面位姿分析。 2 1 3 1 椭圆方程拟合2 1 3 1 1 椭圆拟合方法2 1 3 1 2 最小二乘椭圆拟合2 2 3 1 3 算例验证。2 4 3 2 激光环锥顶位置求解2 5 v i 3 2 1 激光源母线标定2 6 3 2 2 锥顶位置求解2 6 3 3 空间平面位置求解2 9 3 3 1 虚拟场景模型2 9 3 3 2 平面k 的一般方程3 0 3 3 3 空间平面位置求解3 1 3 4 空间平面姿态分析3 4 3 4 1 最小二乘平面拟合3 4 3 4 2 空间平面拟合3 5 3 5 本章小结3 7 第四章基于单目视觉模型的空间曲面重构。3 8 4 1 弓i 言3 8 4 2 封闭曲线拟合。3 9 4 2 1 曲线拟合方法4 0 4 2 2 最小二乘多项式拟合4 0 4 2 3 多项式拟合的实现4 1 4 3 空间曲面重构。4 5 4 3 1 空间曲面位置求解4 5 4 3 2n u r b s 曲面4 8 4 3 3 曲面重构实现4 9 4 4 本章小结5 l 第五章初步实验分析。一。一一一配 5 1 实验平台简介。5 2 5 2 激光环的获取及标定5 3 5 3 空间平面位姿实验分析。5 6 5 4 误差原因分析5 8 5 6 本章小结6 0 第六章总结与展望一6l 6 1 主要研究成果。6 l 6 2 研究工作展望。6 2 作者在攻读硕士学位期间发表的学术论文目录-一加 尹楠基于单目视觉及主动激光标记的空间曲面重构方法研究 1 1 引言 第一章绪论 人类正进入信息时代，随着计算机技术以及感器技术的发展，使用摄像机与计算机模 拟并实现部分生物视觉在许多方面成功应用，如何利用信号处理以及计算机技术对图像信 息进行分析、处理、理解、识别，并最终做出正确的决策成为新的研究领域，即计算机视 觉。计算机视觉技术起源在2 0 世纪5 0 年代，经过几十年的发展，各种研究与研究方法层 出不穷，研究内容已从最初的二维图像分析扩展到当前的三维复杂场景理解，同时广泛应 用于工业、医学、军事、农业、娱乐与教育等多个领域。 计算机视觉也称为机器视觉，是指利用计算机对采集的图像或者视频进行处理，从而 代替人眼的视觉功能，实现对客观世界的三维场景的感知、识别和理解的技术【l 一钉。计算机 视觉使用计算机及相关设备对生物视觉进行模拟，其主要任务是通过对采集的图像或视频 进行处理，以获得相应的三维信息。根据计算机视觉的技术机理和相关应用，可以将其分 为两类【5 】： 1 、仿生学方法。仿生学方法主要是参照人类视觉系统的结构原理，建立视觉过程的 计算模型和相应的处理模块，实现与人类视觉系统类似的或者全部的功能。例如，仿生眼、 主动视觉系统都是典型的基于仿生学原理的计算机视觉系统。 2 、工程学方法。工程学方法并不刻意模拟人类视觉系统的内部结构和工作过程，它 主要是从分析人类视觉过程的功能着手，仅考虑系统的输出和输入，并采用任何现有的、 可行的手段实现所需的系统功能。例如，目前广泛应用的单目视觉测距系统、双目和多目 视觉空间三维坐标测量等都是典型的计算机视觉工程应用系统。 计算机视觉是各个应用领域，如制造业、文档分析、检验、军事和医疗诊断等领域中 各种智能和自主系统中不可分割的一部分【6 j 。由于它的重要性，一些发达国家，例如美国 把对机器视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题。计算 机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应 环境的能力，当然这是需要经过长期努力才能达到的目标。 借鉴人类视觉的原理，计算机视觉技术研究的长远目标是建立通用的视觉系统。即计 算机对三维场景的理解，从而实现人类视觉的功能。其本质问题是利用二维图像重构三维 物体的可视部分。计算机视觉的优势不仅在于模拟人眼的功能，而且还能完成人眼所不能 胜任的工作。 2 扬州大学硕士学位论文 1 2 视觉测量技术 视觉测量技术是建立在计算机视觉研究基础上的一门新兴技术，研究重点是物体的几 何尺寸及在空间的位置、姿态等的测量。它是以现代光学为基础，融计算机图像图形学、 信息处理、计算机视觉、模式识别和光电子学等科学为一体的现代检测技术，把被测对象 的图像当作检测以及传递信息的手段，并从中提取有用的信号来获得待检测参数，具有非 接触、柔性好、准确、快速高效、适应能力强、可靠性高等特点。从视觉组成和测量原理 来看，视觉坐标测量属于非笛卡尔坐标测量，它不受三维导轨限制，可以实现更大范围的 坐标测量，而且视觉坐标测量较传统坐标测量方法更加灵活，系统便于携带，非常适用于 航天、航空、汽车制造和装配领域的快速现场测量，因此视觉测量坐标技术的应用前进非 常广泛。 1 2 1 视觉测量技术的优点 与传统的测量方法相比较，视觉测量技术有很多优点f 丌，首先它是一种瞬间获取被测 物体的大量物理信息和几何信息的测量方法。作为信息载体的图片或影像容纳有被测目标 的大量信息，特别适用于测量点众多的目标；同时作为一种非接触性的测量手段，它不伤 及测量目标，不干扰被测物自然状态，而且可在恶劣条件下应用：它还是一种适合于微观 世界、近景目标以及较远目标的测量技术，且对于动态物体外形和运动状态也可测量；作 为一种基于严谨的理论和现代软硬件，它还可提供相当高精度和可靠性测量。基于上述优 点，视觉测量技术广泛地应用于工业生产流程中，成为工业产品分类、导向、监测、装配 和自动化生产的重要组成部分，它可以提供基于三维空间坐标的各种信息，包括各类数据、 图形、图像、数字表明模型及三维动态序列影像。 1 2 2 视觉测量的关键技术 视觉测量系统把图像当作测量和传递信息的载体加以利用，其目的是从图像中提取有 用的信号。因此，如何准确的得到目标位置，是视觉测量技术中的关键问题之一。具体来 说，视觉测量系统的关键技术主要包括光源照明技术、图像处理与分析技术、摄像机标定 技术、三维重构技术等，三维重构技术主要是后期的实验数据处理工作，前面三个主要介 绍实验部分的关键问题。以下对光源照明技术，图像处理与分析技术和摄像机标定技术简 单说明。 首先光源照明技术的好坏往往关系到整个测量系统的成败，由于没有通用的计算机视 觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置来达到最佳效果。必 须选用合适的照明装置，照明装置产生的效果随着测量对象、测量目的、测量环境的不同 尹楠基于单目视觉及主动激光标记的空间曲面重构方法研究 而不同，应该通过实验来确定。 其次图像处理与分析技术也是视觉测量系统中的一个关键内容，它是保证测量精度与 实时性的关键，主要包括图像预处理、图像分割与特征提取及立体图像匹配、图像拼接等 几个部分。图像预处理主要包括图像灰度变换、图像去噪和图像增强，图像特征提取等到 匹配所需的特征点和边缘，图像特征提取的具体形式与匹配策略紧密相连。由于目前还没 有普遍使用的图像特征检测理论，导致了立体视觉研究中图像匹配特征的多样性。由于图 像中不可避免的存在广度学和几何学的畸变，所以选择图像匹配基元时要考虑基元的稳定 性和敏感性。 最后摄像机标定是计算机视觉系统准确获取图像信息的前提和基础，是计算机视觉测 量中必须解决的问题。摄像机标定其实就是计算摄像机的内部和外部参数，内部参数表示 摄像机的光学本质特性，包括透镜的畸变失真系数、有效焦距长度和图像中心点坐标；而 外部参数则表示摄像机的方位和位置相对于世界坐标系坐标。目前常用的摄像机标定不需 要特别实验装置，其中大部分都是利用成像几何性质将需要标定的各个参数分解，然后分 别计算。 1 2 3 视觉测量的流程 视觉测量系统的流程如图1 1 所示，视觉测量需要经过如下几个步骤： 图1 - 1 图像测量系统流程 ( 1 ) 在建立计算机视觉测量系统的基础上，完成图像采集。 ( 2 ) 在采集图像的基础上，根据测量任务的需要，完成摄像机系统的标定，包括摄像 机内外部参数标定和摄像机结构参数的标定。 ( 3 ) 由于采集的图像受到图像传感器的内部噪声和外部环境干扰，不可避免地会出现 各种噪声，所以需要先对采集的图像进行滤噪和增强。增强图像的对比度并使用图像特征 突出。 ( 4 ) 图像预处理后，图像质量得到了改善。接下来进行图像分割，即目标检测。针对 测量需求，分割图像中测量目标的特征点。 ( 5 ) 在分割目标特征点的基础上，完成图像中目标的二维参数的测量，主要包括特征 点坐标测量和图像的目标尺寸测量。 4 扬州大学硕士学位论文 ( 6 ) 在摄像机标定和二维图像的测量结果基础上，完成空间三维坐标测量或者空间几 何参数测量。 ( 7 ) 测量结果的输出，包括显示、存储、打印等。 1 3 单目视觉的应用研究 随着计算机技术以及数字信息处理技术的迅速发展，视觉测量技术在理论和应用方面 都有长足的进步，它实际上是从二维图像中获取信息，进而通过对数字信息的处理得出物 体的三维信息，其中运用到的技术横跨计算机应用数学，光学，应用技术，数字信号处理 等多个领域，并且在医疗成像，军事探i 煲0 ，工业检测，机器人视觉等多个行业得到了广泛 的应用【8 】o 1 3 1 单目视觉和双目视觉 视觉测量的分类方法有很多种，按照测量系统的照明方式可分为被动视觉【9 】和主动视 觉【lo j ，被动视觉不需要特殊光源，完成测量用的照明都是由物体周围的光线提供，常常 是自然光，被动视觉测量的图像平面在工作过程中相对于工作空间是静止的，其特点是系 统简单、计算量少，但是需要较大的视野。主动视觉测量是利用特殊的受控光源( 主动光 源) 照射被测量的物体，根据主动光源的已知结构信息( 几何、物理或光学信息) 来获取 景物的三维信息，在主动视觉测量中，景物中的深度信息由三点( 光源点、景物中心照明 点和图像中心点) 来确定，具有测距精度高， 系统的精度和灵活性方面有着本质的优越性， 种基于主动视觉的测量技术。 抗干扰性能好和实时性强等特点，它在提高 但是系统复杂、计算量大。本文主要讨论一 图1 2 双目视觉测量模型图 按照测量系统中所使用的视觉传感器数量可以分为单目视觉测量和双目视觉( 多目视 觉) 测量等。双目视觉模仿人类利用双目视差感知距离的方法，实现对三维信息的感知，即 基于三角测量，运用两个摄像机对同一景物从不同位置成像，并进而从视差中恢复距离， 尹楠基于单目视觉及主动激光标记的空间曲面重构方法研究 其模型如图1 2 所示。 当采用双目视觉测量时，两台相机经标定后便不再移动，再分别对工件拍摄，每台摄 像机的内外方位元素只能参与这台摄像机所拍摄的物体图像的处理，由于不同图像对应于 不同的摄像机内外方位信息元素，因此恢复待测三维信息所进行的逆透视变换必须在这两 台像机之间进行，从而得到的测量结果总是唯一的，这表示测量精度较高。多目视觉即采 用多个摄像机同时拍摄物体的多幅图像，增加物体的信息量以及配准约束条件，从而简化 配准约束问题。但采用多个摄像机，将使整个测距系统的成本大大增加，而且系统安装和 图像的同步采集等技术的难度也将加大，所以在现阶段还不易达到实用化【1 2 1 。单目视觉是 采用单幅图像信息并根据摄像机焦距和已确定的参数来估算深度信息，或者是从视频长序 列图像中采用光流技术和特征匹配估算三维参数。 双目视觉是计算机测距方法中一种重要的距离感知技术，它其实是模拟人类视觉处理 景物的方式，可以在多种条件下灵活的测量景物的三维信息，但双目视觉算法的致命弱点 是图像匹配问题。因为当三维物体投影为二维图像时存在着畸变和噪声，其深度和不可见 部分的信息会有丢失，因而同一物体在不同视角下的图像也会产生极大的不同，并且后面 的物体被前面的物体遮挡而丢失特征信息，这些都将增大图像配准的难度【1 3 】。单目视觉指 仅利用一台摄像机完成测量工作，因其仅需一台视觉传感器，所以该方法的优点是结构简 单、相机标定也简单，同时还避免了立体视觉中的视场小，立体匹配困难的不足。单目视 觉由于仅需一台视觉传感器进行测量工作，而且其结构紧凑、使用方便、成本低廉，广泛 应用于车辆检测、移动机器人定位1 1 4 1 、导航及轨迹跟踪控制等【1 5 】，国内外学者也对此作了 大量研究工作。在计算机视觉研究领域，如何在单目视觉的条件下完成位置与姿态的求解 已成为一个重要的研究方向。 1 3 2 单目视觉的测量方法研究 为了解决现代化生产中对高精度、大尺寸、三维整体现场在线测量技术，吉林大学提 出了一种基于光学测头成像的单目视觉坐标测量方法【1 6 1 。该方法以光学测头上的光学特征 点作为成像目标，利用单个摄像机获取物体信息。在测量过程中，通过对光学测头上特征 点的二维成像信息进行分析，利用特征点之间的几何约束知识以及摄像机透视投影成像模 型，从而建立对应像点与特征点之间的求解关系，并通过基于奇异值分解的位姿优化算法 来确定特征点的空间位置坐标，最后根据特征点与测针间已知的位置约束关系确定被测点 的空间坐标，从而实现坐标测量目的。e mg r o v e a , bg i l l a m b 和ho n o a 介绍了一种利用单 目图像区域的上下文来确定深度信息旧，它通过遮蔽单目图像的一半，从图像的颜色、条 理特性出发，与双目图像或背景比较相似性和相异性。 合肥工业大学自动化研究所基于单目手眼相机以及激光测距仪i l 引，提出了一种尺寸未 6 扬州大学硕士学位论文 知的空间矩形平面的位姿测量算法研究。该算法不需要知道矩形平面的4 个顶点的物体坐 标，而只需知道它们的激光点图像坐标、矩形平面图像坐标以及激光测距结果，就能够计 算出尺寸未知空间矩形平面在相机坐标系下的位姿，并且计算出矩形平面的尺寸。 w a n gj g 和s u n ge 提出了一种采用单目图像估测人头位姿的方法【l 引。该方法利用面 部的已知信息和对应的几何约束，分别连接面部两个眼角的近线和远线，连接嘴角线条， 通过灭点确定人面部的位姿，但是必须假设眼线和嘴线是平行的，然后利用灭点导出人脸 的位姿。使用透视投影成像模型解析并推断人脸的精确位姿( 位置与方向) 。当眼线和嘴线 的方向已知时，就能确定面部的方向。此外，如果眼线和嘴线的长度也是己知，那么人面 部的位置也能确定。通过实验与数据综合分析该算法具有较好的鲁棒性。 西安光学精密机械研究所提出了一种利用单目视觉测量目标距离的方法【2 0 】。当目标与 光学系统的距离变化时，其共轭像面的位置也发生相应的变化，而摄像头的c c d 是固定 的，因此在c c d 上得到的是模糊度不同的图像，把镜头调整到当目标在1 0 0 0 m m 位置时 c c d 成清晰像，然后依次把目标移动到距离镜头8 0 0 r a m 、6 0 0 m m 、4 0 0 r a m 的位置，分别 采集图像，如图1 3 所示，用，表示目标到镜头的距离。利用小波变换对得到的图像进行 处理，检测模糊图像边缘的宽度，再利用三次样条插值运算计算出目标至光学系统的实际 距离，如图1 _ 4 所示。 j j 口 口。 ( a ) l = 10 0 0 m m( b ) l = 8 0 0 m m( c ) l = 6 0 0 m m( d ) l = 4 0 0 m m 图1 - 3 不同距离时的图像 ( a ) i = 10 0 0 m m( b ) l = 8 0 0 m m( c ) l = 6 0 0 m m( d ) l = 4 0 0 m m 图l - 4 与图1 3 相对应的各图的边缘图像 这种方法最大的优点是不需要借助任何辅助工具，也不需要对目标有任何特殊要求， 但是由于光学系统对较远处的目标能够成清晰的图像，因此这种方法主要针对目标距镜头 较近的情形。 尹楠基于单目视觉及主动激光标记的空间曲面重构方法研究 7 1 3 3 单目视觉的车辆检测方法研究 近年来，随着汽车数量的急剧增加，汽车安全驾驶也成为了世界性的社会问题。为保 障汽车行驶安全，发展汽车的智能性十分关键【2 1 1 ，汽车的自动检测及跟踪技术是研究的一 项重要内容，单目视觉在汽车检测跟踪等方面也有着重要的应用。为了减少车辆碰撞，东 南大学设计了一个新的基于单目视觉的道路前方车辆检测系统1 2 2 】。首先，建立一个基于 d m 6 4 2 数字信号处理器的小型灵活硬件平台。然后，提出了一个分步车辆检测算法，首先， 第1 步采用车辆边缘和对称性融合算法，设定较低阈值检测出所有可能车辆，该步骤对车 辆有接近1 0 0 的检测率( t p ) 和对非车辆有较高的误检率( f p ) ，即能获得图像中所有可能车 辆；第2 步，采用多尺度多方向g a b o r 特征对车辆样本进行表征，并用概率神经网络对大 量车辆和非车辆样本进行训练，从第l 步获得的可能车辆中识别出正确的车辆。实验表明 该设计系统在不同道路、天气和光照条件下都具有很高的检测率和较低的误检率。 t o u l m i n e tg 和b e r o z z im 等学者提出了一种用于前面车辆的检测和距离计算的立体视 觉系统1 2 3 1 ，主要分为两个部分，首先利用立体视觉基准算法提取车辆场景的3 d 信息，再 进一步提取其中垂直特性的信息，建立模型库信息，然后依靠后面车辆形状的简化模型的 匹配能够实现基于单目视觉方法的前面车辆的辨识，再通过先前提取的3 d 信息，可以得 到精确的计算距离。 西北工业大学提出了一种用于智能车在结构化公路环境下准确检测和跟踪前方车辆 的单目视觉检测改进方法【2 4 1 。该方法首先利用图像灰度梯度检测前车，并剔除可能的虚检 测，从而建立目标的二维模型结构；然后采用卡尔曼滤波方法预测下一帧图像的目标位置， 在预测位置的附近用边缘投影方法对目标定位，并设计了一种新的四因素似然度函数，进 行验证跟踪结果与检测结果的匹配度，当跟踪失败时重新检测前车。利用长图像序列进行 实验，结果表明该方法可以有效的检测和跟踪本车道前方视野中的车辆物体，从而为智能 车的防撞预警和控制系统提供可靠的信息。 针对车载单目摄像机的汽车辅助驾驶系统，东北大学提出了一种多模式多线索的车辆 跟踪算法【2 5 1 。首先利用运动估计预测目标在下一帧的跟踪窗，然后再利用多目标遮挡推理 机制确定目标物体是处于遮挡模式还是正常模式。在正常模式下，跟踪窗内联合使用车辆 的先验知识、评估环节、分块模板等线索对车辆进行定位；而遮挡模式下，利用遮挡推理 机制给出的遮挡区域，在跟踪窗内调用切割分块模板匹配进行遮挡处理。这种多模式多线 索的车辆跟踪方法实现了对后方多部车辆的稳定跟踪，同时也适合前视车辆。 文献【2 6 】提出了一种基于单目视觉的前方车辆检测与测距方法。该方法首先利用自适 应阈值分割方法得到车辆底部的阴影特征，同时采用区域融合方法解决车辆边缘变形问 题，然后根据线条的长度和位置信息得到估测车辆的区域，在估测区域内利用车辆对称性 进行验证，当结果不满足时，就剔除虚假目标，得到准确车辆区域，最后利用基于摄像机 8 扬州大学硕士学位论文 内部参数和几何关系的单目视觉测距方法得到本车与前方车辆之间的距离。 1 3 4 单目视觉的机器人定位及导航研究 移动机器人定位是机器人最基本、最重要的一个功能【2 7 】。建立在单目视觉基础上的移 动机器人导航是指在移动机器人上安装一个特定相机，实现障碍检测、距离测量和路径规 划等，以实现移动机器人在未知环境下实现自主导航【2 8 】。北京航空航天大学提出了一种采 用单目视觉技术获取前方被跟踪机器人距离信息的方法网。该方法首先对单目摄像机进行 内外参数标定，同时在目标跟踪机器人的背部设置视觉标记，然后系统自动获取目标机器 人视觉标记中的单帧图像，然后预处理此图像并识别出图像中的视觉标记所在的目标区 域，用h u 氏不变矩计算该区域形心，最后推导单目测距算法，利用图像信息和其它参数 可以计算出两机器人之间的距离。实验结果表明，采用该设计的单目测距系统可以得到较 为准确的距离信息，能够满足机器人跟踪控制的需要。 m a oh a ll i 和a i n gr o n gh o n g 等学者介绍了一种新颖的室内移动机器人自主导航系统 【3 们，该系统由在线和离线两个阶段组成。首先在离线阶段，机器人记录图像帧序列，然后 对这个由r a o b l a e k w e l l i z e d 粒子滤波器( r b p f ) 组成的混合环