[发明专利]一种基于双目视觉的目标对象快速测距方法

说明书

本发明提出了一种基于双目视觉的目标对象快速测距方法，包括以下步骤：（1）相机标定；（2）采集图像并检测目标对象；（3）计算搜索区域；（4）选择起始搜索位置；（5）提取目标对象中心区域灰度特征；（6）计算匹配度阈值；（7）搜索匹配；（8）计算视差和距离。本发明根据目标对象在一副画面中的位置，在另一幅画面中快速搜索匹配目标对象，减少了计算的复杂度，有效提高了测距速度。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于双目视觉的目标对象快速测距方法。

背景技术

双目视觉被广泛的应用在机器人、航空、军事、医学和工业等领域。双目视觉能够通过模拟人的视觉原理计算目标对象的实际距离：首先利用相机在不同的角度获取同一目标对象的两幅画面；然后找到两幅画面像素之间的关系进行匹配，并计算匹配像素之间的偏移来获取目标对象的视差值；最后利用得到目标对象的视差值，根据相似三角形的原理计算目标对象与相机之间的实际距离。具体原理参考《学习OpenCV》(Bradski G,Kaebler A著,于仕琪,刘瑞祯译.清华大学出版社,2009)。

目前的像素之间的匹配算法可分为局部匹配和全局匹配。局部匹配方法利用像素的局部信息进行匹配，匹配过程中使用较少的像素信息，计算复杂度较低，匹配速度较快。但该方法在没有显著纹理或有遮挡的情况下匹配效果不佳，经常会出现误匹配。局部匹配方法可分为特征匹配和区域匹配。特征匹配方法是从当前图像中提取特征，用相似性度量和一些约束条件确定几何变换，最后用几何变换得到的结果在另一幅图中进行匹配。区域匹配方法先选取当前图像上某一个像素点邻域内的一个子窗口，再根据某种相似性判断依据，在另外一幅图像上搜索匹配和子窗口最相似的一个区域，而匹配到的区域中对应的像素点就为该像素的匹配点。在区域匹配中，相似性准则的选取和窗口的选取都极大的影响匹配结果。常用的区域匹配相关准则有对应像素差的绝对值(SAD)，对应像素差的平方和(SSD)，图像的相关性(NCC)等，常用的区域匹配窗口为矩形窗。

全局匹配利用图像的全局约束信息，不关注图像的局部信息，计算的复杂度较高。全局匹配算法通过构建全局能量函数，然后使用优化方法最小化全局能量函数以求得致密视差图。全局匹配方法需要构造一个能量函数，其一般形式为一个数据项加上一个平滑项，其中数据项描述了匹配程度，平滑项体现了定义场景的约束。求解能量最小化的方法有动态规划、置信扩展、图割、模拟退火、扫描线优化、协作算法等，其中动态规划、置信扩展和图割是常用的方法。

相机性能、外部光照和基线长度都会影响双目测距的结果，其中基线长度影响双目测距精度，理论上基线的长度越长测距精度越高。但事实上，基线长度会受限制，最多能达到十几米。相机的性能和外部光照会对像素的匹配造成干扰从而间接使测距的结果产生误差。在实际应用中，匹配算法的准确度和复杂度对双目测距的应用和推广影响较大。

目前公开专利中目标对象测距方法的匹配效率和准确度并不尽如人意。申请号为201511030814.0的专利公开了一种基于双目视觉的测距方法及装置。该发明选定目标物体，从双目视觉第一图像中的提取物体的基准特点并根据基准特征点对第二图像进行全搜索匹配,获取第二图像的匹配特征点。该发明保证了计算精度但是全搜索匹配的计算复杂度高、整体处理速度较慢。

申请专利号为201610058151.1的专利公开了一种自动驾驶系统中双目相机测距方法，该方法在其中一相机采集的图像中确定特征点,且选定包含所述特征点的图像区域作为“搜索模板”，另一相机选取包含所述特征点的图像区域作为“搜索窗口”,用“搜索模板”在“搜索窗口”中进行匹配,获得视差点。该方法提出了以特征点为中心点提取另一图像区域作为“搜索窗口”，但存在对“搜索窗口”的大小选取问题。若窗口选取过小，无法将特征点包含在“搜索窗口”内则会出现误匹配的情况。

发明内容

为了在双目相机采集的视频中快速测量目标对象的距离，本发明提出了一种基于双目视觉的目标对象快速测距方法，所述方法包括以下步骤：

(1)相机标定