CN102519434B - 一种用于立体视觉三维恢复数据精度测量的试验验证方法 - Google Patents

Abstract

一种用于立体视觉三维恢复数据精度测量的试验验证方法，采用标定方法将立体相机对的左相机坐标系引出到与相机固联安装、相对位置不变的基准镜上；将测量设备、地形扫描和相机坐标系进行统一，用主动式扫描仪对相机的拍摄场景进行扫描，利用经纬仪测量设备作为媒介，对相机坐标系和扫描仪的测量坐标系进行统一；建立同一坐标系下不同点云的对应关系，在扫描仪得到的稠密点云数据中寻找接近立体相机对恢复的稀疏点云数据，建立像素点和扫描值的一一对应关系；计算误差值，采用理论曲线拟合进行精度的统计方法评定。本发明可方便直观地回答立体视觉测量的绝对精度、相对精度以及某个距离上的测量精度，为立体视觉的稠密重建提供测试验证方法。

Description

一种用于立体视觉三维恢复数据精度测量的试验验证方法

技术领域

本发明涉及一种用于立体视觉三维恢复数据精度测量的试验验证方法，属于光学图像量测领域。

背景技术

提高立体视觉测量的精度一直是立体视觉算法研究的重点，但是对于视觉计算数据的测量却是一个较少涉及的问题。一方面因为立体视觉的测量坐标系建立在相机坐标系下，而相机坐标系本身是虚拟的，不方便测量；另一方面，立体视觉测量多数应用需要对整个场景进行恢复，相机拍摄的图像数据本身很多，进行计算后更是一个包含大量数据的离散点云，给测量带来困难。

文献《一种双目立体视觉系统的误差分析方法》中，理论分析了立体视觉中的主要误差来源，并进行了测试分析。将靶标固定在高精度的滑轨上，靶标上的图标是高精度设计的，位置已知，当滑轨移动时，保证靶标上的图标三维位置已知。该方法的测量精度不高，而且只能对靶标图像进行分析。

在JPL的报告《Camera Calibration and Stereo Vision TechnologyValidation Report》中，提出了一种视差精度的分析方法，并给出了测量的结果，并没有说明具体的测量方法。从描述上分析，是利用可以测量的主控目标点放置在背景中，或者测量场景中较平整的目标块。但是这种方法只能对离散点进行测量，数据有限。

发明内容

本发明要解决的技术问题是：提供一种用于立体视觉三维恢复数据精度测量的试验验证方法，解决了相机坐标空间测量和不同源的大量离散数据的评定问题。

本发明的技术解决方案：一种用于立体视觉三维恢复数据精度测量的试验验证方法，步骤如下：

第一步，采用标定方法将立体相机对的左相机坐标系引出到与相机固联安装、相对位置不变的基准镜上；

第二步，对相机拍摄的场景用地形扫描设备进行扫描，得到三维扫描数据点云，利用测量设备瞄准基准镜，并采用可被地形扫描设备和测量设备识别的靶标，通过公共点转换方法将测量设备坐标系、地形扫描坐标系和基准镜坐标系转换至同一坐标系下，从而得到地形扫描坐标系和相机坐标系的坐标转换关系；

第三步，利用立体相机拍摄的图像恢复场景的离散三维坐标，根据第二步得到的坐标转换关系，确定相机在地形扫描坐标系下位置和姿态，利用小孔成像原理，对应相机图像像素出射线和扫描数据点云的交点，建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标；

第四步，将第三步得到的对应点坐标统一到相机坐标系下，计算误差，描绘误差曲线，评定立体视觉三维恢复数据的精度。

所述第二步中的靶标中心基准精度优于0.2mm，靶标旋转中心上标识有十字刻线，且靶标要大于3个，布置位置不能在一条直线上，相互之间的位置尽量远，以提高坐标转换的精度。

所述地形扫描设备采用激光三维扫描仪，激光三维扫描仪对相机拍摄的场景进行多测站的扫描，覆盖场景所有数据。

所述测量设备采用经纬仪，对基准镜瞄准方便，且测角精度高。

所述第二步中得到三维扫描数据点云精度可达4mm，扫描范围可达50m，且数据之间等间距，便于作为基准评价稀疏点云数据。

所述第三步中相机恢复的离散三维坐标值为不等间距，且离散三维坐标值随着测量距离的增加，逐渐稀疏。

所述第三步中利用小孔成像原理，对应相机图像像素出射线和扫描数据点云的交点，建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标方法如下：

(1)按照小孔成像原理，以相机坐标系的原点为空间射线的起点，相机坐标系下图像上像素点的坐标为射线上的另一点，这两点确定唯一已知的空间出射线，空间出射线和扫描数据点云相交，选择点云中到射线距离最短且满足阈值D_max限定的点即为像素对应的测量点，根据所述像素对应的视觉测量值，建立相机恢复的数据点云和三维扫描数据点云之间初步的对应关系；

(2)考虑三维扫描数据点云中到射线距离小于阈值D_max的所有点，求取这些点与相机在该点恢复的三维坐标的偏差，如果偏差值方差大于设定阈值V_max，则认为该点为边缘点，取其中偏差最小的点作为该像素点的对应三维扫描数据点，完成修正后建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标。

所述第四步描绘误差曲线，评定立体视觉三维恢复数据的精度的方法如下：

(1)将x，y，z坐标在相机坐标系下描述，相机坐标系定义如下：相机光心为坐标系原点，从相机后方向前看，Z轴沿着光轴的方向向前，X轴垂直于光轴的方向向右，Y轴垂直于光轴方向向下。

(2)计算相机恢复数据点三维坐标和对应的地形扫描数据点三维坐标X、Y、Z方向的偏差量Δx、Δy和Δz，以及距离

(3)以Z为横轴，纵轴分别为Δx、Δy和Δz绘制散点图；再按照纵轴Δz′＝-(z²/f×B)Δd，Δx′＝Δy′＝-(z/f)Δd′分别绘制理论曲线，其中f表示焦距，B表示立体相机对基线，Δd表示相机左右图像的匹配误差，Δd′表示相机左右图像的像素误差平均值；当曲线能包含70％以上Δx、Δy和Δz的误差散点时，此刻的Δd就表示立体相机对当前图像1σ下的匹配误差，Δd′表示立体相机对当前图像1σ下的像素误差平均值；Δx′、Δy′和Δz′分别表示X、Y、Z方向的理论误差；

(4)在同一个坐标系下，采用不同的颜色同时描绘立体相机恢复的三维坐标点和与其对应的扫描三维坐标点，观察两者三维地形的吻合程度，确认立体相机的三维恢复是否可信。

本发明的优点是：

(1)本发明将相机虚拟坐标系引出到基准镜上，进行实体化，使相机坐标系下的计算值可实际进行空间测量，便于评价；

(2)本发明巧妙利用公共点转换方法建立不同测量装置之间的坐标统一关系，建立大尺度的测量场，方便进行大面积数据测量。

(3)本发明实现了不同源、不同分辨率和分布特性的大量离散点云之间的准确对应关系，使点云数据的接近程度可直接进行点对点的客观精度评定；

(4)提出了对立体视觉三维恢复数据的统计精度评定分析方法，对立体视觉的算法精度进行客观认识，方便直观地回答立体视觉测量的绝对精度、相对精度以及某个距离上的测量精度，可指导其应用中的误差分析和精度补偿，提高其工程应用的可实现性。

附图说明

图1为本发明中采用的测量系统组成示意图；

图2为本发明方法实现流程图；

图3为本发明中的某特定场景相机拍摄效果图。

具体实施方式

如图1所示，测量系统由支架车测试平台、经纬仪、靶标、地形扫描设备、照明系统、组合式沙盘和视觉处理计算机组成，支架车测试平台由支架车、转台、立体相机对和基准镜组成。其中经纬仪对基准镜和靶标进行测量，地形扫描设备对沙盘和靶标进行测量。照明系统对沙盘进行照明，立体相机对沙盘进行成像。立体相机对拍摄图像、地形扫描设备得到的测量数据和经纬仪得到的测量数据都输入视觉处理计算机进行分析处理。

相机对安装在支架车上对沙盘成像，支架车的位置依靠人工推动改变，以此调整相机和沙盘的相对位置关系，支架车上的转台可以俯仰和偏航，以完成多次成像测量。环境模拟由固化的沙盘和照明系统组成，沙盘由固定材料完成模拟自然地形，照明系统负责照亮整个沙盘，保证相机能够清晰成像。地形扫描设备为激光三维扫描仪，徕卡的ScanStation2，激光三维扫描仪对整个沙盘和靶标进行扫描，得到沙盘的三维地形数据，经纬仪对相机基准镜和靶标进行测量，通过坐标转换系统换算得到相机坐标系和扫描坐标系的转换关系。立体相机对对沙盘拍照，图像传输至视觉处理计算机进行算法处理，得到的结果和地面试验测量系统直接测量的结果进行比较，评定双目立体相机的测量精度。

如图2所示，本发明具体步骤为：

第一步，采用标定方法将立体相机对的左相机坐标系引出到与相机固联安装、相对位置不变的基准镜上。

坐标系引出方法详见申请号为200710122908.X的专利。

第二步，对相机对拍摄的场景用地形扫描设备进行扫描，得到三维扫描数据点云，利用测量设备瞄准基准镜，并采用可被地形扫描设备和测量设备识别的靶标，通过公共点转换方法将测量设备坐标系、地形扫描坐标系和基准镜坐标系转换至同一坐标系下，从而得到地形扫描坐标系和相机坐标系的坐标转换关系。

地形扫描设备选用激光三维扫描仪，采用三个靶标P₁、P₂和P₃进行坐标转换。三个靶标在激光三维扫描坐标系中测得的坐标值为(x_i，y_i，z_i)i＝1，2，3。

经纬仪测量靶标得到靶标在基准镜下坐标为(xj_i，yj_i，zj_i)i＝1，2，3。基准镜坐标系到左相机坐标系的转换关系由坐标引出时标定得到，为 $\left[\begin{array}{c}{x_i}^{\′}\\ {y_i}^{\′}\\ {z_i}^{\′}\end{array}\right]=\mathrm{Rzj}\×\left[\begin{array}{c}{\mathrm{xj}}_i\\ {\mathrm{yj}}_i\\ {\mathrm{zj}}_i\end{array}\right]+\mathrm{Tzj},$ 通过转化得到靶标在相机坐标系下的坐标值为(x_i′，y_i′，z_i′)i＝1，2，3；Rzj表示基准镜坐标系到左相机坐标系的旋转量，Tzj表示基准镜坐标原点在左相机坐标系下坐标。

则激光三维坐标系到相机坐标系的旋转阵如下：

$R=R_{{\mathrm{OP}}^{\′}}^{-1}\×R_{\mathrm{OP}},$ 其中 $R_{\mathrm{OP}}=\left[\begin{array}{ccc}{a}_1& b_1& c_1\\ a_2& b_2& c_2\\ a_3& b_3& c_3\end{array}\right],$

$a_{1}i+b_{1}j+c_{1}k=\frac{(x_2-x_1)i+(y_2-y_1)j+(z_2-z_1)k}{|(x_2-x_1)i+(y_2-y_1)j+(z_2-z_1)k|}$ (最外面的||表示矢量的模，下面同，i，j，k为矢量表示法的三个坐标单位矢量)

$a_{2}i+b_{2}j+c_{2}k=\frac{\left|\begin{array}{cc}{y}_2-y_1& z_2-z_1\\ y_3-y_1& z_3-z_1\end{array}\right|i+\left|\begin{array}{cc}{z}_2-z_1& x_2-x_1\\ z_3-z_1& x_3-x_1\end{array}\right|j+\left|\begin{array}{cc}{x}_2-x_1& y_2-y_1\\ x_3-x_1& y_3-y_1\end{array}\right|k}{|\left|\begin{array}{cc}{y}_2-y_1& z_2-z_1\\ y_3-y_1& z_3-z_1\end{array}\right|i+\left|\begin{array}{cc}{z}_2-z_1& x_2-x_1\\ z_3-z_1& x_3-x_1\end{array}\right|j+\left|\begin{array}{cc}{x}_2-x_1& y_2-y_1\\ x_3-x_1& y_3-y_1\end{array}\right|k|}$

$a_{3}i+b_{3}j+c_{3}k=\left|\begin{array}{cc}{b}_2& c_2\\ b_1& c_1\end{array}\right|i+\left|\begin{array}{cc}{c}_2& a_2\\ c_1& a_1\end{array}\right|j+\left|\begin{array}{cc}{a}_2& b_2\\ a_1& b_1\end{array}\right|k.$

假设旋转阵 $R_{{\mathrm{OP}}^{\′}}=\left[\begin{array}{ccc}{d}_1& e_1& f_1\\ d_2& e_2& f_2\\ d_3& e_3& f_3\end{array}\right],$ 则旋转阵中每一项的计算公式如下，采用矢量表示，i，j，k为坐标系三个轴向的正向单位矢量：

$d_{1}i+e_{1}j+f_{1}k=\frac{({x_2}^{\′}-{x_1}^{\′})i+({y_2}^{\′}-{y_1}^{\′})j+({z_2}^{\′}-{z_1}^{\′})k}{|({x_2}^{\′}-{x_1}^{\′})i+({y_2}^{\′}-{y_1}^{\′})j+({z_2}^{\′}-{z_1}^{\′})k|}$

$d_{2}i+e_{2}j+f_{2}k=\frac{\left|\begin{array}{cc}{y_2}^{\′}-{y_1}^{\′}& {z_2}^{\′}-{z_1}^{\′}\\ {y_3}^{\′}-{y_1}^{\′}& {z_3}^{\′}-{z_1}^{\′}\end{array}\right|i+\left|\begin{array}{cc}{z_2}^{\′}-{z_1}^{\′}& {x_2}^{\′}-{x_1}^{\′}\\ {z_3}^{\′}-{z_1}^{\′}& {x_3}^{\′}-{x_1}^{\′}\end{array}\right|j+\left|\begin{array}{cc}{x_2}^{\′}-{x_1}^{\′}& {y_2}^{\′}-{y_1}^{\′}\\ {x_3}^{\′}-{x_1}^{\′}& {y_3}^{\′}-{y_1}^{\′}\end{array}\right|k}{|\left|\begin{array}{cc}{y_2}^{\′}-{y_1}^{\′}& {z_2}^{\′}-{z_1}^{\′}\\ {y_3}^{\′}-{y_1}^{\′}& {z_3}^{\′}-{z_1}^{\′}\end{array}\right|i+\left|\begin{array}{cc}{z_2}^{\′}-{z_1}^{\′}& {x_2}^{\′}-{x_1}^{\′}\\ {z_3}^{\′}-{z_1}^{\′}& {x_3}^{\′}-{x_1}^{\′}\end{array}\right|j+\left|\begin{array}{cc}{x_2}^{\′}-{x_1}^{\′}& {y_2}^{\′}-{y_1}^{\′}\\ {x_3}^{\′}-{x_1}^{\′}& {y_3}^{\′}-{y_1}^{\′}\end{array}\right|k|}$

$d_{3}i+e_{3}j+f_{3}k=\left|\begin{array}{cc}{e}_2& f_2\\ e_1& f_1\end{array}\right|i+\left|\begin{array}{cc}{f}_2& d_2\\ f_1& d_1\end{array}\right|j+\left|\begin{array}{cc}{d}_2& e_2\\ d_1& e_1\end{array}\right|k.$

式中，(x_i′，y_i′，z_i′)i＝1，2，3分别为三个靶标在相机坐标系下的坐标值。

假设激光三维坐标系原点在相机坐标系下的坐标表示为 $\left[\begin{array}{c}{x}_0\\ y_0\\ z_0\end{array}\right],$ 则采用P₁的坐标进行求取： $\left[\begin{array}{c}{x}_0\\ y_0\\ z_0\end{array}\right]=\left[\begin{array}{c}{x_1}^{\′}\\ {y_1}^{\′}\\ {z_1}^{\′}\end{array}\right]-R\×\left[\begin{array}{c}{x}_1\\ y_1\\ z_1\end{array}\right]$

第三步，利用立体相机对拍摄图像，进行匹配，利用视差计算得到左相机坐标系下场景的离散三维坐标，左相机拍摄图像如图3所示，为8位灰度图像。根据第二步得到的坐标转换关系，确定相机在地形扫描坐标系下位置和姿态，利用小孔成像原理，对应相机图像像素出射线和扫描数据点云的交点，建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标。

利用立体相机拍照，进行匹配，完成三维场景恢复，得到相机坐标系下的离散三维坐标值。要进行立体视觉的匹配，则相机图像已经经过内参数校正和极线校正，则此时的图像已满足小孔成像原理，且光心位置为相机坐标系原点不变，成像平面为垂直于光轴、距离光心为标定焦距位置处的平面。此时光心和成像平面上每个点的连线方程都是已知的。

通过测量得到的相机坐标系和扫描坐标系之间的转换关系，将立体相机恢复的三维坐标值转换到扫描坐标系下：

$\left[\begin{array}{c}{x}_i\\ y_i\\ z_i\end{array}\right]=R^{-1}\×(\left[\begin{array}{c}{x_i}^{\′}\\ {y_i}^{\′}\\ {z_i}^{\′}\end{array}\right]-\left[\begin{array}{c}{x}_0\\ y_0\\ z_0\end{array}\right])$

i＝1…n为立体相机恢复的所有三维点点数。

按照小孔成像原理，计算此刻光心和每一个像素点的连线对应的空间射线，该射线和扫描三维点云相交，求取点(x_i，y_i，z_i)到射线的距离：

$d=\left|\frac{\left|\begin{array}{ccc}i& j& k\\ p& q& r\\ x_i-x_n& y_i-y_n& z_i-z_n\end{array}\right|}{\sqrt{p^2+q^2+r^2}}\right|,$ 其中射线的空间方程表示为 $\frac{x-x_n}{p}=\frac{y-y_n}{q}=\frac{z-z_n}{r}$

射线通过(x_n，y_n，z_n)点，且方向数为(p，q，r)，最外面的符号“||”表示矢量的模。

距离最短且小于阈值D_max＝5mm的点认为是该像素对应的测量点。

对到射线距离小于阈值D_max的所有点，求取这些点与对应的像素点恢复的三维坐标的偏差，如果偏差值方差大于10mm，则取其中偏差最小的点作为该点的对应扫描点。否则保留该点的对应关系。

三维扫描点云和立体相机恢复的点云在同一坐标系下进行表示，采用不同的颜色表示不同的点云数据，观察两组点云在同一坐标系下的吻合程度。

第四步，将第三步得到的对应点坐标统一到相机坐标系下，描绘误差曲线，评定立体视觉三维恢复数据的精度。

将第三步求得的该幅图像对应的三维扫描点坐标转换到相机坐标系下：

$\left[\begin{array}{c}{x_i}^{\′}\\ {y_i}^{\′}\\ {z_i}^{\′}\end{array}\right]=R\×\left[\begin{array}{c}{x}_i\\ y_i\\ z_i\end{array}\right]+\left[\begin{array}{c}{x}_0\\ y_0\\ z_0\end{array}\right]$

在相机坐标系下计算立体相机恢复的三维坐标和与其对应的扫描三维坐标之间的Δx、Δy和Δz，以及距离

以Z为横轴，纵轴按照Δz′＝-(z²/f×B)Δd，Δx′＝Δy′＝-(z/f)Δd′分别计算理论偏差量，其中f表示焦距，B表示基线，Δd表示左右图像的匹配误差，也就是匹配精度，Δd′表示左右图像的像素误差平均值。对该幅图像的三维重建而言，相机坐标系下，Z方向小于0.3个像素理论匹配误差的有效点达到78.02％，X方向小于2个像素误差平均值的有效点为74.16％，Y方向小于2个像素误差平均值的有效点为91.03％。Δx′、Δy′和Δz′分别表示X、Y、Z方向的理论误差；

通过大量图像的数据比较和精度评定，认为0.3个像素的匹配精度，2个像素误差平均值是当前立体相机对三维恢复算法的统计精度。通过这个结论，可以进行不同距离测量精度的分析，知道在前方几米处的测量精度分布特性，根据精度要求确定视觉测量数据的应用范围。

本发明可以系统地测量立体相机的三维稠密恢复精度，可方便回答相机图像中任何位置影像的测量精度，确定该处数据的应用条件，对远距离遥操作、规划测量和探测具有工程指导意义。

本发明未详细阐述部分属于本领域技术人员的公知技术。

Claims (8)

1.一种用于立体视觉三维恢复数据精度测量的试验验证方法，第一步，采用标定方法将立体相机对的相机坐标系引出到与相机固联安装、相对位置不变的基准镜上；其特征在于：

第二步，对相机对拍摄的场景用地形扫描设备进行扫描，得到三维扫描数据点云，利用测量设备瞄准基准镜，并采用可被地形扫描设备和测量设备识别的靶标，通过公共点转换方法将测量设备坐标系、地形扫描坐标系和基准镜坐标系转换至同一相机坐标系下，从而得到地形扫描坐标系和相机坐标系的坐标转换关系；

第三步，利用立体相机拍摄的图像恢复场景的离散三维坐标，根据第二步得到的坐标转换关系，确定相机在地形扫描坐标系下位置和姿态，利用小孔成像原理，对应相机图像像素出射线和扫描数据点云的交点，建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标；

第四步，将第三步得到的对应点坐标统一到相机坐标系下，计算像素误差，描绘误差曲线，评定立体视觉三维恢复数据的精度。

2.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述第二步中的靶标中心基准精度优于0.2mm，靶标旋转中心上标识有十字刻线，且靶标要大于3个，布置位置不能在一条直线上，相互之间的位置尽量远。

3.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述地形扫描设备采用激光三维扫描仪，激光三维扫描仪对相机拍摄的场景进行多测站的扫描，覆盖场景所有数据。

4.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述测量设备采用经纬仪。

5.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述第二步中得到三维扫描数据点云精度为4mm，均匀等间距分布。

6.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述第三步中相机恢复的离散三维坐标值为不等间距，且离散三维坐标值随着测量距离的增加，逐渐稀疏。

7.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述第三步中利用小孔成像原理，对应相机图像像素出射线和扫描数据点云的交点，建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标方法如下：

(1)按照小孔成像原理，以相机坐标系的原点为空间射线的起点，相机坐标系下图像上像素点的坐标为射线上的另一点，这两点确定唯一已知的空间出射线，空间出射线和扫描数据点云相交，选择点云中到射线距离最短且满足阈值D_max限定的点即为像素对应的测量点，根据所述像素对应的视觉测量值，建立相机恢复的数据点云和三维扫描数据点云之间初步的对应关系；

(2)考虑三维扫描数据点云中到射线距离小于阈值D_max的所有点，求取这些点与相机在该点恢复的三维坐标的偏差，如果偏差值方差大于设定阈值V_max，则认为该点为边缘点，取其中偏差最小的点作为该像素点的对应三维扫描数据点，完成修正后建立三维扫描数据点云和相机恢复数据点云之间的对应关系，得到对应点坐标。

8.根据权利要求1的一种用于立体视觉三维恢复数据精度测量的试验验证方法，其特征在于：所述第四步描绘误差曲线，评定立体视觉三维恢复数据的精度的方法如下：

(1)将x，y，z坐标在相机坐标系下描述，相机坐标系定义如下：相机光心为坐标系原点，从相机后方向前看，Z轴沿着光轴的方向向前，X轴垂直于光轴的方向向右，Y轴垂直于光轴方向向下；

(2)计算相机恢复数据点三维坐标和对应的地形扫描数据点三维坐标X、Y、Z方向的偏差量Δx、Δy和Δz，以及距离

(3)以Z为横轴，纵轴分别为Δx、Δy和Δz绘制散点图，按照纵轴Δz′＝-(z²/f×B)Δd，Δx′＝Δy′＝-(z/f)Δd′分别绘制理论曲线，其中f表示焦距，B表示立体相机对基线，Δd表示相机左右图像的匹配误差，Δd′表示相机左右图像的像素误差平均值；当曲线能包含70％以上Δx、Δy和Δz的误差散点时，此刻的Δd就表示立体相机对当前图像1σ下的匹配误差，Δd′表示立体相机对当前图像1σ下的像素误差平均值；Δx′、Δy′和Δz′分别表示X、Y、Z方向的理论误差；

(4)在同一个坐标系下，采用不同的颜色同时描绘立体相机恢复的三维坐标点和与其对应的扫描三维坐标点，观察两者三维地形的吻合程度，确认立体相机的三维恢复是否可信。

Images