CN105472373B - 基于前庭反射机理的仿生电子稳像方法及装置 - Google Patents

Abstract

本发明公开了一种基于前庭反射机理的仿生电子稳像方法，包括：两摄像机模拟左眼和右眼的前庭动眼反射；FPGA板卡测量第一电机和第二电机的电流突变，得到两摄像机的旋转加速度；FPGA板卡测量第一应变片力传感器和第二应变片力传感器的应变，得到两摄像机平移加速度；将旋转加速度和平移加速度反馈给稳像决策单元；FPGA板卡对两摄像机拍摄的图像的前后帧图像进行匹配运动估计，并把匹配运动结果反馈给稳像决策单元；通过稳像算法，得到两摄像机补偿运动所需旋转的速度和方向，发送给伺服控制单元，控制两摄像机的运动，实现稳像。本发明的有益效果：通过FPGA实现稳像算法，稳定性好，消除摄像机本身旋转或平移带来的视觉误差；效率高、耗时少、实时性好。

Description

基于前庭反射机理的仿生电子稳像方法及装置

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于前庭反射机理的仿生电子稳像方法及装置。

背景技术

内耳前庭器是人体平衡感受器官，它包括三对半规管和前庭的椭园囊和球囊。内耳前庭解剖图如图1所示，半规管内有壶富嵴，椭园囊球囊内有耳石器(又称囊斑)，它们都是前庭末梢感受器，可感受各种特定运动状态的刺激。半规管感受角加(减)速度运动刺激，而椭园囊、球囊的囊斑感受水平或垂直的直线加(减)速度的变化。当我们乘坐的交通工具发生旋转或转弯时(如汽车转弯，飞机作园周运动)，角加速度作用于两侧内耳相应的半规管，当一侧半规管壶腹内毛细胞受刺激弯曲形变产生正电位同时，对侧毛细胞则弯曲形变产生相反的电位(负电)，这些神经末梢的兴奋或抑制性电信号通过神经传向前庭中枢并感知此运动状态；同样当乘坐工具发生直线加(减)速度变化，如汽车启动、加减速刹车、船舶晃动、颠簸，电梯和飞机升降时，这些刺激使前庭椭园囊和球囊的囊斑毛细胞产生形变放电，向中枢传递并感知。

之所以人眼能实现快速的稳像，还是依赖着前庭半规管对旋转加速度、平移加速度的前馈。当位置、速度尚未发生改变时，加速度已经能提前感觉出来，通过这个提前预测量的神经机制，由于人眼惯量远比头部小，因此人眼球具有足够的时间对变化进行反应，实现快速稳像。同时，人眼本身的短时记忆功能，使得前后帧图像的匹配，也提供了运动估计信息，两者结合实现稳像。

电子稳像技术是应用计算机数字图像处理和电子技术相结合的方法，去除因为平台随机运动而引入的图像扰动，致使图像序列稳定的技术。电子稳像系统在国外已经有20多年的研究历史进入到21世纪，稳像技术在应用上有了长足的进步。国内对于数字稳像技术的研究起步较晚，但随着稳像技术的需求日益广泛，近年来不少研究者致力于基于DSP的电子稳像的研究与实现。随着机器人的广泛应用，仿生技术得到了发展，电子稳像算法也逐渐应用到仿生技术中。但是，目前基于类人眼眼球前庭动眼反射机理的仿生电子稳像算法稳定性较差、耗时较多、实时性较差。

发明内容

为解决上述问题，本发明的目的在于提供一种稳定性好、耗时少、实时性好的基于前庭反射机理的仿生电子稳像方法及装置。

本发明提供了一种基于前庭反射机理的仿生电子稳像方法，该方法包括：

步骤1，采用的双目视觉系统模拟人眼的眼球双目前庭动眼反射，第一摄像机模拟左眼的前庭动眼反射，第二摄像机模拟右眼的前庭动眼反射；

步骤2，第一电机与第一摄像机连接，FPGA板卡测量所述第一电机的电流突变，得到所述第一摄像机的旋转加速度，第二电机与第二摄像机连接，所述FPGA板卡测量所述第二电机的电流突变，得到所述第二摄像机的旋转加速度；

步骤3，第一应变片力传感器与所述第一摄像机连接，所述FPGA板卡测量所述第一应变片力传感器的应变，得到所述第一摄像机的平移加速度，第二应变片力传感器与所述第二摄像机连接，所述FPGA板卡测量所述第二应变片力传感器的应变，得到所述第二摄像机的平移加速度；

步骤4，将步骤2中得到的旋转加速度和步骤3中得到的平移加速度作为运动反馈量反馈给稳像决策单元；

步骤5，所述FPGA板卡对所述第一摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，所述FPGA板卡对所述第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，所述FPGA板卡把匹配运动结果反馈给所述稳像决策单元；

步骤6，所述稳像决策单元根据步骤4得到的运动反馈量和步骤5得到的匹配运动结果反馈结果，通过稳像算法，得到所述第一摄像机和所述第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元，控制所述第一摄像机和所述第二摄像机的运动，实现所述第一摄像机和所述第二摄像机拍摄图像的稳像。

作为本发明进一步的改进，步骤5中的匹配运动估计方法的具体步骤为：

步骤S1，对所述第一摄像机和所述第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配所述第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配所述第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

作为本发明进一步的改进，所述稳像算法采用的算法模型为：

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，β为耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。

本发明还提供了一种基于前庭反射机理的仿生电子稳像装置，包括：

第一摄像机，其与第一电机连接，所述第一摄像机模拟左眼的前庭动眼反射，所述第一电机模拟所述第一摄像机的旋转运动；

第二摄像机，其与第二电机连接，所述第二摄像机模拟右眼的前庭动眼反射，所述第二电机模拟所述第二摄像机的旋转运动；

第一应变片力传感器，其与所述第一电机连接，所述第一应变片力传感器模拟所述第一摄像机的平移运动；

第二应变片力传感器，其与所述第二电机连接，所述第二应变片力传感器模拟所述第二摄像机的平移运动；

FPGA板卡，其与所述第一电机、所述第二电机、所述第一应变片力传感器、所述第二应变片力传感器和稳像决策单元连接，所述FPGA板卡测量所述第一电机和所述第二电机的电流突变，得到所述第一摄像机和所述第二摄像机的旋转加速度，所述FPGA板卡测量所述第一应变片力传感器和所述第二应变片力传感器的应变，得到所述第一摄像机和所述第二摄像机的平移加速度，所述FPGA板卡对所述第一摄像机和所述第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，所述FPGA板卡把匹配运动结果、旋转加速度和平移加速度反馈给稳像决策单元；

稳像决策单元，其与所述FPGA板卡和伺服控制单元连接，所述稳像决策单元接收匹配运动结果、旋转加速度和平移加速度，并根据稳像算法，得到所述第一摄像机和所述第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元；

伺服控制单元，其与所述稳像决策单元、所述第一摄像机和所述第二摄像机连接，所述伺服控制单元根据所述稳像决策单元得到的旋转的速度和方向，控制所述第一摄像机和所述第二摄像机的运动，实现所述第一摄像机和所述第二摄像机拍摄图像的稳像。

作为本发明进一步的改进，所述FPGA板卡进行匹配运动估计的方法具体包括：

步骤S1，对所述第一摄像机和所述第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配所述第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配所述第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

作为本发明进一步的改进，所述稳像决策单元采用的稳像算法的算法模型为：

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，β为耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。

本发明的有益效果为：

1、通过两台摄像机分别模拟人的左眼和右眼，根据仿生眼眼球前庭动眼反射，当摄像机发生旋转与平移的时候，两摄像机可以实时自主地调节，从而使被测目标图像稳定，获得三维深度信息；

2、通过FPGA来实现稳像算法，根据控制指令控制两摄像机的运动，实现两摄像机拍摄图像的稳像，稳定性好，消除摄像机由于本身旋转或者平移带来的视觉误差；

3、通过FPGA对前帧图像、后帧图像进行并行匹配运动估计，提高了效率、耗时少、实时性好。

附图说明

图1为内耳前庭解剖图；

图2为本发明实施例所述的基于前庭反射机理的仿生电子稳像方法所采用的稳像算法模型；

图3为图2的简化模型；

图4为本发明实施例所述的基于前庭反射机理的仿生电子稳像方法的流程示意图；

图5为本发明实施例所述的基于前庭反射机理的仿生电子稳像装置的结构示意图；

图6为步骤5中的匹配运动估计方法的具体步骤的流程示意图。

具体实施方式

下面通过具体的实施例并结合附图对本发明做进一步的详细描述。

实施例1，如图4所示，本发明实施例的一种基于前庭反射机理的仿生电子稳像方法，该方法包括：

步骤1，采用的双目视觉系统模拟人眼的眼球双目前庭动眼反射，第一摄像机模拟左眼的前庭动眼反射，第二摄像机模拟右眼的前庭动眼反射；

步骤2，第一电机与第一摄像机连接，FPGA板卡测量第一电机的电流突变，得到第一摄像机的旋转加速度，第二电机与第二摄像机连接，FPGA板卡测量第二电机的电流突变，得到第二摄像机的旋转加速度；

步骤3，第一应变片力传感器与第一摄像机连接，FPGA板卡测量第一应变片力传感器的应变，得到第一摄像机的平移加速度，第二应变片力传感器与第二摄像机连接，FPGA板卡测量第二应变片力传感器的应变，得到第二摄像机的平移加速度；

步骤4，将步骤2中得到的旋转加速度和步骤3中得到的平移加速度作为运动反馈量反馈给稳像决策单元；

步骤5，FPGA板卡对第一摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，FPGA板卡对第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，FPGA板卡把匹配运动结果反馈给稳像决策单元；

步骤6，稳像决策单元根据步骤4得到的运动反馈量和步骤5得到的匹配运动结果反馈结果，通过稳像算法，得到第一摄像机和第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元，控制第一摄像机和第二摄像机的运动，实现第一摄像机和第二摄像机拍摄图像的稳像。

其中，如图6所示，步骤5中的匹配运动估计方法的具体步骤为：

步骤S1，对第一摄像机和第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

如图2所示，为本实施例所采用的稳像算法模型，图3为图2简化后的模型。根据图3所示，稳像算法采用的算法模型为：

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，β为耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。

实施例2，如图5所示，本发明还提供了一种基于前庭反射机理的仿生电子稳像装置，包括：

第一摄像机，其与第一电机连接，第一摄像机模拟左眼的前庭动眼反射，第一电机模拟第一摄像机的旋转运动；

第二摄像机，其与第二电机连接，第二摄像机模拟右眼的前庭动眼反射，第二电机模拟第二摄像机的旋转运动；

第一应变片力传感器，其与第一电机连接，第一应变片力传感器模拟第一摄像机的平移运动；

第二应变片力传感器，其与第二电机连接，第二应变片力传感器模拟第二摄像机的平移运动；

FPGA板卡，其与第一电机、第二电机、第一应变片力传感器、第二应变片力传感器和稳像决策单元连接，FPGA板卡测量第一电机和第二电机的电流突变，得到第一摄像机和第二摄像机的旋转加速度，FPGA板卡测量第一应变片力传感器和第二应变片力传感器的应变，得到第一摄像机和第二摄像机的平移加速度，FPGA板卡对第一摄像机和第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，FPGA板卡把匹配运动结果、旋转加速度和平移加速度反馈给稳像决策单元；

稳像决策单元，其与FPGA板卡和伺服控制单元连接，稳像决策单元接收匹配运动结果、旋转加速度和平移加速度，并根据稳像算法，得到第一摄像机和第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元；

伺服控制单元，其与稳像决策单元、第一摄像机和第二摄像机连接，伺服控制单元根据稳像决策单元得到的旋转的速度和方向，控制第一摄像机和第二摄像机的运动，实现第一摄像机和第二摄像机拍摄图像的稳像。

其中，FPGA板卡进行匹配运动估计的方法如图6所示，具体包括：

步骤S1，对第一摄像机和第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

如图2所示，为本实施例所采用的稳像算法模型，图3为图2简化后的模型。根据图3所示，稳像决策单元采用的稳像算法的算法模型为：

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，β为耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于前庭反射机理的仿生电子稳像方法，其特征在于，该方法包括：

步骤1，采用的双目视觉系统模拟人眼的眼球双目前庭动眼反射，第一摄像机模拟左眼的前庭动眼反射，第二摄像机模拟右眼的前庭动眼反射；

步骤2，第一电机与第一摄像机连接，FPGA板卡测量所述第一电机的电流突变，得到所述第一摄像机的旋转加速度，第二电机与第二摄像机连接，所述FPGA板卡测量所述第二电机的电流突变，得到所述第二摄像机的旋转加速度；

步骤3，第一应变片力传感器与所述第一摄像机连接，所述FPGA板卡测量所述第一应变片力传感器的应变，得到所述第一摄像机的平移加速度，第二应变片力传感器与所述第二摄像机连接，所述FPGA板卡测量所述第二应变片力传感器的应变，得到所述第二摄像机的平移加速度；

步骤4，将步骤2中得到的旋转加速度和步骤3中得到的平移加速度作为运动反馈量反馈给稳像决策单元；

步骤5，所述FPGA板卡对所述第一摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，所述FPGA板卡对所述第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，所述FPGA板卡把匹配运动结果反馈给所述稳像决策单元；

步骤6，所述稳像决策单元根据步骤4得到的运动反馈量和步骤5得到的匹配运动结果反馈结果，通过稳像算法，得到所述第一摄像机和所述第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元，控制所述第一摄像机和所述第二摄像机的运动，实现所述第一摄像机和所述第二摄像机拍摄图像的稳像。

2.根据权利要求1所述的仿生电子稳像方法，其特征在于，步骤5中的匹配运动估计方法的具体步骤为：

步骤S1，对所述第一摄像机和所述第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配所述第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配所述第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

3.根据权利要求1所述的仿生电子稳像方法，其特征在于，所述稳像算法采用的算法模型为：

$E_l=\[H_{ang}{s}^2\mathrm{\α}C\left(S\right)\left(N\right(S)+n)(-{\mathrm{\ρ}}_r-\mathrm{\ρ})+{\stackrel{\·\·}{H}}_{lin}O\left(S\right)\mathrm{\β}\left(N\right(S)+m)(-{\mathrm{\ρ}}_r-\mathrm{\ρ})\]P\left(S\right);$

$E_r=\[H_{ang}{s}^2\mathrm{\α}C\left(S\right)\left(N\right(S)+n)({\mathrm{\ρ}}_r+\mathrm{\ρ})+{\stackrel{\·\·}{H}}_{lin}O\left(S\right)\mathrm{\β}\left(N\right(S)+m)({\mathrm{\ρ}}_r+\mathrm{\ρ})\]P\left(S\right);$

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

$C\left(S\right)=\frac{T_c}{{\mathrm{sT}}_c+1};$

$N\left(S\right)=\frac{T_v}{{\mathrm{sT}}_v+1};$

$O\left(S\right)=\frac{1}{{\mathrm{sT}}_o+1};$

$P\left(S\right)=\frac{K_e}{{\mathrm{sT}}_e+1};$

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，β为耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。

4.一种基于前庭反射机理的仿生电子稳像装置，其特征在于，包括：

第一摄像机，其与第一电机连接，所述第一摄像机模拟左眼的前庭动眼反射，所述第一电机模拟所述第一摄像机的旋转运动；

第二摄像机，其与第二电机连接，所述第二摄像机模拟右眼的前庭动眼反射，所述第二电机模拟所述第二摄像机的旋转运动；

第一应变片力传感器，其与所述第一电机连接，所述第一应变片力传感器模拟所述第一摄像机的平移运动；

第二应变片力传感器，其与所述第二电机连接，所述第二应变片力传感器模拟所述第二摄像机的平移运动；

FPGA板卡，其与所述第一电机、所述第二电机、所述第一应变片力传感器、所述第二应变片力传感器和稳像决策单元连接，所述FPGA板卡测量所述第一电机和所述第二电机的电流突变，得到所述第一摄像机和所述第二摄像机的旋转加速度，所述FPGA板卡测量所述第一应变片力传感器和所述第二应变片力传感器的应变，得到所述第一摄像机和所述第二摄像机的平移加速度，所述FPGA板卡对所述第一摄像机和所述第二摄像机拍摄的图像的前帧图像、后帧图像进行匹配运动估计，同时，所述FPGA板卡把匹配运动结果、旋转加速度和平移加速度反馈给稳像决策单元；

稳像决策单元，其与所述FPGA板卡和伺服控制单元连接，所述稳像决策单元接收匹配运动结果、旋转加速度和平移加速度，并根据稳像算法，得到所述第一摄像机和所述第二摄像机补偿运动所需旋转的速度和方向，同时将得到的所需旋转的速度和方向发送给伺服控制单元；

伺服控制单元，其与所述稳像决策单元、所述第一摄像机和所述第二摄像机连接，所述伺服控制单元根据所述稳像决策单元得到的旋转的速度和方向，控制所述第一摄像机和所述第二摄像机的运动，实现所述第一摄像机和所述第二摄像机拍摄图像的稳像。

5.根据权利要求4所述的仿生电子稳像装置，其特征在于，所述FPGA板卡进行匹配运动估计的方法具体包括：

步骤S1，对所述第一摄像机和所述第二摄像机拍摄的图像，提取SIFT特征，进行特征点匹配；

步骤S2，利用视差原理计算特征点的三维坐标；

步骤S3，匹配所述第一摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，匹配所述第二摄像机拍摄的图像的前帧图像、后帧图像的SIFT特征，转换所有SIFT特征得到同组特征点帧间的运动三维坐标变化，通过最小二乘法求解特征点方程，得到旋转矩阵和平移向量。

6.根据权利要求4所述的仿生电子稳像装置，其特征在于，所述稳像决策单元采用的稳像算法的算法模型为：

$E_l=\[H_{ang}{s}^2\mathrm{\α}C\left(S\right)\left(N\right(S)+n)(-{\mathrm{\ρ}}_r-\mathrm{\ρ})+{\stackrel{\·\·}{H}}_{lin}O\left(S\right)\mathrm{\β}\left(N\right(S)+m)(-{\mathrm{\ρ}}_r-\mathrm{\ρ})\]P\left(S\right);$

$E_r=\[H_{ang}{s}^2\mathrm{\α}C\left(S\right)\left(N\right(S)+n)({\mathrm{\ρ}}_r+\mathrm{\ρ})+{\stackrel{\·\·}{H}}_{lin}O\left(S\right)\mathrm{\β}\left(N\right(S)+m)({\mathrm{\ρ}}_r+\mathrm{\ρ})\]P\left(S\right);$

ρ_r＝g₁β₂+g_nα₂+g_nβ₁α₃；

ρ＝g₁β₁+g_nα₁+g_nβ₂α₃；

$C\left(S\right)=\frac{T_c}{{\mathrm{sT}}_c+1};$

$N\left(S\right)=\frac{T_v}{{\mathrm{sT}}_v+1};$

$O\left(S\right)=\frac{1}{{\mathrm{sT}}_o+1};$

$P\left(S\right)=\frac{K_e}{{\mathrm{sT}}_e+1};$

H_ang表示所述第一摄像机和所述第二摄像机的旋转的角度，表示所述第一摄像机和所述第二摄像机平移的加速度，E_l表示所述第一摄像机的输出，E_r表示所述第二摄像机的输出；

其中，C(S)为半规管的传递函数，T_c为半规管的时间常数，N(S)为神经积分器的传递函数，T_v为神经积分器的时间常数，O(S)为耳石器官的传递函数，T_o为耳石器官的时间常数，P(S)为眼球运动装置的传递函数，T_e为眼球运动装置的时间常数，K_e为眼球运动装置的增益，α为半规管与前庭神经核间的增益，α₁为外展神经核与动眼神经核间的常数增益，α₂为外展神经核与对侧动眼神经核间的常数增益，α₃为外展神经核与对侧动眼神经核间的常数增益，为β耳石器管与前庭神经核间的增益，β₁为外展神经核与前庭神经核间的常数增益，β₂为对侧前庭器官与外展神经核间的增益，g_n为内直肌的常数增益，g₁为外直肌的常数增益，m为平移前庭动眼反射在神经积分器中的增益，n为旋转前庭动眼反射在神经积分器中的增益。