CN108109130A - 基于激光光斑的自适应窗口立体视觉匹配方法 - Google Patents
基于激光光斑的自适应窗口立体视觉匹配方法 Download PDFInfo
- Publication number
- CN108109130A CN108109130A CN201611038654.9A CN201611038654A CN108109130A CN 108109130 A CN108109130 A CN 108109130A CN 201611038654 A CN201611038654 A CN 201611038654A CN 108109130 A CN108109130 A CN 108109130A
- Authority
- CN
- China
- Prior art keywords
- window
- texture
- self
- method based
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种基于激光光斑的自适应窗口立体视觉匹配方法,包括:S1,光斑图像采集;S2,立体视觉校正;S3,积分图像计算;S4,积分方差计算;S5,窗口自适应调整;S6,匹配计算;S7,整副图像匹配搜索。本发明使用投影仪投射光斑以代替无纹理或者弱纹理的自然图像,弥补了基于自然纹理的立体视觉匹配方法的缺陷;此外,使用自适应窗口,可以有效地提取不同纹理密度位置的特征,提升了匹配的准确率。
Description
技术领域
本发明涉及双目立体视觉匹配方法,具体涉及一种基于激光光斑的自适应窗口立体视觉匹配方法。
背景技术
智能机器人可通过自身携带的传感器有效获取环境和自身位姿的信息,同时完成环境中障碍物和目标的检测,并且自主规划从起始位置运动到目标位置的路径,从而实现对目标物体进行操作。其本身具有完备的感知、分析、决策和执行等模块,可以像人类一样独立地在环境中从事生产活动。
常用的机器人三维目标检测方法是双目立体视觉方法,其主要有两台摄像机组成。双目摄像机各自的内外参数分别进行标定,然后再利用二者之间的相对位置便可以完成立体视觉校正,在此基础上即可计算匹配点的三维坐标。双目立体视觉方法的准确性依赖于立体视觉匹配技术,立体视觉匹配是指根据对图像中的纹理特征进行提取,建立纹理特征间的对应关系,将同一个空间点在两幅图像中的投影点对应起来。其得到的视差图能够恢复出场景的三维轮廓,因此可根据距离远近判断出场景中障碍物的区域。
现有的立体视觉匹配技术使用纹理特征进行匹配,适用于纹理较为丰富的场景。而在实际中,往往会出现弱纹理,甚至是无纹理的场景,这样仅依靠自然纹理特征匹配的立体视觉匹配方法带来很大的困难。因此,为了增加空间的纹理信息量,通常借助。
发明内容
本发明目的在于解决现有基于纹理匹配的立体视觉匹配方法无法适用于弱纹理或无纹理场景的问题。提供一种基于激光光斑的自适应窗口立体视觉匹配方法,该方法利用投影仪向被测空间投射出特殊的编码图案,通过统计匹配窗口内灰度或梯度的变化来调整纹理特征提取窗口的大小,然后提取其中左图像窗口内的纹理特征,在右图像中进行窗口滑动并提取特征进行匹配,并最终实现两幅图像的立体匹配。
为解决上述技术问题,本发明采用如下的技术方案:
一种基于激光光斑的自适应窗口立体视觉匹配方法,具体包括以下步骤:
S1,光斑图像采集;
S2,立体视觉校正;
S3,积分图像计算;
S4,积分方差计算;
S5,窗口自适应调整;
S6,匹配计算;
S7,整副图像匹配搜索。
本发明与现有技术相比具有以下的有益效果:
本发明方案利用投影仪向被测空间投射出特殊的编码图案,通过统计匹配窗口内灰度或梯度的变化来自动调整纹理特征提取窗口的大小,然后提取其中左图像窗口内的纹理特征,在右图像中进行窗口滑动并提取特征进行匹配,并最终实现两幅图像的立体匹配。该方案使用投影仪投射光斑以代替无纹理或者弱纹理的自然图像,弥补了基于自然纹理的立体视觉匹配方法的缺陷;此外,使用自适应窗口,可以有效地提取不同纹理密度位置的特征,提升了匹配的准确率。
附图说明
图1为本发明的基于激光光斑的自适应窗口立体视觉匹配方法的流程图。
具体实施方式
参见图1,本发明的一种基于激光光斑的自适应窗口立体视觉匹配方法,包括以下步骤:
S1,光斑图像采集。开启两个激光投射器向被测空间投射各自的光斑场,利用摄像机采集被测空间的光斑图案。
S2,立体视觉校正。根据事先标定的立体视觉系统内外参数,校正左右两幅图像的坐标,从而使得左右图像仅在水平方向上含有视差值,而在垂直方向上保持一致。具体过程为:
本实施例采用了张正友棋盘标定法,在标定时,摄像机模型采用针孔模型,其定义如下:
sm=A[R t]M, (1)
即
式中,(XW,YW,ZW)为世界坐标系下某点坐标;(u,v)为(XW,YW,ZW)点投影在图像平面的坐标;s为物体在摄像机坐标系中的坐标;A为摄像机内参数矩阵;[R t]为外参数矩阵,R为旋转矩阵,t为平移矩阵;M为世界坐标系下某点齐次坐标;fx,fy分别为摄像头在x,y轴上的焦距;Cx,Cy分别为摄像机焦点与成像平面中心点偏移值。
内参数矩阵是描述摄像机坐标系与图像坐标系之间的关系,利用内参数可以计算出图像坐标系的某点对应于摄像机坐标系的点,其计算如下:
式中,(XC,YC)为RGB图像中某点在摄像机坐标系的坐标,ZC为对应于该点深度图像中的深度值。
S3,积分图像计算。选择左图像作为参考图像,在其上遍历所有像素计算灰度梯度积分图像,首先计算梯度图像,计算公式为:
其中,梯度图像表示为建立梯度积分图像如下:
其中,i和j分别表示图像的横坐标和纵坐标。
S4,积分方差计算。在参考图像上选择一个参考子窗口([(x1,y1),(x2,y2),(x3,y3),(x4,y4)]),(x1,y1)表示子窗口的左上角坐标,(x2,y2)表示子窗口的右上角坐标,(x3,y3)表示子窗口的左下角坐标,(x4,y4)表示子窗口的右下角坐标,窗口大小设置为M×N像素。然后计算该窗口内的积分梯度方差:
积分梯度方差表示为
S5,窗口自适应调整。根据计算得到的积分梯度方差和图像纹理的阈值T相比较,如果方差小于阈值,则将窗口大小增加一个像素,重新统计窗口内图像的积分梯度方差;否则认为窗口内图像的纹理质量较好,进行下一步匹配。
S6,匹配计算。以右图像为目标图像,利用相似性度量函数在其纵坐标行上搜索最为相似的区域,其横坐标即为匹配之后的视差值。
S7,整副图像匹配搜索。图像坐标移动到下一个位置,窗口大小初始化为M×N像素,重复S4至S6步骤完成参考图像上所有像素的匹配计算,即可得到完整的视差图。
Claims (1)
1.一种基于激光光斑的自适应窗口立体视觉匹配方法,其特征在于,包括:
S1,光斑图像采集;
S2,立体视觉校正;
S3,积分图像计算;
S4,积分方差计算;
S5,窗口自适应调整;
S6,匹配计算;
S7,整副图像匹配搜索。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611038654.9A CN108109130A (zh) | 2016-11-24 | 2016-11-24 | 基于激光光斑的自适应窗口立体视觉匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611038654.9A CN108109130A (zh) | 2016-11-24 | 2016-11-24 | 基于激光光斑的自适应窗口立体视觉匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108109130A true CN108109130A (zh) | 2018-06-01 |
Family
ID=62203669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611038654.9A Pending CN108109130A (zh) | 2016-11-24 | 2016-11-24 | 基于激光光斑的自适应窗口立体视觉匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109130A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020173461A1 (zh) * | 2019-02-28 | 2020-09-03 | 深圳市道通智能航空技术有限公司 | 障碍物检测方法、装置及无人机 |
CN111815693A (zh) * | 2020-09-04 | 2020-10-23 | 北京清微智能科技有限公司 | 一种深度图像生成方法和装置 |
CN112634304A (zh) * | 2020-12-31 | 2021-04-09 | 上海易维视科技有限公司 | 去除3d格式视频或图像中的反射光斑的方法 |
CN113506257A (zh) * | 2021-07-02 | 2021-10-15 | 同济大学 | 一种基于自适应窗口匹配的裂缝提取方法 |
-
2016
- 2016-11-24 CN CN201611038654.9A patent/CN108109130A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020173461A1 (zh) * | 2019-02-28 | 2020-09-03 | 深圳市道通智能航空技术有限公司 | 障碍物检测方法、装置及无人机 |
US12015757B2 (en) | 2019-02-28 | 2024-06-18 | Autel Robotics Co., Ltd. | Obstacle detection method and apparatus and unmanned aerial vehicle |
CN111815693A (zh) * | 2020-09-04 | 2020-10-23 | 北京清微智能科技有限公司 | 一种深度图像生成方法和装置 |
CN112634304A (zh) * | 2020-12-31 | 2021-04-09 | 上海易维视科技有限公司 | 去除3d格式视频或图像中的反射光斑的方法 |
CN112634304B (zh) * | 2020-12-31 | 2022-09-13 | 上海易维视科技有限公司 | 去除3d格式视频或图像中的反射光斑的方法 |
CN113506257A (zh) * | 2021-07-02 | 2021-10-15 | 同济大学 | 一种基于自适应窗口匹配的裂缝提取方法 |
CN113506257B (zh) * | 2021-07-02 | 2022-09-20 | 同济大学 | 一种基于自适应窗口匹配的裂缝提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10234873B2 (en) | Flight device, flight control system and method | |
US10194135B2 (en) | Three-dimensional depth perception apparatus and method | |
CN108288294A (zh) | 一种3d相机群的外参标定方法 | |
CN107843251B (zh) | 移动机器人的位姿估计方法 | |
CN103868460A (zh) | 基于视差优化算法的双目立体视觉自动测量方法 | |
CN108109130A (zh) | 基于激光光斑的自适应窗口立体视觉匹配方法 | |
CN104299220B (zh) | 一种对Kinect深度图像中的空洞进行实时填充的方法 | |
CN110044300A (zh) | 基于激光器的两栖三维视觉探测装置及探测方法 | |
CN107239748A (zh) | 基于棋盘格标定技术的机器人目标识别与定位方法 | |
CN106981081A (zh) | 一种基于深度信息提取的墙面平整度检测方法 | |
CN103337094A (zh) | 一种应用双目摄像机实现运动三维重建的方法 | |
US20180189955A1 (en) | Augumented reality (ar) method and system enhanced through efficient edge detection of image objects | |
CN113115008B (zh) | 一种管廊主从操作巡检系统及方法 | |
CN111027415B (zh) | 一种基于偏振图像的车辆检测方法 | |
CN106033614B (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN105809654A (zh) | 目标对象跟踪方法、装置和立体显示设备及方法 | |
CN106650701A (zh) | 基于双目视觉的室内阴影环境下障碍物检测方法及装置 | |
CN107136649B (zh) | 一种基于自动寻轨模式的三维脚型测量装置及实现方法 | |
CN108171753A (zh) | 基于形心特征点与邻域灰度互相关性的立体视觉定位方法 | |
CN107514745A (zh) | 一种智能空调立体视觉定位的方法及系统 | |
CN111009030A (zh) | 一种多视高分辨率纹理图像与双目三维点云映射方法 | |
CN109059868A (zh) | 一种基于自适应匹配窗口的双目测距方法 | |
CN105513074B (zh) | 一种羽毛球机器人相机以及车身到世界坐标系的标定方法 | |
US20130287293A1 (en) | Active Lighting For Stereo Reconstruction Of Edges | |
CN114463303A (zh) | 一种基于双目相机和激光雷达融合的道路目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180601 |