工业机器视觉课程13深度图教材

1、第第 11 章章 深度图 （Depth Map） 获取场景中各点相对于摄象机的距离是 计算机视觉系统的重要任务之一场景中各 点相对于摄象机的距离可以用深度图(Depth Map)来表示，即深度图中的每一个像素值表 示场景中某一点与摄像机之间的距离机器 视觉系统获取场景深度图技术可分为被动测 距传感和主动测距传感两大类 被动测距传感:视觉系统接收来自场景发射或反射 的光能量，形成有关场景光能量分布函数，即灰度 图像，然后在这些图像的基础上恢复场景的深度信 息 主动测距传感:视觉系统首先向场景发射能量，然 后接收场景对所发射能量的反射能量主动测距传 感系统也称为测距成象系统（Rangefinder

2、) 图111双目立体视觉几何模型 外极平面 外极线 共轭对 视差 (disparity) rl xx BF z 假设坐标系原点与左透镜中 心重合。F是焦距，B是基线 距离。 F x z x l F x z Bx r rl xx BF z 提高精度的措施是增大基线距离。产生的问题： 随着基线距离的增加，两个摄象机的共同的可视 范围减小；场景点对应的视差值增大，则搜索对 应点的范围增大，出现多义性的机会就增大；由 于透视投影引起的变形导致两个摄象机获取的两 幅图像中不完全相同，这就给确定共轭对带来了 困难 立体成象的最一般情况：一个运动摄像机连续获取场 景图像，形成立体图像序列，或间隔一定距离的两

3、个 摄像机同时获取场景图像，形成立体图像对。 2. 立体匹配的基本方法立体匹配的基本方法 立体成象系统的一个不言而喻的假设是 能够找到立体图像对中的共轭对，即求解对 应问题然而，对于实际的立体图像对，求 解对应问题极富有挑战性，可以说是立体视 觉最困难的一步为了求解对应，人们已经 建立了许多约束来减少对应点搜索范围，并 最终确定正确的对应 （1） 立体匹配的基本约束立体匹配的基本约束 外极线约束外极线约束 图11.4 空间某一距离区间内的一条直线段对应外极线上的一个有限区间 一致性约束一致性约束 0000 / ),(,jifjif kkkk jifjif/ ),(, 是参考摄像机的图象函数 n

4、 j m i jif mn 11 22 ),( 1 立体视觉通常由两个或两个以上摄像机组成，各摄像机的 特性一般是不同的这样，场景中对应点处的光强可能相差太 大，直接进行相似性匹配，得到的匹配值变化太大因此，在 进行匹配前，必须对图像进行规范化处理(Normalization) jifk, 相似估价函数： n i m j kk jifjif 11 0 ),(),( 唯一性约束：一般情况下，一幅图像(左或右)上的 每一个特征点只能与另一幅图像上的唯一一个特征 对应。 连续性约束：物体表面一般都是光滑的，因此物 体表面上各点在图像上的投影也是连续的，它们的 视差也是连续的比如，物体上非常接近的两点

5、， 其视差也十分接近，因为其深度值不会相差很大。 （2）基于边缘的立体匹配）基于边缘的立体匹配 在某一行上计算各边缘的位置 通过比较边缘的方向和强度粗略地进行边缘匹配 通过在精细尺度上进行匹配，可以得到视差估计 水平边缘是无法进行匹配的！ （3 3）基于区域相关性的立体匹配）基于区域相关性的立体匹配 在立体图像对中识别兴趣点(interesting point)，而后使用区域 相关法来匹配两幅图像中相对应的点 兴趣点计算公式如下： Syx yxfyxfI ),( 2 1 )1,(),( Syx yxfyxfI ),( 2 2 ), 1(),( Syx yxfyxfI ),( 2 3 )1, 1

6、(),( Syx yxfyxfI ),( 2 4 )1, 1(),( ),min(),( 4321 IIIIyxI cc 在以某一点为中心 的窗函数中，计算 其在不同方向上的 变化量是这些方向 上点的差异性的最 好测度。S表示窗函 数中的所有像素 。 特征点匹配 一旦在两幅图像中确定特征后，则可以使用许 多不同方法进行特征匹配一种简单的方法是计算 一幅图像以某一特征点为中心的一个小窗函数内的 像素与另一幅图像中各个潜在对应特征点为中心的 同样的小窗函数的像素之间的相关值具有最大相 关值的特征就是匹配特征很明显，只有满足外极 线约束的点才能是匹配点考虑到垂直视差的存在， 应将外极线邻近的特征点也

7、包括在潜在的匹配特征 集中 2/1 ),( 2 21 ),( 2 11 ),( 2211 ),(),( ),(),( ),( Syx yx Syx Syx yx yx fdydxffyxf fdydxffyxf ddr 考虑两幅图像 f1和 f2设待匹配的候选特征点对的视差 为 ，则以特征点为中心的区域之间相似性测度可 由相关系数 定义为： (,)dd xy r dd xy (,) 这里的 和 是被匹配的两个区域中的所有像素灰度 平均值，和式符号是在以特征点为中心的小窗函数中的 所有像素上进行的。 f1f 2 在每一个像素上使用阈值化处理后的具有正负符 号的梯度幅值，而不是图像灰度值，可以改善

8、相 关性的计算精度 实现过程：计算未平滑的两幅图像中的每个像素 的梯度幅值，然后使用两个阈值，一个大于0，另 一个小于0，将这些值映射到三个值这样图像就 被转换为波浪起伏阵列，可以产生更灵敏的相关 值 3. 多基线立体成象多基线立体成象 一幅图像上的每一个特征点只能与另一幅图像 上的唯一一个特征对应，通常将这一性质称为特征 的唯一性约束在实际中，由于大多数特征点不是 十分明显，特别是重复纹理的出现，常常会产生对 应多义性(ambiguity)，即一幅图像上的一个特征点对 应另一幅图像的若干个对应点，其中的一个点是真 正的对应点，而其它点是假对应点消除对应点多 义性的一种有效方法是采用多基线立体

9、成象 Okutomi 1993 。 ri r i ir FB z FB d )( )()()( 00 xnxfxf)()()( )( xndxfxf iiri 图像强度函数 和 在Z点附近可以表示为： )( 0 xf)(xfi 立体图像对方差和(sum of squared difference, SSD)，匹配评 估函数 ： Wj iiii jdxfjxfdxe 2 )(0)( )()(),( Wj iii jFBxfjxfxe 2 0 )()(),( 或 22 2)()(),( nw Wj rii NjFBxfjxfxeE 期望值： n个摄像机形成(n-1)个SSD函数，将所有的SSD函数

10、 相加(sum of SSD，SSSD)形成了总的评估函数： n i in xexe 1 1,.,2, 1 ),(),( 1 1 22 1 1 1,.,2, 1 2)()( ),(),( n i nw Wj ri n i in nNjFBxfjxf xeExeE 定义：能够直接测量可视范围内每个点的距离，并将其 记录为一个二维函数的系统称为测距成象系统，得到的 图像称为距离图像或深度图。 分类：结构光测距 测距雷达：声雷达、激光雷达、毫米波雷达 变焦测距 4、测距成象系统、测距成象系统 结构光三角测距 一次只照明一个点然后使用上述方程计算该点的深度，一次只照明一个点然后使用上述方程计算该点的深

11、度， 由此得到二维距离图像。由此得到二维距离图像。 , cos ,Fyx xF b zyx 图11.12 结构光测距原理示意图Jarvis 1983 激光测距雷达 在生物界，蝙蝠和海豚是通过接收自己发出的超 声波来确定其周围物体的存在根据生物的这种感知 距离的能力，人类发明了各种测距系统，称之为雷达， 即向空间发射信号，然后接收反射信号并与发射信号 进行比较，以确定目标的距离和方位激光测距 （laser range finder）是在二十世纪60年代发展起来的 一种新型测距雷达，现在已经进入实用化阶段激光 雷达具有波束窄、波长短等独特优点，因而具有极高 的角分辨能力、距离分辨能力和速度分辨能力

12、。激光 雷达可以获取目标的多种信息，如反射特性、距离信 息、速度信息等 （1）脉冲飞行时间测距 这种激光测距雷达在米的测量范围内，测距精度 为厘米获取128128图像需要3分钟。 激光脉冲测距雷达就属于这类测距系统激光脉冲测距 雷达向空间发射激光脉冲信号，并接收由于碰到物体表面而 反射回来的信号，然后测量发射和接收脉冲的时间差，就可 以得到空间物体的距离。 （2）相位差测距 深度信息可以通过检测调幅光波发射和接收的相位差来得到。 44 m m f c d 已知调制频率 和相位差 ，则物体到传感器的距离为： 22 m m f c D 测距范围： m f mm f c N f c d 24 变焦测

13、距 根据理想薄透镜定理，透镜中心（光学原点）到图象平面的距 离 、透镜中心到场景点的距离 z 和透镜焦距长度 f 之间的 关系为： fzz 111 z 当某一场景点不聚焦时，它会在图象平面上产生一个圆斑 图象，而不是一个点图像。如果圆斑的直径低于成象装置 的分辨率，那么图象散焦量不会特别的显著。假定圆斑的 直径为b，透镜光圈直径为d，焦距长度为f，图象平面的理 想位置为 。 z z zzd b )( 1 )( )( 1 1 zfz zzdf b 视野范围内远距离平面的距离表示式 ： bzdf bdfz z )( 1 视野范围内近距离平面的距离表示式 ： z fz db dfbz 2 () 对于一个特定的配置，焦距平面为z，光圈直径为d，焦 距长为f，最大可接受模