摘  要： 提出了一種局部稠密匹配與人工干預(yù)相結(jié)合的測(cè)距方案，利用非特征點(diǎn)與特征點(diǎn)的位置關(guān)系,，構(gòu)建“最小矩形”以縮小匹配范圍,，再應(yīng)用NCC（歸一化互相關(guān)）算法對(duì)非特征點(diǎn)進(jìn)行稠密立體匹配，最后根據(jù)雙目測(cè)距原理直接獲取非特征點(diǎn)的距離信息,。該方法能任意選取圖像上的非特征點(diǎn)進(jìn)行實(shí)時(shí)距離測(cè)量,，具有精度高、速度快和操作性強(qiáng)等優(yōu)點(diǎn),。
關(guān)鍵詞： 雙目立體視覺(jué),；非特征點(diǎn)測(cè)距；NCC算法

    雙目立體視覺(jué)測(cè)距[1]技術(shù)作為機(jī)器視覺(jué)領(lǐng)域的一個(gè)研究熱點(diǎn),，目前已廣泛應(yīng)用于機(jī)器人,、三維測(cè)量、虛擬現(xiàn)實(shí)等領(lǐng)域,。特別在機(jī)器人應(yīng)用領(lǐng)域,，實(shí)現(xiàn)機(jī)器人路徑規(guī)劃和避障[2]的一個(gè)關(guān)鍵技術(shù)就是準(zhǔn)確測(cè)量機(jī)器人到障礙物的距離,。目前常用的測(cè)距方法主要有：紅外測(cè)距、激光測(cè)距,、微波雷達(dá)測(cè)距等主動(dòng)測(cè)距[3]方案和雙目立體視覺(jué)測(cè)距,、單目測(cè)距等被動(dòng)測(cè)距[4]方案。其中,，主動(dòng)測(cè)距方案一般需要額外的能量發(fā)射裝置和合適的傳播介質(zhì)，所以不適用于惡劣條件下工作的機(jī)器人,；而被動(dòng)測(cè)距方案中的雙目立體視覺(jué)測(cè)距在一定程度上實(shí)現(xiàn)了人眼的視覺(jué)感知功能,，具有探測(cè)范圍寬、目標(biāo)信息完整,、不需配備額外裝置等優(yōu)點(diǎn),，在機(jī)器人定位導(dǎo)航、避障等研究領(lǐng)域得到了越來(lái)越廣泛的應(yīng)用,。
    雙目測(cè)距技術(shù)的關(guān)鍵在于特征點(diǎn)匹配[5],，因?yàn)槠ヅ渚戎苯佑绊憸y(cè)距的精度。為了減少匹配的不確定性,，提高匹配效率,，國(guó)內(nèi)外眾多專家學(xué)者應(yīng)用了約束假設(shè)，而約束一般可分為兩類(lèi)：(1)基于圖像幾何的約束[6],，例如位置,、朝向等；(2)基于場(chǎng)景的約束[7],，例如場(chǎng)景中物體的性狀和相互關(guān)系,。依據(jù)這些基本約束并結(jié)合實(shí)際情況選擇合適的解決方案，使得目前的特征點(diǎn)匹配技術(shù)日臻完善,。但針對(duì)非特征點(diǎn)的立體匹配,，尤其是紋理缺乏、特征缺失的圖像區(qū)域,，如何匹配其中的非特征點(diǎn)是一個(gè)研究難點(diǎn),。目前國(guó)內(nèi)外常用的解決方案是對(duì)視差圖[8]進(jìn)行修補(bǔ)或者對(duì)整幅圖像在區(qū)域增長(zhǎng)的基礎(chǔ)上進(jìn)行稠密匹配[9]等。這樣可以解決一部分實(shí)際問(wèn)題,，但不適用于移動(dòng)機(jī)器人實(shí)時(shí)測(cè)距這一應(yīng)用背景,，因?yàn)樾扪a(bǔ)視差圖需對(duì)環(huán)境有一定先驗(yàn)知識(shí)，而移動(dòng)機(jī)器人在緊急救援工作中對(duì)惡劣環(huán)境是沒(méi)有先驗(yàn)知識(shí)的,。另一方面,，由于稠密匹配需要計(jì)算所有像點(diǎn)的像素灰度值并與待匹配點(diǎn)及其鄰域像素的灰度值進(jìn)行對(duì)比，計(jì)算量龐大,，耗時(shí)過(guò)長(zhǎng)的同時(shí)亦增加了系統(tǒng)誤差,。
    基于移動(dòng)機(jī)器人實(shí)時(shí)導(dǎo)航,、測(cè)距這一應(yīng)用背景，本文研究了一種針對(duì)非特征點(diǎn)的雙目測(cè)距方案,，以獲取需測(cè)距的非特征點(diǎn)的距離信息為目的,，利用非特征點(diǎn)與已精準(zhǔn)匹配的特征點(diǎn)的位置關(guān)系，結(jié)合匹配中的順序一致性約束,，構(gòu)造了“最小矩形”,，以縮小匹配點(diǎn)的搜索范圍，再利用NCC稠密匹配算法做立體匹配,，最后結(jié)合雙目相機(jī)的標(biāo)定參數(shù),，利用雙目測(cè)距原理實(shí)現(xiàn)對(duì)非特征點(diǎn)的實(shí)時(shí)測(cè)距。實(shí)驗(yàn)結(jié)果表明,，這種方法在降低運(yùn)算量的同時(shí)提高了測(cè)量的準(zhǔn)確度,，而且充分利用了人機(jī)交互界面的友好性和反饋功能，適用于具體的工程實(shí)踐,。

1.2 非特征點(diǎn)匹配
    在實(shí)際工程中,，機(jī)器人操作者希望快速獲取圖像中某一點(diǎn)的實(shí)際距離，當(dāng)該點(diǎn)為非特征點(diǎn)時(shí),，首要問(wèn)題是找到該點(diǎn)的匹配點(diǎn),。
    以圖1為例，左圖像中用1*,、2*,、…標(biāo)示已精確匹配的特征點(diǎn)，其在右圖像中對(duì)應(yīng)的匹配點(diǎn)用*1′,、*2′…標(biāo)示,。A、B,、C分別代表3種情況的非特征點(diǎn)：點(diǎn)A代表第一種情況,，即該點(diǎn)附近5像素的鄰域內(nèi)有一個(gè)以上的特征點(diǎn)；點(diǎn)B代表第二種情況,，即該點(diǎn)附近5像素鄰域內(nèi)沒(méi)有特征點(diǎn),，但是30像素鄰域內(nèi)有兩個(gè)或兩個(gè)以上的特征點(diǎn)；點(diǎn)C代表了第三種情況,，即該點(diǎn)的30像素鄰域內(nèi)均無(wú)特征點(diǎn),。右圖像上，人工估計(jì)了非特征點(diǎn)的匹配點(diǎn)所在的區(qū)域,，用a,、b、c標(biāo)示,；而通過(guò)非特征點(diǎn)匹配算法得到的匹配點(diǎn)則用A′,、B′,、C′標(biāo)示。下文具體介紹3種情況下的匹配方案,。

    情況1：先將點(diǎn)A的匹配點(diǎn)A′的搜索區(qū)域劃定在右圖像上以點(diǎn)1*的精確匹配點(diǎn)*1′為中心的21×21的矩形區(qū)域內(nèi),，再用 NCC算法在該區(qū)域內(nèi)計(jì)算匹配點(diǎn)A′。最后再與右圖像上人工確定的搜索區(qū)域的中心點(diǎn)a進(jìn)行比較,，相距在12個(gè)像素之內(nèi)認(rèn)為算法正確,，否則視該點(diǎn)為第三種情況。
    情況2：將B點(diǎn)附近的精確匹配點(diǎn)按照距離大小排列,確定距離最近的兩個(gè)匹配點(diǎn)2*和3*,，依據(jù)順序不變性原理,用這兩個(gè)匹配點(diǎn)構(gòu)成“最小矩形”,，且B點(diǎn)在矩形內(nèi)部。“最小矩形”的確定步驟如下：
    （1）計(jì)算匹配的特征點(diǎn)到非特征點(diǎn)B的距離,，從距離最小的特征匹配點(diǎn)開(kāi)始，依次與B 點(diǎn)坐標(biāo)進(jìn)行比較,，直到找到一個(gè)與B點(diǎn)坐標(biāo)不同的點(diǎn),，即為構(gòu)建“最小矩形”的一個(gè)頂點(diǎn)（圖1中2*）。
 
    （3）以找到的兩個(gè)特征點(diǎn)為頂點(diǎn)構(gòu)建“最小矩形”,，在矩形范圍內(nèi)用NCC算法確定非特征點(diǎn)的匹配點(diǎn)（圖1中的B′點(diǎn)）,，再與右圖像上人工確定的搜索區(qū)域中心點(diǎn)（圖1中b點(diǎn)）做比較，若距離在12像素以內(nèi)認(rèn)為算法正確,，否則視該點(diǎn)為第三種情況,。
    情況3：對(duì)點(diǎn)C直接利用機(jī)器人操作中人機(jī)交互的便利性，人工在右圖像上確定搜索區(qū)域,，該區(qū)域是以點(diǎn)c為中心的21×21鄰域,。該非特征點(diǎn)位于低紋理區(qū)域，因此不適合用前兩種情況來(lái)搜索匹配點(diǎn),，所以采用信任人工的方案,，在人工確定的搜索區(qū)域做立體匹配，其另一優(yōu)點(diǎn)是可以直接避免對(duì)雙目盲點(diǎn)區(qū)域的匹配搜索工作,。此外還可以對(duì)前兩種方案進(jìn)行校正和糾錯(cuò),。

    圖3顯示了非特征點(diǎn)測(cè)距過(guò)程，左圖像上任意點(diǎn)選了一些非特征點(diǎn)（*1～*17）,，右圖像上人工選取了立體匹配搜索區(qū)域的中心點(diǎn)（+1～+17）,，本文對(duì)任意選取的17個(gè)非特征點(diǎn)進(jìn)行距離測(cè)量，并與實(shí)測(cè)值進(jìn)行比較,，統(tǒng)計(jì)對(duì)照結(jié)果如表3所示,。

    分析可知，該方案對(duì)任意點(diǎn)的測(cè)距結(jié)果與實(shí)測(cè)距離基本吻合,，整體誤差在5%以內(nèi),。經(jīng)過(guò)多次實(shí)驗(yàn)可知,，對(duì)實(shí)測(cè)距離為5 m以內(nèi)的非特征點(diǎn)，計(jì)算值與實(shí)際值的誤差在2%以內(nèi),，6 m以外的點(diǎn)測(cè)距結(jié)果誤差較大,，特別是8 m以外的點(diǎn)誤差甚至超過(guò)4%，這是因?yàn)橛?jì)算模型將攝像機(jī)作為線性模型考慮,，所以誤差是由距離增大時(shí)其非線性表現(xiàn)明顯造成的,。但從整體來(lái)看，該方案的測(cè)距結(jié)果在允許的誤差范圍內(nèi),。
    本文在vs2008版本的C++實(shí)現(xiàn)平臺(tái)下對(duì)多組分辨率為640×480的圖片進(jìn)行了測(cè)距實(shí)驗(yàn),，并與常用的視差圖測(cè)距方案對(duì)比，結(jié)果顯示本方案平均耗時(shí)12 ms,，而視差圖方案平均耗時(shí)160 ms,，可見(jiàn)該方案提高了實(shí)時(shí)性。
    由以上結(jié)論可知,，該測(cè)距方案簡(jiǎn)便可行,，能滿足機(jī)器人導(dǎo)航中對(duì)任意非特征點(diǎn)進(jìn)行實(shí)時(shí)測(cè)距的要求。
    本文研究的非特征點(diǎn)雙目測(cè)距方案以移動(dòng)機(jī)器人導(dǎo)航,、避障為應(yīng)用背景,，充分考慮了待測(cè)距的非特征點(diǎn)
與周?chē)哑ヅ涮卣鼽c(diǎn)的位置關(guān)系，構(gòu)建了“最小矩形”以縮小匹配點(diǎn)的搜索范圍,，并充分利用人機(jī)交互界面的友好性,，加以人工干預(yù)以矯正匹配的精確度，順利完成了對(duì)非特征點(diǎn)的測(cè)距工作,。該方案的優(yōu)點(diǎn)是不用生成稠密視差圖,，減少計(jì)算量的同時(shí)提高了算法的準(zhǔn)確性和實(shí)時(shí)性；且能夠任意選取圖像上的點(diǎn)進(jìn)行距離測(cè)量,，操作方便,，直觀性更強(qiáng)；可以人工對(duì)匹配點(diǎn)進(jìn)行校準(zhǔn)控制,，反饋功能更強(qiáng),。但系統(tǒng)的穩(wěn)定性還有待提高。
參考文獻(xiàn)
[1] 祝琨,，楊唐文,，阮秋琦，等．基于雙目視覺(jué)的運(yùn)動(dòng)物體實(shí)時(shí)跟蹤與測(cè)距[J]．機(jī)器人,，2009,，31(4)：327-334．
[2] 梁冰，洪炳镕,，曙光.自主機(jī)器人視覺(jué)與行為模型及避障研究[J].電子學(xué)報(bào),，2003,，31(21)：266-269.
[3] 徐德，譚民.機(jī)器人視覺(jué)測(cè)量與控制「M].北京：國(guó)防工業(yè)出版社,，2008.
[4] Xiong Chao,，Tian Xiaofang，Lu Qiyong.Real-time binocular  matching and depth measurement based on competing  schema[J].Computer Engineering and Applications,，2006,，42(1)：83-85.
[5] 郭龍?jiān)?計(jì)算機(jī)視覺(jué)立體匹配相關(guān)理論與算法研究[D].南京：南京理工大學(xué)，2009.
[6] 王立中,，麻碩士,，薛河儒，等.一種改進(jìn)的SIFT特征點(diǎn)匹配算法[J].內(nèi)蒙古大學(xué)學(xué)報(bào),，2009,，40（5）：615-619.
[7] 劉盛夏.基于相位信息的立體圖像匹配研究[D]．上海：上海交通大學(xué)，2010.