文摘

深度测量是计算机视觉研究的一个具有挑战性的问题。在这项研究中,我们首先设计一个新的网格模式和发展一个序列编码和解码算法来处理模式。其次,我们提出一个线性拟合算法获得对象的深度和像素之间的线性关系的转变。第三,我们在此基础上获得一个物体深度信息的线性关系。此外,三维重建实现基于德劳内三角剖分算法。最后,我们利用错误的规律曲线修正系统误差,提高测量精度。实验结果表明,深度测量的准确性与移动物体的步长。

1。介绍

从现场获取深度信息是计算机视觉研究的最重要的问题。获得深度信息时,产生的数据可以应用在各个领域,如三维重建、遥感、视觉测量,工业自动化1- - - - - -3]。传统的深度测量方法主要包括飞行时间,立体视觉和结构光4]。

TOF法与深度测量精度高。TOF摄像头附近发射红外线,调制照亮一个对象(5]。反射光由CCD传感器,收集和深度信息可以通过比较获得之间的相移调制光和反射。这种方法的主要缺点是设备的高成本和复杂性。

立体视觉模拟人类的视觉通过使用两个或两个以上的摄像头捕捉到2 d图像从不同角度(6]。这些图片被称为差异图像。深度信息可以计算基于差异的图像。然而,这种方法涉及到复杂的计算导致测量速度慢。

结构光方法获得了越来越多的关注由于其高速度和深度测量精度(7]。立体视觉方法相比,结构光取代其中一个相机和投影仪。光的投影仪发出某些类型,包括单点模式,单行模式,和编码模式,对象。反射模式被相机。深度信息可以计算基于三角测量。

可见光干扰和投影仪标定在结构光方法两个关键问题。在这种方法中,标定投影仪是困难,因为他们不能积极捕捉图像(8]。一些研究认为投影仪作为逆相机(9),而其他人则专注于估计的方程浅条纹的飞机发出的投影仪(10]。不过这两个问题取决于确定相机参数。因此,结构光方法的主要缺点是错误的耦合投影仪和摄像机标定。

为了解决这些问题,我们首先使用红外结构光主动光源,因为红外线的波长是不同于可见光。第二,我们设计一种简单而有效的结构光模式以及相应的编码和解码算法。第三,我们把相机和激光发射器,然后我们使用线性拟合的算法来确定系统参数而不是校准相机和投影仪,分别。

2。相关工作

根据不同类型的投影光模式,可以分为单点结构光方法模式,单行模式和编码结构光。单点模式方法获得深度信息通过点扫描整个图像。因此,计算复杂度大大增加,增加测量对象的大小。这种方法演示了基于结构光深度测量方法的实用性。

与单点模式结构光方法相比,单行模式结构光方法只能获取深度信息通过扫描一维对象(11]。因此,处理时间和计算复杂度大大降低。然而,单行的方法需要多次扫描的对象来获取深度信息。

编码模式结构光方法提出了减少测量时间。这种方法可以在一次获取深度数据。此外,该方法已经被广泛的研究,近年来由于其精度高。程等人提出了一个排列编码方法(12使用六种颜色,排列产生投影模式。然而,这种方法项目一束彩色条纹的对象,这很容易褪色。因此,该方法只适用于对象的中性色和鲁棒性较低。

川崎等人提出了一种网格模式来获得物体的深度信息(13]。中使用的网格模式是独特的颜色在水平和垂直方向。该方法利用峰值检测来确定十字路口。解码算法只需要确定垂直和水平曲线。然而,该方法耗时和不敏感的物体表面的纹理。

Koninckx和van干傻事14)提出了一种自适应深度测量方法基于纵向约束方法。可以自动调整模式基于对象的噪声和颜色。这种方法的缺点是现场噪声的影响模式。

与上述方法相比,我们的描述如下。首先,我们设计一个新的网格模式,提出一个序列编码和解码算法的模式。然后,我们提出一个线性拟合的算法系统参数来构造对象的深度和像素之间的线性关系的转变。最后,物体的深度信息是基于线性关系获得的。此外,三维重建进行了基于德劳内三角剖分算法(15]。

3所示。成像系统原理

摄像系统的外观和硬件结构见图1和2。系统由红外激光发射器,衍射光栅和CCD相机。CCD相机的分辨率是640480年。激光二极管发出一个梁,分裂成多个光束衍射光栅。CCD相机捕捉模式和它相关的参考模式。参考模式位于一个平面的深度和存储在计算机内存中。

当模式投射在物体的距离传感器不同于参考平面,散斑的位置变化对激光器和摄像机之间的基线。这些转变为每个散斑测量通过一个简单的程序,它可以计算深度图像通过使用方程描述如下。

图3说明了一个对象点的距离之间的关系相对于参考平面的传感器和测量差异。来表达物体的三维坐标点,本文认为深度坐标系统的起源红外摄像机的视角中心。的设在正交图像平面上向对象,设在垂直于设在的方向基准红外摄像机之间的中心和激光投影仪,和设在正交于和右手坐标系。垂直于参考面设在,飞机的对象必须出现在右边的参考平面。我们假设在参考平面与摄像机之间的距离是谁的。对象上的斑点被CCD相机。散斑图像平面上的位置变化的方向基准对象一旦接近摄像机移动。这种转变是说明了图像中的像素偏移的空间。

考虑到三角形的相似,我们有 在哪里代表点的深度的对象,CCD相机的焦距,基线的长度,是点的位移在对象空间,图像中的像素偏移量空间。替换从(2)(1),我们有

方程(3)的基本数学模型推导的深度图像中的像素偏移的空间。,,是系统参数,可以由下一节中提到的方法决定的。

4所示。深度测量

深度测量的算法流程如图4。该算法流包括像素偏移量的计算,系统参数的线性拟合,深度测量和三维重建。

4.1。像素偏移量的计算

的光强度分布的原始图像的斑点是不均匀的,和图片差的是黑暗的对比。要解决这些问题,我们利用图像预处理算法包括图像去噪、增强、二值化。

一旦实现了图像二值化,我们可以获得的质心斑点如下: 在哪里是纵坐标中所有像素的一个斑点,然后呢重心纵。

我们开发了一个序列编码算法,可以帮助我们找到相应的对象图像和参考图像之间的点。算法的步骤如下。

步骤1。质心是排序根据质心的横坐标的值。横坐标的重心,相同的值替换在同一列。

步骤2。重心在每一列排序基于纵坐标值。

步骤3。引用和对象图像编码序列显示步骤1和2,分别。所有的斑点都是排序从左到右和从上到下。

步骤4。参考图像和对象图像解码。每个对应点之间有相同的ID。

然后对象和参考图像之间的像素偏移。图5显示了编码的方法。

4.2。系统参数的线性拟合

正如前面提到的,三个系统参数确定。我们转换(3)线性关系,显示如下: 在哪里和的参数来确定。根据实验获得的深度和像素偏移和权重确定的测量时间,待定参数的拟合结果(5) 在哪里和分别代表像素偏移和对象的深度。代表的重量由测量时间。对象系统的平面不垂直于光轴。因此,放大倍数的变化与目标距离的变化和系统发生错误。

4.3。深度测量和三维重建

当对应点之间的像素偏移量,我们可以计算对象基于深度(5)。然后我们可以获得的3 d坐标激光斑点在对象的形象。3 d场景可以重建基于德劳内三角化(15]。

德劳内三角化使用的特征点云三角化。首先,一个凸包,包括所有离散数据点生成。然后,凸包是用于生成一个初始三角形。其他离散点的添加一个接一个来生成最终的三角形。三维重建结果如图12。

5。实验

5.1。实验设计

使用KT&C CCD相机和50 mW红外激光发射器,我们进行了10组实验数据。首先,我们捕捉到一个参考图像。然后,对象是移动步长毫米,每个移动的像素偏移量被记录在步长。对象是20倍。的过程重复10组数据。前五组作为训练数据线性拟合来确定参数。三组被用作纠正数据正确的训练数据的结果。最后两组数据被用来测试我们的方法的准确性。

5.2。评价和改正错误

我们计算的平均价值的第一个5组测量数据消除随机误差。的参数,可以计算基于平均值和根据(6)和(7)。

在图6,蓝色十字架描述之间的关系和。红色的直线描述它们之间的线性关系的标准。这一行表明,当物体深度很小,和有很好的线性关系。随着对象的深度的增加,这些参数之间的关系逐渐成为非线性。非线性规则表明,放大在不同镜头的位置是不同的。对象系统的平面不垂直于光轴。因此,与目标距离的变化放大的变化和系统错误(如透镜畸变)。方程(5)说明了前者的影响只在放大,不考虑后者的作用。因此,变化引起的系统错误应该纠正如下段落中描述。方程(5)可以改写如下:

然后我们获得之间的关系和。因此,对象的深度可以由。用其他三组数据(7)计算深度,我们判断错误,在那里是标准的深度。修正的错误数据见图7。

错误分为随机和系统错误。可以减少随机误差没有规律,通过增加测量次实验。在图7错误的三组也有类似的形状。因此,因为系统错误的存在。我们使用错误的规律曲线正确结果。描述的方法如下。

步骤1。计算平均数标准误差和误差拟合曲线。

步骤2。 计算(7),被替换成误差曲线来获得。

步骤3。 减去从。然后,我们获得的实际深度。

通过线性拟合误差曲线呈现在图8。结果的误差曲线显示了错误已经纠正了。如图9没有规律的错误;因此,系统错误都被淘汰了。

5.3。精度分析

我们使用的最后两组数据测试系统的准确性。组1的测试结果如表所示1。我们可以从表确定1组1的最大误差为0.2177毫米,平均误差为0.1194毫米。根据我们的实验,系统的准确性与步长有关。

因此,只使用绝对误差不足以显示系统的精确度。我们必须考虑系统的步长来说明客观准确性。因此,我们提出以下指标: 在哪里绝对误差和吗增加而减少的当是恒定的。的单位和都是毫米。在我们的系统中,是0.1194。

5.4。实验结果

在数据并给出了实验结果10来12。原始图像如图10 (),二进制图像预处理如图10 (b)。根据图10序列的编码算法,在前一节中提到的,获得对应点之间的像素偏移参考图像和对象。

图11显示了深度图像的彩色地图。颜色呈现在一个特定点的深度。改变从蓝色到红色代表增加对象的深度。基于这些数据,可以重建3 d场景。三维重建的结果见图12。重建的三维场景从两个方向。

6。结论

本文描述了一种有效的方法来测量周围的物体深度实时场景。我们设计了一种网格模式所产生的激光衍射。这个网格模式执行比其他结构光模式。此外,计算网格模式可以很容易确定参考图像和对象之间的对应点。考虑到成像系统标定所取代,我们提出了一个线性拟合的算法。为生成的深度点云,我们重建三维场景与德劳内三角化算法。可以减少随机误差增加测量时间,因为随机误差没有规律性。此外,我们使用了错误的规律曲线修正系统误差,提高测量精度。实验结果表明,深度测量精度与运动物体的步长。的测量误差是0.12的情况下毫米。

如果物体的深度差异明显,增加测量误差的限制点距离的大小和设计做准备的模式。要解决这些问题,我们打算开发一个全向结构光系统在未来在移动平台上。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

研究支持下由中国国家自然科学基金资助61273078,一部分博士基金中国教育部拨款20110042120030和部分基础研究基金支持的中国中央大学拨款130404012。