雙目立體視覺的目標(biāo)識別與定位

尚倩，阮秋琦，李小利

(1.北京交通大學(xué)信息科學(xué)研究所，北京 100044;2.北京交通大學(xué)現(xiàn)代信息科學(xué)與網(wǎng)絡(luò)技術(shù)北京市重點實驗室，北京 100044)

雙目立體視覺的目標(biāo)識別與定位

尚倩1，2，阮秋琦1，2，李小利1，2

(1.北京交通大學(xué)信息科學(xué)研究所，北京 100044;2.北京交通大學(xué)現(xiàn)代信息科學(xué)與網(wǎng)絡(luò)技術(shù)北京市重點實驗室，北京 100044)

雙目立體視覺系統(tǒng)可以實現(xiàn)對目標(biāo)的識別與定位.此系統(tǒng)包含攝像機標(biāo)定、圖像分割、立體匹配和三維測距4個模塊.在攝像機標(biāo)定部分，提出了基于云臺轉(zhuǎn)角的外參數(shù)估計方法.該方法可以精確完成攝像頭旋轉(zhuǎn)情況下外參的估計，增強了機器人的視覺功能.并利用廣茂達(dá)機器人系統(tǒng)，基于改進(jìn)的雙目視覺系統(tǒng)進(jìn)行目標(biāo)識別與定位，以此結(jié)果作為依據(jù)控制機器人的手臂進(jìn)行相應(yīng)運動，最終實現(xiàn)了對目標(biāo)物體的抓取，驗證了提出方法的可行性.

雙目立體視覺;攝像機標(biāo)定;圖像分割;立體匹配;三維測距

人類獲取的信息70% ～80%來自視覺，視覺是人類認(rèn)識和改造世界的一個主要途徑.計算機視覺是使用計算機及相關(guān)設(shè)備對生物視覺的一種模擬，它的主要任務(wù)就是通過對采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場景的三維信息［1］.

根據(jù)視覺傳感器的個數(shù)，計算機視覺可以分為:單目視覺系統(tǒng)、雙目視覺系統(tǒng)和多目視覺系統(tǒng)［1］.單目視覺系統(tǒng)只通過一個視覺傳感器來獲取外界的視覺信息，方式簡單，但是只能獲得目標(biāo)的二維空間信息.而雙目和多目視覺系統(tǒng)比較復(fù)雜，一般具備獲取三維空間信息的能力，但實時性是雙目和多目視覺系統(tǒng)的最大挑戰(zhàn).

雙目立體視覺技術(shù)可以很好地模擬人眼的功能，并且可以對三維世界進(jìn)行立體感知，因此，在機器視覺的研究中發(fā)揮著越來越重要的作用.文中著重研究雙目立體視覺下目標(biāo)的識別與定位技術(shù)，雙目立體視覺系統(tǒng)主要包括攝像機標(biāo)定、圖像分割、立體匹配和三維測距4個模塊.傳統(tǒng)的攝像機標(biāo)定技術(shù)一旦完成標(biāo)定，攝像機相對于世界坐標(biāo)系的位置就不能發(fā)生變化，否則，就需要重新標(biāo)定［2］.但從實際應(yīng)用角度，為了更好地進(jìn)行目標(biāo)的識別與定位，攝像頭需要進(jìn)行相應(yīng)偏轉(zhuǎn).針對這個特點，提出了一種基于云臺轉(zhuǎn)角的外參數(shù)估計方法，經(jīng)過誤差分析，此方法可以精確地完成攝像機旋轉(zhuǎn)情況下對外參的估計，使機器人的云臺在目標(biāo)識別和定位過程中可以更加靈活地旋轉(zhuǎn)，大大增強了該機器人的視覺功能，最后，利用廣茂達(dá)機器人系統(tǒng)作為實驗平臺，基于改進(jìn)后的雙目立體視覺系統(tǒng)進(jìn)行目標(biāo)的識別與定位，并以此對目標(biāo)識別定位的結(jié)果作為依據(jù)來控制機器人和手臂的相應(yīng)運動，從而成功地實現(xiàn)了機器人對目標(biāo)物體的準(zhǔn)確抓取.

1 雙目立體視覺系統(tǒng)

此系統(tǒng)的主要功能是完成對實際目標(biāo)的識別與定位，主要分為攝像機標(biāo)定、圖像分割、立體匹配、三維重建4個模塊.

1.1 攝像機標(biāo)定

1.1.1 攝像機模型

攝像機采集到的圖像是典型的二維信息，要想根據(jù)這個二維信息計算實際物體的三維信息，首先要建立圖像坐標(biāo)系與世界坐標(biāo)系的映射模型.本文使用的攝像機模型為經(jīng)典針孔模型，如圖1所示［3－4］.其中，XwYwZw為世界坐標(biāo)系，XcYcZc為攝像機坐標(biāo)系，xy為圖像物理坐標(biāo)系，uv為圖像像素坐標(biāo)系.

圖1 攝像機針孔模型Fig.1 Camera pinhole model

上述模型存在如下的投影關(guān)系［2，5］:

式中:fx、fy、u0、v0只與攝像機內(nèi)部結(jié)構(gòu)有關(guān)，所以M1稱為攝像機內(nèi)部參數(shù);R與t完全由攝像機坐標(biāo)系相對世界坐標(biāo)系的方位決定，故稱為攝像機外部參數(shù).攝像機標(biāo)定就是確定一部攝像機的內(nèi)部參數(shù)和外部參數(shù)的過程［2］.

1.1.2 攝像機標(biāo)定

張正友等人提出了平面法來標(biāo)定單攝像頭［2］，本文利用此方法來標(biāo)定雙目立體視覺平臺，標(biāo)定物選擇了標(biāo)準(zhǔn)棋盤格.為了簡化計算，假定棋盤格所在的平面為世界坐標(biāo)系的Zw=0的平面.這樣，對于棋盤格平面上的每一個點，上述投影關(guān)系可以簡化為

則式(1)可以寫成sm=HM，其中A為攝像機內(nèi)部參數(shù)，s為尺度因子，H稱為單應(yīng)性或投影矩陣，是模板平面上點和它的像點之間的一個映射，如果已知模板點的空間坐標(biāo)和圖像坐標(biāo)，那么就已知m和M，可以求解單應(yīng)性矩陣.利用這個矩陣就可以求解攝像機的內(nèi)外參數(shù).其中，內(nèi)參可以通過Choleski分解得到，而利用矩陣A和H，就可以進(jìn)一步求得外參矩陣［2，5］，公式如式(2):

由于攝像機物理因素的影響，拍攝到的圖片有一定的畸變.畸變會對攝像機的標(biāo)定結(jié)果產(chǎn)生一定的影響.采用張正友的方法對畸變進(jìn)行矯正［2］.

1.1.3 算法改進(jìn)

雖然張正友的方法可以精確地求得攝像機的內(nèi)外參數(shù)，但是，參數(shù)一旦標(biāo)定，攝像機坐標(biāo)系相對于世界坐標(biāo)系的位置關(guān)系也就靜止.而在本實驗平臺中，攝像頭會發(fā)生以下2種運動.

1)攝像頭會隨著機器人的運動而運動.

2)機器人不動時，攝像頭也可以通過云臺發(fā)生上下或左右的旋轉(zhuǎn).

上述2種運動都會導(dǎo)致攝像頭的位置發(fā)生變化，理論上就需要進(jìn)行重新標(biāo)定，這在實驗中不具備可行性.因此，攝像機的內(nèi)參采用張正友的標(biāo)定方法獲得，而對于外參，針對本實驗平臺的特點，在其算法基礎(chǔ)上進(jìn)行了改進(jìn)，使得當(dāng)攝像頭位置移動時，不用重新標(biāo)定就可以計算出移動后的外參.改進(jìn)方法歸納如下.

1)世界坐標(biāo)系轉(zhuǎn)化為機器人坐標(biāo)系.

在標(biāo)定算法中，世界坐標(biāo)系一旦選定了就是個絕對的量，然而，當(dāng)機器人移動時，如果仍然使用原來標(biāo)定的外參進(jìn)行重建，就意味著認(rèn)為世界坐標(biāo)系也隨機器人發(fā)生了完全相同的移動，而在這個過程中，二者的轉(zhuǎn)換關(guān)系并沒有發(fā)生變化.因此，可以選擇一個相對不變的世界坐標(biāo)系，即使機器人發(fā)生了移動，仍然可以通過固定的轉(zhuǎn)換關(guān)系轉(zhuǎn)換到這個坐標(biāo)系，即機器人坐標(biāo)系.實驗過程中，機器人坐標(biāo)系的原點選在2臺攝像機云臺的中點，三維測距后，將結(jié)果由世界坐標(biāo)系轉(zhuǎn)換到機器人坐標(biāo)系，因為不關(guān)心目標(biāo)物體在世界坐標(biāo)系中的位置，只關(guān)心它與機器人的相對位置.

假設(shè)一個點在世界坐標(biāo)系下的坐標(biāo)為(xw，yw，zw)，而其在機器人坐標(biāo)系下的坐標(biāo)為(xr，yr，zr)，則二者的轉(zhuǎn)換關(guān)系如下:

通過式(3)，就把世界坐標(biāo)系轉(zhuǎn)換到了機器人坐標(biāo)系.

2)基于云臺轉(zhuǎn)角的外參數(shù)估計.

上述改進(jìn)雖然解決了機器人運動時外參的使用問題，可是不允許攝像頭有上下左右的旋轉(zhuǎn)，這樣就使機器人的等效視界大大減小，在一定程度上限制了機器人的視覺功能.由于智能機器人的主要思路是模仿人的眼睛，所以希望攝像頭可以根據(jù)目標(biāo)的位置，模擬人的雙眼做相應(yīng)地旋轉(zhuǎn)，從而實現(xiàn)更加靈活的三維測距.

在三維空間中，旋轉(zhuǎn)可以分解為繞各自坐標(biāo)軸的二維旋轉(zhuǎn)，實驗用的云臺有2個轉(zhuǎn)動軸，可以進(jìn)行旋轉(zhuǎn)角度可控可知的左右轉(zhuǎn)動和上下轉(zhuǎn)動.設(shè)左右轉(zhuǎn)動的角度為θ1，上下轉(zhuǎn)動的角度為θ2，則左右旋轉(zhuǎn)和上下旋轉(zhuǎn)的旋轉(zhuǎn)矩陣分別為:

繞2個軸均有轉(zhuǎn)動的旋轉(zhuǎn)矩陣為

攝像機發(fā)生旋轉(zhuǎn)后，設(shè)原來的攝像機坐標(biāo)系為Xc1Yc1Zc1，而旋轉(zhuǎn)后的攝像機坐標(biāo)系為Xc2Yc2Zc2，則2個攝像機坐標(biāo)系之間的關(guān)系為

式中:Rc為上面求得的旋轉(zhuǎn)矩陣，由于攝像頭只有旋轉(zhuǎn)沒有平移，故Tc=［0 0 0］T.

由于原來的攝像機坐標(biāo)系與世界坐標(biāo)系的關(guān)系為

1.2 基于顏色相似度的圖像分割

利用對目標(biāo)圖像的分割來顯示目標(biāo)識別的結(jié)果.基于顏色相似度的圖像分割可以滿足魯棒性和實時性的要求，且具有良好的分割效果.

1.2.1 顏色相似度

從攝相機輸入的彩色圖像大多數(shù)是以RGB位圖格式存儲的，在RGB空間中，2種顏色之間的距離與人眼對色彩差別的感覺有較大偏差.而在HSV空間中，顏色分量相應(yīng)的歐式距離與人眼感知的顏色差吻合得較好.HSV空間中的2種顏色C1={H1，S1，V1}和C2={H2，S2，V2}之間的距離［1］定義為

兩色彩之間的相似度［8］定義為

1.2.2 基于顏色相似度的圖像分割

分割的目的是要從復(fù)雜的背景中提取出具有特定顏色特征的目標(biāo)物體，具體實現(xiàn)步驟如下.

1)顏色信息的統(tǒng)計及相似度計算.

設(shè)攝像頭拍攝到的圖片大小為m×n，首先計算圖像中像素點顏色信息的均值，得到該圖像的顏色模板C1={H1，S1，V1}［3，6－8］.然后計算圖像中每一像素點和標(biāo)準(zhǔn)顏色模板的顏色距離和相似度.其中:

2)圖像分割.

通過閾值的設(shè)置，可以完成對圖像的分割.計算如式(5)所示.影響分割效果的主要因素是閾值的選取，找到一個合適的閾值是圖像分割最關(guān)鍵的一步［8］.本實驗中，閾值取0.76～0.89能夠得到比較好的分割效果.

式中:Pij表示像素點被分割后的 RGB像素值，threshold為相似度閾值.

3)初步的分割結(jié)束之后，圖像中可能存在小范圍的噪聲點或微小的孔洞，可以利用傳統(tǒng)的腐蝕和膨脹處理，使分割效果更加平滑.

1.3 立體匹配

立體匹配是雙目視覺中最關(guān)鍵的一步，立體像對之間的差異是由攝像時觀察點的不同引起的［1］.

本實驗的目標(biāo)物體形狀較規(guī)則，故采用關(guān)鍵點匹配法，選擇圖像的重心作為關(guān)鍵點.具體做法是利用上一步驟中圖像分割后獲得的二值圖像，計算其重心作為關(guān)鍵點實現(xiàn)立體匹配.二值圖像的重心坐標(biāo)計算如式(6)所示［8］.

1.4 三維重建

立體視覺從左、右觀測點觀看對象時，可以看到對象的偏差.這種偏差與觀測點到被觀測對象的距離有關(guān).三維空間內(nèi)的點在投影圖像上的位置是由三維空間中的某條直線決定的.因此，如果一個對象從其他視點觀測也有同樣的三維投影圖像，那么被觀測對象的空間坐標(biāo)就可以確定，2條視線的交點就是它的位置［8］.這就是三維重建的過程.

1.4.1 基本模型

空間點三維重建的基本模型［7］如圖2所示.

圖2 空間點三維重建模型Fig.2 3-D reconstruction model

對于空間物體表面的任意一點P，被攝像頭C1拍攝下來后，在圖片上位于P1，被攝像頭C2拍攝下來后，在圖片上位于P2，但是無法僅僅通過P1或者P2來得出P的三維位置，因為在直線O1P或O2P上的任意一點P'，其在圖像上的位置都是P1或P2.然而，現(xiàn)在利用2個攝像頭來拍攝圖片，這樣就可以知道目標(biāo)點位于O1P1和O1P22條直線的交點，即可以惟一確定目標(biāo)點的三維位置.

1.4.2 利用最小二乘法計算三維坐標(biāo)

假設(shè)2個攝像頭的投影矩陣分別為M1和M2，可以得到如下 2 個等式［9－12］:

式中:(u1，v1)和(u2，v2)分別為P點的成像點在2幅圖像中的齊次圖像坐標(biāo).Zc1和Zc2分別為P點在2個攝像機坐標(biāo)系下的Z坐標(biāo);(X，Y，Z)為P點在世界坐標(biāo)系下的齊次坐標(biāo);利用最小二乘法，就可以求得P點的三維坐標(biāo)［9］.

2 實驗平臺

以廣茂達(dá)機器人作為實驗平臺，基于此改進(jìn)的雙目立體視覺系統(tǒng)進(jìn)行目標(biāo)的識別和定位.并根據(jù)定位結(jié)果控制機器人對目標(biāo)進(jìn)行抓取.圖3為整個系統(tǒng)的流程圖.

圖3 系統(tǒng)流程Fig.3 Flow chart of the system

2.1 硬件平臺

該機器人的視覺系統(tǒng)是由2個Sony CCD攝像機組成的.每個攝像機包含2個自由度，即水平方向轉(zhuǎn)動范圍為［－100°，100°］，豎直方向的轉(zhuǎn)動范圍為［－25°，25°］，同時具有130 萬像素和 30 幀/s的最高幀率.它的硬件系統(tǒng)如圖4所示.

圖4 機器人硬件系統(tǒng)Fig.4 Hardware of the robot

2.2 軟件環(huán)境

機器人的核心是普通PC，CPU為P4 3.0，RAM為256 MB，可以根據(jù)需要對其配置進(jìn)行升級.開發(fā)環(huán)境為VC++6.0，在此基礎(chǔ)上完成了完整的雙目立體視覺系統(tǒng)開發(fā).系統(tǒng)主界面如圖5所示.

在此系統(tǒng)中，可完成相應(yīng)的視頻采集、云臺控制、三維測距、手臂控制和運動控制等功能.

圖5 軟件系統(tǒng)主界面Fig.5 The main interface of the software system

3 實驗結(jié)果及分析

3.1 攝像機標(biāo)定

利用上文介紹的標(biāo)定方法，對2個攝像頭分別進(jìn)行了標(biāo)定.標(biāo)定物選擇標(biāo)準(zhǔn)棋盤格，標(biāo)定過程中部分角點提取結(jié)果如圖6所示，左右攝像頭參數(shù)的標(biāo)定結(jié)果如表1所示.

圖6 標(biāo)定過程部分角點提取結(jié)果Fig.6 Part of the corner extraction results

表1 攝像頭標(biāo)定結(jié)果Table 1 Camera calibration results

從數(shù)據(jù)上看，左右攝像頭的焦距基本相同，并且，它們各自的x軸和y軸的等效焦距也相同.攝像頭拍攝得到的圖像尺寸為320×240，內(nèi)參矩陣反映的光心點坐標(biāo)也基本在(160，120)附近.這些都符合標(biāo)定的預(yù)期.但是，為了更加準(zhǔn)確地衡量標(biāo)定誤差，需要進(jìn)行重投影誤差計算.假設(shè)(u1，v1)為角點檢測得到的圖像坐標(biāo)，而(u2，v2)為利用標(biāo)定結(jié)果，對實際三維坐標(biāo)投影計算得到的圖像坐標(biāo).利用式(7)計算重投影誤差，得到左攝像頭的重投影誤差為0.137 74，右攝像頭的重投影誤差為0.135 54.誤差級別低于一個像素，說明此方法標(biāo)定精度較高.

對于基于云臺轉(zhuǎn)角的外參數(shù)估計方法，同樣進(jìn)行了誤差分析.假設(shè)(tx1，ty1，tz1)為利用標(biāo)定方法得到的平移向量，而(tx2，ty2，tz2)為利用改進(jìn)的估計方法得到的平移向量.利用式(7)計算總體平均誤差，計算結(jié)果如表2所示.

表2 平移向量估計總體平均誤差Table 2 The overall average error of estimated translation vector cm

從誤差計算結(jié)果來看，此外參估計方法可以比較精確地估計攝像頭旋轉(zhuǎn)之后的外參.

3.2 圖像分割

圖像分割采用的是上文提到基于顏色相似度的分割方法.首先將圖像從RGB空間轉(zhuǎn)換到HSV空間，進(jìn)而計算顏色模板，最后設(shè)置閾值進(jìn)行圖像分割.實驗結(jié)果如圖7～9所示.

圖7 原始圖像Fig.7 The original images

圖8 轉(zhuǎn)化為HSV空間的圖像Fig.8 The images transferred to HSV space

圖9 圖像分割結(jié)果Fig.9 Image segmenting results

直接顏色分割的圖像含有一定的噪聲，采用形態(tài)學(xué)的腐蝕和膨脹處理后，結(jié)果如圖10所示.

圖10 形態(tài)學(xué)處理后的結(jié)果Fig.10 Morphological processing results

3.3 立體匹配

利用顏色分割得到二值化圖像，計算目標(biāo)物重心坐標(biāo).重心標(biāo)記結(jié)果如圖11所示.

圖11 重心標(biāo)記結(jié)果Fig.11 The results of marking the center of gravity

3.4 三維重建

為了評測測距系統(tǒng)的功能和精度，對棋盤格中的角點進(jìn)行了三維重建.實驗中，使得棋盤盡量與機器人平行，以保證角點重建后的Z軸分量大致相同.拍攝得到的棋盤圖如圖12所示.棋盤格的尺寸為28 mm，角點的尺寸為7×5.利用Harris亞像素級角點檢測方法得到圖像中的角點坐標(biāo)，然后對其進(jìn)行三維重建.實驗結(jié)果如表3所示.表3中，角點(1，1)為棋盤圖中左上角第一個角點，且所有角點按照從左到右，從上到下的順序排列.同樣，利用式(9)計算測量平均絕對誤差.計算結(jié)果為2.356 1 mm.從結(jié)果上來看，此方法可以比較精確地實現(xiàn)目標(biāo)三維測距.

圖12 三維測距棋盤Fig.12 Chessboard gragh used for binocular distance

3.5 目標(biāo)抓取

最后，利用廣茂達(dá)機器人平臺，實現(xiàn)了改進(jìn)的雙目立體視覺系統(tǒng).并以此對目標(biāo)識別定位的結(jié)果作為依據(jù)來控制機器人和手臂的相應(yīng)運動，從而成功地實現(xiàn)了機器人對目標(biāo)物體的準(zhǔn)確抓取.

廣茂達(dá)機器人抓取目標(biāo)的流程為:首先識別目標(biāo)物，然后根據(jù)目標(biāo)在圖像中的位置控制云臺轉(zhuǎn)動直至目標(biāo)位于視野正中，進(jìn)而進(jìn)行立體匹配，并對目標(biāo)物體實際位置進(jìn)行定位，根據(jù)定位結(jié)果，首先控制機器人靠近目標(biāo)物體，進(jìn)而控制手臂模塊進(jìn)行相應(yīng)的角度旋轉(zhuǎn)，最終完成抓取動作.

實驗中，機器人可成功地抓取目標(biāo)物體，抓取過程部分截圖如圖13～15所示.

圖13 程序開始時刻Fig.13 At the beginning of the process

圖14 調(diào)整云臺使目標(biāo)位于視野中央Fig.14 Adjust the head to let the target in the center of the vision

圖15 實際抓取過程截圖Fig.15 Actual capture process

表3 三維重建坐標(biāo)與實際坐標(biāo)比較Table 3 Comparison of 3-D reconstruction coordinates and actual coordinates

續(xù)表3

4 結(jié)束語

本文完成的是一個基于改進(jìn)了的雙目立體視覺的目標(biāo)識別與定位系統(tǒng).雙目立體視覺系統(tǒng)主要包括攝像機標(biāo)定、圖像分割、立體匹配和三維測距4個模塊.其中，在攝像機標(biāo)定部分，針對系統(tǒng)的運動特點，在原有算法的基礎(chǔ)上提出了世界坐標(biāo)系轉(zhuǎn)化為機器人坐標(biāo)系和基于云臺轉(zhuǎn)角的外參數(shù)估計2種方法，經(jīng)過誤差分析，基于云臺轉(zhuǎn)角的外參數(shù)估計方法可以精確地完成攝像機旋轉(zhuǎn)情況下對外參的估計，使云臺在實驗過程中可以更加靈活的旋轉(zhuǎn)，增強了該機器人的視覺功能，最后，利用廣茂達(dá)機器人系統(tǒng)作為實驗平臺，基于改進(jìn)后的雙目立體視覺系統(tǒng)進(jìn)行目標(biāo)的識別與定位，并以識別定位的結(jié)果作為依據(jù)來控制機器人和手臂的相應(yīng)運動，從而成功地實現(xiàn)了機器人對目標(biāo)物體的準(zhǔn)確抓取，此結(jié)果更充分驗證了所提出方法的可行性.

［1］祝琨.基于雙目視覺的運動物體實時跟蹤與測距［D］.北京:北京交通大學(xué)，2008:1－103.

ZHU Kun.Real－time tracking and measuring of moving object based on binocular vision［D］.Beijing:Beijing Jiaotong University，2008:1－103.

［2］ZHANG Zhengyou.Flexible camera calibration by viewing a plane from unknown orientations［C］//Proceedings of the IEEE InternationalConference on Computer Vision.Kerkyra，1999:666－673.

［3］吳亞鵬.基于雙目視覺的運動目標(biāo)跟蹤與三維測量［D］.西安:西北大學(xué)，2008:1－58.

WU Yapeng.Moving objects tracking and 3－D measurement based on binocular vision［D］.Xi’an:Northwest University，2008:1－58.

［4］CHEN Yuming.Research on binocular 3－D measurement model based on grating projection［C］//PEITS 2009—2009 2nd Conference on Power Electronics and Intelligent Transportation System.Shenzhen，China，2009:306－308.

［5］ZHANG Zhengyou.A flexible new technique for camera calibration［J］.IEEE Transactions Pattern Analysis and Machine Intelligence，2000，22(11):1330－1334.

［6］瞿中.圖像分割與評價及圖像三維表面重建研究［D］.重慶:重慶大學(xué)，2009:1－108.

QU Zhong.Research on image segmentation，evaluation and image three－dimensional surface reconstruction ［D］.Chongqing:Chongqing University，2009:1－108.

［7］ZHAO Peng，NI Guoqiang.Simultaneous perimeter measurement for 3－D object with a binocular stereo vision measurement system［J］.Optics and Lasers in Engineering，2010，48(4):505－511.

［8］肖南峰.智能機器人［M］.廣州:華南理工大學(xué)出版社，2008:10－98.

［9］蔡健榮，范軍，李玉良.立體視覺系統(tǒng)標(biāo)定及成熟果實定位［J］. 農(nóng)機化研究，2007，11:38－41.

CAI Jianrong，F(xiàn)AN Jun，LI Yuliang.Binocular system calibration and mature fruit location［J］.Agricultural Research，2007，11:38－41.

［10］周子嘯，趙曉林，胡峰，等.基于仿真機器人的雙目視覺定位［J］.電視技術(shù)，2010，8:106－109.

ZHOU Zixiao，ZHAO Xiaolin，HU Feng，et al.Binocular stereo location on emulator robot［J］.TV Technology，2010，8:106－109.

［11］郭巍，張平，朱良，陳曦.基于AdaBoost.ECOC的合成孔徑雷達(dá)圖像目標(biāo)識別研究［J］.哈爾濱工程大學(xué)學(xué)報，2010，31(2):232－236.

GUO Wei，ZHANG Ping，ZHU Liang，CHEN Xi.Research on synthetic aperture radar image target recognition based on AdaBoost.ECOC［J］.Journal of Harbin Engineering University，2010，31(2):232－236.

［12］王科俊，魏娟.基于共面圓的雙目立體視覺分步標(biāo)定法［J］. 應(yīng)用科技，2010，37(1):36－40.

WANG Kejun，WEI Juan.Binocular stereo vision step by step calibration based on coplanar circle［J］.Applied Science and Technology，2010，37(1):36－40.

尚倩，女，1987年生，碩士研究生，主要研究方向為計算機視覺、數(shù)字圖像處理、信號與信息處理.

阮秋琦，男，1944年生，教授，博士生導(dǎo)師，北京交通大學(xué)信息科學(xué)研究所所長，國務(wù)院學(xué)位委員會學(xué)科評議組成員，IEEE高級會員.主要研究方向為圖像處理、計算機視覺、多媒體信息處理、虛擬現(xiàn)實、計算機支持的協(xié)同工作.曾獲國家教委科技進(jìn)步二等獎、鐵道部科技進(jìn)步二等獎和三等獎等，被評為國家級有突出貢獻(xiàn)的中青年專家，獲茅以升科技獎、詹天佑科技人才獎并享受國家政府津貼的榮譽.發(fā)表學(xué)術(shù)論文150余篇，出版著作3部，獲國家專利1項.

李小利，女，1986年生，博士研究生，主要研究方向為數(shù)字圖像處理、計算機視覺和模式識別.

Target recognition and location based on binocular stereo vision

SHANG Qian1，2，RUAN Qiuqi1，2，LI Xiaoli1，2
(1.Institute of Information Science，Beijing Jiaotong University，Beijing 100044，China;2.Beijing Key Laboratory of Advanced Information Science and Network Technology，Beijing 100044，China)

A binocular stereo vision system can be used for target recognition and location.This system consists of four modules，namely camera calibration，image segment，stereo matching，and binocular distance.furthermore，in the calibration section，a method of estimating the outer parameters based on the head angle was studied.In the experiment，this method could estimate the outer parameters accurately when the camera rotated，enhancing the vision function of the system.Then this improved binocular system was realized by the Grandar Robot platform.It was used for target recognition and location，and the results were used to control the robot motion.In the end，the target could be captured successfully，so the proposed method was proven to be feasible.

binocular stereo vision;camera calibration;image segmentation;stereo matching;binocular distance

TP18

A

1673－4785(2011)04－0303－09

10.3969/j.issn.1673－4785.2011.04.004

2010－12－09.

國家自然科學(xué)基金資助項目(60973060);高等學(xué)校博士學(xué)科點專項科研基金資助項目(20080004001).

尚倩.E－mail:renxuefeier@gmail.com.