基于雙目立體視覺的運動目標探測

畢凌鋅　楊立娜

摘 要：文章以市內道路場景下采集的圖像序列為研究對象，以雙目立體視覺中的立體匹配、三維重建、物體分割進行了研究和分析，提出了基于邊緣索引的立體匹配算法和基于深度的物體分割算法，最后對算法進行驗證，實驗結果表明該方法能有效地檢測出動態背景下的運動目標。

關鍵詞：立體視覺；立體匹配；三維重建；物體分割

中圖分類號：TP391.4 文獻標志碼：A 文章編號：2095-2945（2018）17-0014-02

Abstract： In this paper， the image sequences collected from the urban road scene are taken as the research object， and the stereo matching， 3D reconstruction and object segmentation in binocular stereo vision are studied and analyzed. A stereo matching algorithm based on edge index and an object segmentation algorithm based on depth are proposed. Finally， the algorithm is verified. The experimental results show that the method can effectively detect moving objects in dynamic background.

Keywords： stereo vision； stereo matching； 3D reconstruction； object segmentation

1 引言

先進的汽車駕駛輔助系統[1，2]是智能交通系統不可或缺的一部分，其目的就是解決駕駛員駕駛車輛時潛在的交通安全問題，讓其更早的了解車輛前方的場景信息。而視覺是人類獲取信息的最有效手段，車輛駕駛過程中駕駛員最依賴的感覺便是視覺，因此基于視覺的障礙物探測技術已經成為了先進駕駛系統中獲取信息，并使駕駛員采取緊急措施的非常重要的手段。因此，在汽車駕駛輔助系統中實時通報駕駛員前方障礙物的準確位置信息以及運動情況，并在即將發生危險時及時提醒駕駛員采取規避措施是非常必要的。

2 雙目立體視覺原理

立體視覺是由兩幅或多幅圖像獲取物體三維幾何信息的方法[3，4]。雙目立體視覺的基本原理如圖1所示。其中，C1與C2是焦距、各內部參數相同的兩個攝像機，它們的X軸相互重合，Y軸相互平行，光軸相互平行。

其中，攝像機內部參數為ax、ay、u0、v0。u1、v1、u2、v2是以像素為單位的圖像坐標，b為基線長度，d=μ1-μ2稱為視差，其大小和P點的三維空間距離Z成反比。產生視差的原因是兩圖像采集的視角不同。由式（1）可知物體點的視差值與實際深度Z呈反比，當實際深度增加時，視差值反而減小。

3 算法分析

3.1 基于邊緣索引的立體匹配方法

如圖2所示為某一道路場景的左、右圖像。立體匹配[5，6]的實現步驟如下：（1）用Sobel算子對左右圖像進行邊緣檢測。（2）將左圖中每個邊緣點作為特征點，并在右圖中相應極線上找匹配點。（3）指定一矩形區域給特征點和待匹配點。（4）計算矩形區域內匹配點簇的標準交叉相關系數并以數組形式存儲。（5）求相關系數數組中的最大值，設定閾值，如果標準交叉相關系數大于預定義閾值，則該點即為左圖特征點在右圖中的匹配點，同時數組用二次插值來得到亞像素精度的視差估計。（6）對與最大相關系數鄰近的五個連續的相關系數，用多項式函數做最小二乘法擬合，函數極值點就是在左圖特征點的匹配點位置。圖3所示為立體匹配的視差圖。

3.2 障礙物探測中的三維重建

三維重建是一種從二維投影中恢復重建物體三維信息的計算機技術。[7]通過3.1節的立體匹配已經可以將空間任意一點P在兩個攝像機C1和C2上的圖像點對P1，P2分別檢測出來，已知像素點視差值d=μ1-μ2，兩攝像機也已經被標定完成，焦距f和基線b即已知，P點的世界坐標X，Y，Z即可根據公式（2）求出。

3.3 基于深度的物體分割

由于道路場景的復雜性，在不知道場景的情況下，利用單幅二維圖像的信息進行物體分割幾乎是不可行的。考慮到實際應用中目標分割應該從水平和深度方向進行，因此本文采用基于深度信息的物體分割。實現步驟如下：（1）將視差圖從（X，Y）平面轉化到（X，Z）平面，得到二值深度圖。（2）從像素點（1，1）開始檢測圖像中所有像素點，如果發現某個像素點的灰度值為255則根據8連通區域增長法檢測與該點相鄰的四個點的像素值，根據相應準則進行連通性判斷，并對該區域內的像素點進行標注，將相應區域像素點灰度值改為標號。（3）統計標號及各個區域中像素點的數目。（4）設定合理閾值，當區域像素點數目小于閾值則將該區域內像素點灰度置0。（5）對像素點數目大于閾值的連通區域距離坐標求最小值，水平和豎直坐標求最大最小值，Z值即為障礙物距車輛的距離，水平和豎直坐標的最大最小值之差即為探測出障礙物的寬度和高度信息。（6）根據坐標對應關系還原到原圖，對探測的障礙物邊界畫矩形框。

如圖4所示為障礙物分割結果圖，中間圖像中的障礙物存在區域對應于場景中的道路左側樹木、柱狀警告牌、道路邊緣凸起、車輛和道路中間的障礙物。

4 結束語

本文對立體視覺中的立體匹配、三維重建、物體分割進行了研究和分析，提出了基于邊緣索引的立體匹配算法和基于深度的物體分析算法，并在Matlab開發環境下對道路場景下采集的圖像序列進行了仿真實驗，實驗結果表明雙目立體視覺對場景中的車輛障礙物的探測是實時有效的。

參考文獻：

[1]劉衛平，黃富元.車輛安全輔助駕駛系統發展概述[J].汽車運用，2005，

[2]李克強，王躍建.基于ITS技術的汽車駕駛安全輔助系統[J].汽車技術，2006，3（12）：32-35.

[3]游素亞，徐光 .立體視覺研究現狀與進展[J].中國圖像圖形學報，1997，2（1）：17-24.

[4]馬頌德，張正友.計算機視覺[M].北京：科學出版社，1998.

[5]霍艷艷，黃影平.基于立體視覺和光流的障礙物探測方法[J].信息技術，2013（1）：125-127

[6]閔琪，黃影平.基于立體視覺與光流融合的運動目標檢測[J].光學技術，2016（1）：28-33

[7]DaubechiesI. The wavelet transform， time-frequency localization and signal analysis [J]. IEEE-IT， 1990，36（5）：961-1005.