雙目視覺測距在自動泊車系統中的應用

甘向昕 邊蓓蓓 李德勝

摘? 要：利用雙目視差原理，使用雙目攝像頭實現指定位置的距離計算，采用SGBM雙目匹配算法提高識別精確度，在自動泊車系統的障礙物距離計算及車位相對距離的計算上有著重大意義，解決了超聲波測距和激光雷達等方法識別車位的局限性。

關鍵詞：雙目測距;雙目相機標定;SGBM算法;自動泊車

中圖分類號：TP391.41? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）01-0052-02

Abstract：Based on the principle of binocular parallax，a binocular camera is used to calculate the distance of the designated position，and SGBM is used to improve the recognition accuracy. This is of great significance in the calculation of obstacle distance and relative distance of parking spaces in automatic parking system，and solves the limitations of ultrasonic ranging and lidar in identifying parking spaces.

Keywords：binocular ranging;binocular camera calibration;SGBM algorithm;automatic parking

0? 引? 言

隨著人均車輛擁有量逐年上升，在有限的城市空間中，停車也成了出行難題，自動泊車系統應運而生。

自動泊車系統需要對車位的距離進行測量，利用超聲波傳感器、視覺相機包括激光雷達等工業器件對目標車位進行測距，但是超聲波傳感器對測量距離有局限性，單目相機難以獲取場景深度信息，激光雷達成本較高，相比之下，利用雙目相機，可以降低成本，同時能夠獲取豐富的環境信息。

SGM是一種計算雙目視覺中視差的半全局匹配算法，在OpenCV中叫作半全局塊匹配算法（Semi-global Block Matching，SGBM），在視差效果好的同時效率更高。

1? 雙目測距的實現

雙目測距的原理是利用兩個攝像機系統，從兩個視角獲取同一個目標的不同信息，通過三角測量原理計算出像素之間的偏移來獲取一個點的三維空間位置信息。采用張正友教授提出的單平面棋盤格的攝像機標定方法。此方法克服了傳統標定法需要的高精度標定物的局限性，僅需使用一個打印出來的棋盤格就可以完成。同時相對于自標定而言，提高了精度，便于操作，因此張氏標定法被廣泛應用于計算機視覺方面。平行雙目結構具有幾何關系和計算過程簡單的特點，本系統使用平行雙目結構，再使用張氏標定法的棋盤格作為標定參照物。雙目測距原理如圖1所示。

其中T為左右相機的距離，f為焦距，Z為距離，xl和xr分別為目標點P在左右相機所成的圖像投影點的橫坐標，由圖1的成像關系和相似三角形原理，可得到式（1），因此，求出距離Z的條件是得到xl-xr的值：

1.1? 雙目圖像的采集

如圖2所示，攝像頭為OV9732模塊雙目同步攝像頭，控制系統為樹莓派3B+。使用目標雙目攝像頭采集左右攝像頭的同一幀圖片，需要拍攝的為9×7黑白相間的方格標定板，且需要多角度拍攝，以便使得標定數據更準確。將左右攝像頭的圖像分別按順序命名（如：L1.jpg、R1.jpg），并分別存儲。

1.2? 雙目相機標定與校準

雙目相機由于光學透鏡的不同，在生產和裝配時，會存在一定的缺陷，導致目標物體在線性模型下的位置和實際平面上的成像位置有差距，這就是相機的畸變。雙目視覺的測距是在理想的環境和配置中得到的，而在實際應用中的結果會由于相機畸變而產生一定的誤差，為了盡可能減小誤差，需要去掉相機畸變。當把圖像投射到同一個平面上時，要求同一個像素投射到兩個圖像上時，應該處于兩個坐標系的同一個水平位置。矯正的過程是將標定板打印平鋪在硬板上，使用平行固定的兩個攝像機同時采集同一幀不同角度的標定板圖像。使用MATLAB標定工具箱，分別輸入左右相機的圖片，進行左右相機的單目標定，得到左右相機各自的內部參數值，并將該內部參數值作為雙目標定的初始值傳入，完成雙目標定。將左右攝像頭采集的圖像分別導入MATLAB軟件的Stereo Camera Calibrator應用程序，并設置標定板方格寬度。導入完成后程序會自動識別板上標點，如圖3所示，通過調整和去除偏差過大的圖片組能夠提高數據校正的準確度。

將數據保存并輸出后可以獲得相機的內外參數，將參數添加到程序的參數配置文件中，使用stereoParams.Camera Parameters1.IntrinsicMatrix，寫出左攝像頭的矩陣和右攝像頭的矩陣，如圖4所示，用于SGBM雙目立體匹配算法的計算參數。

1.3? 立體匹配與定位測距

半全局匹配算法計算局部范圍的視差值，計算復雜度較低，多應用在立體匹配算法中。SGM算法在OpenCV中實現為SGBM算法，本系統采用SGBM雙目立體匹配算法。SGBM采用水平Sobel算子，對圖像進行處理，將雙目上的兩個圖像在水平方向上進行匹配，經過處理后將兩個圖像映射成一個新的圖像，這就是立體匹配的預處理，經過該處理會得到圖像的梯度信息。

將預處理圖像的梯度信息經過基于采樣的方法得到梯度代價，這是代價計算的一部分，還需將原圖像經過基于采樣的方法得到SAD代價，上述兩個代價都會在SAD窗口內進行計算。在SGBM匹配算法中通過調節blocksize和numDisparities兩個參數來獲得最佳的視差效果圖。其中SAD窗口大小的值一般應該在5×5到21×21之間，且其必須為奇數。在程序中通過左右攝像頭圖像在同一位置的不同像素點計算出距離值。

2? 測量數據

為了驗證本系統的準確性，采用本文所述SGBM算法進行使目標物體在不同距離中進行檢測，數據如表1所示，結果顯示距離越近，誤差比例越小，200 mm到5000 mm距離范圍內的誤差在0.50%～1.64%之間。

3? 結? 論

雙目測距算法可應用于工業上的非接觸式距離測量，以及無人駕駛領域中跟車距離的測量和車前障礙物距離測量，該雙目測距方式解決了超聲波測距的測量距離限制和單目相機對獲取場景深度信息的限制，在未來，該技術還將會廣泛地應用于人工智能領域以解決無接觸式的距離測量問題。雖然該測距系統在測距精度和局限性方面都有較優的表現，但由于是通過視覺方式實現，還是會受到環境光線的影響，例如被測物體上的強烈反光會對測距誤差造成影響，在該方面還需要改進。

參考文獻：

[1] ZHANG Z. A flexible new technique for camera calibration [J]. Pattern Analysis and Machine Intelligence，IEEE Transactions on，2000，2（11）：1330-1334.

[2] 許威，丁學文，宋蘭草，等.基于MATLAB和OpenCV的雙目視覺測距系統的實現 [J].天津職業技術師范大學學報，2017，27（4）：47-52.

[3] 方博文，張曉東，陳敬義，等.基于雙目視覺的行車中障礙距離檢測方法研究 [J].機械設計與制造，2019（4）：94-98.

作者簡介：甘向昕（1998-），男，壯族，廣西貴港人，本科，研究方向：計算機嵌入式;通訊作者：邊蓓蓓（1982-），女，漢族，黑龍江哈爾濱人，講師，碩士，研究方向：計算機嵌入式、圖像識別。