[發(fā)明專利]雙介質(zhì)下基于雙目視覺的目標(biāo)姿態(tài)測(cè)量方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210008620.0
• 申請(qǐng)日: 2012-01-03
• 公開（公告）號(hào): CN102607526A
• 公開（公告）日: 2012-07-25
• 發(fā)明（設(shè)計(jì)）人: 孫偉;郭寶龍;任龍;陳龍;胡博
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G01C11/00
• 分類號(hào): G01C11/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種雙介質(zhì)下基于雙目視覺的目標(biāo)姿態(tài)測(cè)量方法，包括如下步驟：

(1)對(duì)左右攝像機(jī)進(jìn)行標(biāo)定，得出攝像機(jī)的內(nèi)參數(shù)和外參數(shù)，根據(jù)該內(nèi)外參數(shù)計(jì)算出左攝像機(jī)的內(nèi)參數(shù)矩陣M_l1、外參數(shù)矩陣M_l2和投影矩陣M_l，右攝像機(jī)內(nèi)參數(shù)矩陣M_r1、外參數(shù)矩陣M_r2和投影矩陣M_r；通過左右兩個(gè)攝像機(jī)采集目標(biāo)物體的圖像：設(shè)左攝像機(jī)采集到的圖像為I_l(x，y)，右攝像機(jī)采集到的圖像為I_r(x′，y′)，并對(duì)兩幅圖像依次進(jìn)行對(duì)比度增強(qiáng)和灰度降低處理；

(2)采用Harris角點(diǎn)檢測(cè)的方法，找出空間目標(biāo)在左圖像I_l(x，y)中的特征點(diǎn)，并得出左圖像中每個(gè)特征點(diǎn)的圖像坐標(biāo)P_l＝(x，y)^T；

(3)采用極線約束方法進(jìn)行特征點(diǎn)匹配，并利用金字塔快速匹配方法，以左圖像特征點(diǎn)為模板中心，找出空間目標(biāo)點(diǎn)在右圖像I_r(x′，y′)中與左圖像特征點(diǎn)相匹配的特征點(diǎn)，得出特征點(diǎn)在右圖像的圖像坐標(biāo)P_r＝(x′，y′)^T；

(4)根據(jù)左右攝像機(jī)的參數(shù)和多對(duì)匹配特征點(diǎn)的圖像坐標(biāo)進(jìn)行三維重建，得出特征點(diǎn)在空間中世界坐標(biāo)系下的三維坐標(biāo)；

(5)根據(jù)折射原理，建立三維坐標(biāo)值的修正模型，利用該修正模型對(duì)世界坐標(biāo)系下的三維坐標(biāo)進(jìn)行修正，得出準(zhǔn)確的三維坐標(biāo)值，在目標(biāo)物體上建立目標(biāo)坐標(biāo)系，計(jì)算目標(biāo)坐標(biāo)系下的三維坐標(biāo)值；

(6)根據(jù)RANSAC隨機(jī)采樣算法篩選出同一平面內(nèi)的所有特征點(diǎn)，利用這些特征點(diǎn)在世界坐標(biāo)系和目標(biāo)坐標(biāo)系下的三維坐標(biāo)值，求解空間目標(biāo)物體的姿態(tài)。

2.根據(jù)權(quán)利要求1所述的雙介質(zhì)下基于雙目視覺的目標(biāo)姿態(tài)測(cè)量方法，其中步驟(2)所述的采用Harris角點(diǎn)檢測(cè)的方法，找出空間目標(biāo)在左圖像I_l(x，y)中的特征點(diǎn)，按如下步驟進(jìn)行：

(2a)利用式Ix=Il⊗(-1,0,1)TIy=Il⊗(-1,0,1)T]]>計(jì)算左圖像I_l(x，y)梯度圖像，其中表示卷積運(yùn)算，I_x為水平梯度圖像，即圖像在x方向的一階偏導(dǎo)數(shù)，I_y為垂直梯度圖像，即圖像在y方向上的一階偏導(dǎo)數(shù)；

(2b)利用水平梯度圖像I_x和垂直梯度圖像I_y構(gòu)造自相關(guān)矩陣：

M=w⊗Ix2IxIyIxIyIy2=ACCB,]]>w＝exp(-(x²+y²)/2σ²)，是高斯平滑窗函數(shù)，w中的x，y是高斯窗函數(shù)內(nèi)點(diǎn)的橫縱坐標(biāo)值，σ是尺度空間坐標(biāo)，A是高斯平滑窗函數(shù)同圖像在x方向上的二階偏導(dǎo)數(shù)的卷積，B是高斯平滑窗函數(shù)同圖像在y方向上的二階偏導(dǎo)數(shù)的卷積，C是高斯平滑窗函數(shù)同圖像在x和y方向的二階混合偏導(dǎo)數(shù)的卷積，M矩陣是一個(gè)二階實(shí)對(duì)稱矩陣，必然存在兩個(gè)特征值λ₁和λ₂；

(2c)取圖像中任意一點(diǎn)(x，y)，將對(duì)該點(diǎn)是否為角點(diǎn)的判斷轉(zhuǎn)化為對(duì)M矩陣的特征值λ₁和λ₂的判斷，并進(jìn)一步將其轉(zhuǎn)化為對(duì)矩陣M的跡trace(M)和行列式det(M)的計(jì)算和判斷，其中trace(M)＝λ₁+λ₂＝A+B，det(M)＝λ₁λ₂＝AB-C²，當(dāng)trace(M)和det(M)滿足：det(M)-k·trace²(M)＞T時(shí)，則點(diǎn)(x，y)是一個(gè)角點(diǎn)，并作為左圖的一個(gè)特征點(diǎn)，這里T是一個(gè)固定的閾值，k是參數(shù)，k＝0.04～0.06。