基于單目視覺多視圖平面點(diǎn)位置的最優(yōu)估計(jì)

丁尚文，王純賢

（1.合肥工業(yè)大學(xué) 宣城校區(qū)基礎(chǔ)部，宣城 242000：2.合肥工業(yè)大學(xué) 宣城校區(qū)機(jī)械工程系，宣城 242000）

基于單目視覺多角度測(cè)量的平面點(diǎn)位置最優(yōu)估計(jì)是機(jī)器視覺研究的經(jīng)典問題，同時(shí)也是機(jī)器人定位[1-2]，航天器交會(huì)對(duì)接[3-5]等技術(shù)的重要研究內(nèi)容。

該方法主要基于多視圖利用圖像點(diǎn)特征解算相機(jī)坐標(biāo)系相對(duì)世界坐標(biāo)系的位置與姿態(tài)。文獻(xiàn)[6]利用三焦點(diǎn)張量方法實(shí)現(xiàn)對(duì)機(jī)器人運(yùn)動(dòng)位置與姿態(tài)估計(jì)。文獻(xiàn)[7]提出基于多視圖的移動(dòng)機(jī)器人視覺位置與姿態(tài)軌跡跟蹤方法。為了實(shí)現(xiàn)車輛的位姿估計(jì)，文獻(xiàn)[8]提出面向三視圖幾何相關(guān)約束的的視覺輔助導(dǎo)航和慣性導(dǎo)航系統(tǒng)相融合的方法。文獻(xiàn)[9]利用三視圖幾何相關(guān)約束條件實(shí)現(xiàn)對(duì)相機(jī)相對(duì)世界坐標(biāo)系下的相對(duì)位姿估計(jì)。文獻(xiàn)[10]基于雙目視覺方法對(duì)航天器間的位姿測(cè)量展開研究。文獻(xiàn)[11]采用雙目視覺測(cè)量方法對(duì)未知的空間物體在相機(jī)坐標(biāo)系下的位姿給出估計(jì)算法。

空間平面點(diǎn)的定位較多地利用相機(jī)標(biāo)定技術(shù)獲得空間目標(biāo)在世界坐標(biāo)系下的位置。具體方法是將投影矩陣分解成得到相機(jī)內(nèi)參數(shù)和外參數(shù)（旋轉(zhuǎn)矩陣和平移），利用相機(jī)標(biāo)定方法確定出相機(jī)參數(shù)，然后利用投影點(diǎn)的圖像坐標(biāo)重建特征點(diǎn)在世界坐標(biāo)系下的位置[12]。由于相機(jī)標(biāo)定誤差的影響，以及分解形式不唯一性尤其是內(nèi)參數(shù)的求解不穩(wěn)定性，從而導(dǎo)致不同視角下重建的特征點(diǎn)坐標(biāo)不完全相等。針對(duì)空間點(diǎn)的位置估計(jì)問題，在此提出基于單目視覺多角度測(cè)量的平面點(diǎn)位置最優(yōu)估計(jì)。

1 坐標(biāo)系建立和基本方程

1.1 坐標(biāo)系建立

相機(jī)成像模型由針孔成像原理得到，相機(jī)標(biāo)定是指建立相機(jī)圖像像素位置與現(xiàn)實(shí)世界特征點(diǎn)位置之間的對(duì)應(yīng)關(guān)系，由已知特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)求解相機(jī)的模型參數(shù)。在此就相機(jī)參數(shù)標(biāo)定涉及到的4個(gè)坐標(biāo)系建立給予詳細(xì)描述，坐標(biāo)系之間的關(guān)系如圖1所示。

圖1 四個(gè)坐標(biāo)系相關(guān)位置Fig.1 Relative position of four coordinate systems

1）圖像坐標(biāo)系（l，u，v），簡(jiǎn)稱（l）系。 計(jì)算機(jī)內(nèi)的圖像由一系列排列有序的像素點(diǎn)組成，坐標(biāo)原點(diǎn)位于圖像左上角，水平向右為u軸正方向，垂直向下為軸正方向，圖像坐標(biāo)（u，v）表示像素點(diǎn)在圖像中的行列位置，單位為像素。

2）成像坐標(biāo)系（i，x，y），簡(jiǎn)稱（i）系。 （i）系被稱作圖像的物理坐標(biāo)系。原點(diǎn)位于成像平面的中心點(diǎn)，水平向右為x軸正方向，垂直向下為y軸正方向，坐標(biāo)（x，y）表示像點(diǎn)在圖像中的物理位置，單位為mm。

3）相機(jī)坐標(biāo)系（c，x，y，z），簡(jiǎn)稱（c）系。 將相機(jī)的光心設(shè)為坐標(biāo)原點(diǎn)，相機(jī)的光軸為z坐標(biāo)軸、x軸和y軸分別平行于成像坐標(biāo)系的橫、縱軸，z坐標(biāo)軸正方向方向符合右手坐標(biāo)系法則。

4）世界坐標(biāo)系（w，X，Y，Z），簡(jiǎn)稱（w）系。 選擇物體上的某一點(diǎn)作為坐標(biāo)原點(diǎn)，X，Y和Z坐標(biāo)軸的選取符合右手坐標(biāo)系法則。

1.2 符號(hào)和基本方程

P=[X，Y，Z ]T表示在（w）系下的三維坐標(biāo)，對(duì)應(yīng)投影點(diǎn)用p=[u，v ]T表示。它們的齊次坐標(biāo)對(duì)應(yīng)記為。由針孔成像模型[7]，可得到

式中：s為非零尺度因子；［R，t］為（c）系相對(duì)（w）系的旋轉(zhuǎn)矩陣、平移向量；α，β分別為攝像機(jī)在u方向、v 方向上的有效焦距；（u0，v0）為攝像機(jī)的主點(diǎn)坐標(biāo)；λ為傾斜因子。

通常，假設(shè)在（w）系下的平面方程設(shè)為Z=0，為避免標(biāo)記混淆，在此用表示平面模型的點(diǎn)表示平面模板特征點(diǎn)對(duì)應(yīng)的圖像齊次坐標(biāo)。記ri表示旋轉(zhuǎn)矩陣的R第i列（i=1，2，3），根據(jù)式（1），可以得到平面點(diǎn)與投影點(diǎn)對(duì)應(yīng)的投影矩陣[12]，即

2 平面點(diǎn)最優(yōu)估計(jì)模型與求解

利用式（2）將平面點(diǎn)與投影點(diǎn)對(duì)應(yīng)的投影矩陣分解為

令 h′＝［h11h12h13h21h22h23h31h321］，則有

為了精確得到投影矩陣，建立基于像素坐標(biāo)誤差的目標(biāo)函數(shù)，即

式中：mij為三維場(chǎng)景中第i個(gè)物點(diǎn)在第j幅圖像上的圖像坐標(biāo)；Hi為第i幅圖像與特征點(diǎn)之間的投影矩陣；Mj為平面上第 j個(gè)特征點(diǎn)空間坐標(biāo)。中投影矩陣Hi的初始值可通過式（6）得到。采用非線性算法求解滿足目標(biāo)函數(shù)條件的最優(yōu)值，即得到投影矩陣。利用投影矩陣，通過特征點(diǎn)的圖像坐標(biāo)，得到特征點(diǎn)在相機(jī)坐標(biāo)系下的坐標(biāo)，即

設(shè) Pi點(diǎn)的坐標(biāo)為，則Pi點(diǎn)的齊次坐標(biāo)為

通過以上公式，可以發(fā)現(xiàn)不同的角度得到的單一矩陣不同，估計(jì)出來的特征點(diǎn)Pi點(diǎn)的橫、縱坐標(biāo)值存在著誤差。假設(shè)特征點(diǎn)P在世界坐標(biāo)系下的齊次坐標(biāo)為，則其估計(jì)值應(yīng)滿足

對(duì)目標(biāo)函數(shù)求偏導(dǎo)，即有下式成立：

得到P點(diǎn)橫、縱坐標(biāo)的最優(yōu)估計(jì)值為

利用式（12），可以得到空間平面內(nèi)特征點(diǎn)P的位置。

3 試驗(yàn)測(cè)試

3.1 仿真試驗(yàn)驗(yàn)證

為了驗(yàn)證新線性算法有效性，文中使用了虛擬相機(jī)進(jìn)行了仿真驗(yàn)證，并將本文試驗(yàn)結(jié)果與文獻(xiàn)[12]的試驗(yàn)結(jié)果進(jìn)行比較。

仿真試驗(yàn)參數(shù)如下：相機(jī)最大分辨率為2048×1536 像素；相機(jī)圖像傳感器大小為（6.4×4.8）mm2；相機(jī)內(nèi)參數(shù)真值為f=8 mm；圖像傳感器中心在成像坐標(biāo)系下的坐標(biāo)為（Cx，Cy）=（3.3，2.5）；相機(jī)鏡頭水平和垂直方向上的畸變系數(shù)為k1=1，k2=1。平面圖像特征點(diǎn)位置如圖2所示。

圖2 仿真平面靶標(biāo)位置Fig.2 Simulation plane target position

選取圖2中至少4個(gè)特征點(diǎn)作為相機(jī)參數(shù)標(biāo)定點(diǎn)[12]，例如：A1［0，0，0］，A2［10，0，0］，A3［10，10，0］，A4［0，10，0］。其余特征點(diǎn)位置分布在圖2中所標(biāo)注的位置。在此待驗(yàn)證的平面內(nèi)特征點(diǎn)位置坐標(biāo)分別為B1［20，0，0］，B2［20，10，0］，B3［20，20，0］，B4［10，20，0］，B5［0，20，0］。

虛擬相機(jī)從不同角度拍攝3幅圖像。實(shí)際檢測(cè)到成像點(diǎn)ai′的坐標(biāo)受噪聲影響存在誤差，在此對(duì)獲取到成像點(diǎn) ai′的坐標(biāo)（xai′，yai′）添加白噪聲，白噪聲從0增加到10個(gè)像素，步長為1像素。采用2種方法重建出的特征點(diǎn)坐標(biāo)仿真如圖3所示。

圖3 特征點(diǎn)位置誤差Fig.3 Feature points position error

由圖3（a）可見，利用本文線性算法得到的特征點(diǎn)坐標(biāo)的估計(jì)值與真實(shí)值誤差平方和不超過0.025 mm；通過文獻(xiàn)[12]方法得到的特征點(diǎn)坐標(biāo)的估計(jì)值與真實(shí)值誤差平方接近0.028 mm。

由圖3（b）可見，利用本文線性算法得到的特征點(diǎn)坐標(biāo)的估計(jì)值與真實(shí)值誤差平方和估計(jì)值不超過0.05 mm；通過文獻(xiàn)[12]方法得到的特征點(diǎn)坐標(biāo)的估計(jì)值與真實(shí)值誤差平方和接近0.07 mm。

3.2 位姿測(cè)量試驗(yàn)與分析

為了驗(yàn)證基于單目視覺多角度測(cè)量的平面點(diǎn)位置最優(yōu)估計(jì)方法結(jié)果的可靠性和精度，在此對(duì)平面內(nèi)特征點(diǎn)從不同視角拍攝3幅圖像，試驗(yàn)中使用的平面模板如圖4所示。

圖4 平面模板圖像特征點(diǎn)位置Fig.4 Feature point position of plane template image

相機(jī)參數(shù)如下：相機(jī)最大分辨率為像素；相機(jī)圖像傳感器大小為（6.4×4.8）mm2；相機(jī)焦距為 f=8 mm。

在圖4中，左上區(qū)域內(nèi)的4個(gè)特征點(diǎn)為解算投影矩陣的特征點(diǎn)，它們?cè)冢╳）系下的坐標(biāo)分別為A1［0，0，0］，A2［50，0，0］，A3［50，50，0］，A4［0，50，0］；隨機(jī)選取的平面內(nèi)4個(gè)特征點(diǎn)分布在圖4中淺色所標(biāo)注的位置上。待驗(yàn)證的平面內(nèi)淺色的特征點(diǎn)位置坐標(biāo)分別為 B1［60，60，0］，B2［80，80，0］，B3［100，100，0］，B4［120，120，0］。本文提出新方法所獲得試驗(yàn)結(jié)果，與利用文獻(xiàn)[12]方法獲得試驗(yàn)結(jié)果進(jìn)行比較，結(jié)果見表1。

表1 兩種方法重建點(diǎn)坐標(biāo)估計(jì)Tab.1 Reconstruction of point coordinate estimation by two methods

由表可知，采用文獻(xiàn)[12]方法獲得特征點(diǎn)坐標(biāo)（120，120）的誤差為 4.3 mm；如果采用本文所提最優(yōu)誤差估計(jì)方法最大誤差不超過0.8 mm，4個(gè)特征點(diǎn)坐標(biāo)估計(jì)值誤差最大不超過1.2 mm?？梢姡笳叩奶卣鼽c(diǎn)坐標(biāo)估計(jì)精度高，能夠有效降低不同視圖下的隨機(jī)誤差的影響。

4 結(jié)語

空間平面點(diǎn)的定位較多的利用相機(jī)標(biāo)定技術(shù)獲得空間目標(biāo)在世界坐標(biāo)系下的位置。本文所提基于單目視覺多角度測(cè)量的平面點(diǎn)位置最優(yōu)估計(jì)方法，利用投影矩陣，直接得到平面點(diǎn)的位置。采用本文的最優(yōu)誤差估計(jì)方法最大誤差不超過1.2 mm，特征點(diǎn)坐標(biāo)估計(jì)精度高，能夠滿足視覺測(cè)量的要求。后續(xù)的研究將著重于利用雙目視覺測(cè)量三維點(diǎn)坐標(biāo)以及最優(yōu)點(diǎn)坐標(biāo)估計(jì)問題。