基于雙目視覺的無人機測距與避障方法研究

摘 要：雙目視覺技術借助人通過雙眼感知立體空間的能力，在雙目攝像頭的幫助下，重建空間中事物的三維信息。雙目視覺還可以通過測距來實現對障礙物躲避的功能。本文主要針對雙目視覺技術在無人機避障中的部分技術進行探索與研究。

關鍵詞：雙目視覺；無人機；避障；算法設計

1 研究背景及意義

視覺是人類感知外部世界的主要途徑，人類視覺為人類提供了周圍環境最可靠最詳細的信息。人類的雙眼獲取和處理視覺信息就相當于兩臺攝像機對環境進行拍攝得到的雙目視頻，通過識別與匹配，從而獲得物體在三維世界中的位置信息，[1]進而實現對于障礙物的躲避功能。隨著計算機速度的加快，制造行業的迅猛發展，雙目視覺技術也逐漸的展露出了優勢，例如：制造成本低、消耗能源少、應變能力強的優勢。基于術雙目技術這些方面的優勢，近些年，人們越來越重視將視覺傳感器應用于障礙物識別、機器人導航等領域中。

2 攝像機的標定

2.1 攝像機模型

針孔模型是攝像頭的最簡單模型。其原理是，光線從場景或物體發射過來，經過一個點可認為針孔，被投影到成像表面，在圖像平面上，圖像被聚焦。因此與遠處物體相關的圖像大小可以只用一個攝像頭參數來描述：焦距。

2.2 視覺系統坐標系

在計算機視覺中，由于一個成像物體以多種形式存在于多種空間中，因此需要建立對于不同情況下的圖像參考坐標系，其主要包括：

1）計算機圖像坐標系：在計算機視覺中，攝像機感光元件獲得的像素信息經過處理后都由數組中的一個元素代替，每一個元素的值即代表了該像素點的值。2）成像平面坐標系：成像平面坐標系與計算機圖像坐標系的不同在于其以圖象的O1為原點，其中O1點一般與計算機圖像平面的中心點相對應。3）攝像機坐標系：攝像機坐標系是基于攝像機、關于空間位置的三維坐標系，坐標系原點是攝像機鏡頭的光心，攝像機的主光軸為坐標系 Z 軸，X、Y 軸構成的平面平行則與像平面平行。4）世界坐標系：世界坐標系則是反應物體在真實三維空間中位置的坐標系，其以空間中任意一點為坐標系原點。[2]

2.3 標定物體的選擇和操作

本課題采用棋盤作為標定物體，棋盤是由不同黑白方塊構成的平面格子。棋盤的標示點與其他標定物相比比較明顯，處理起來也比較容易。將棋盤以不同的位置和角度放置，并采集相應圖像，檢測每組標定模板圖像的角點，通過前面的幾個步驟，得到多幅圖像的角點數據后，可以調用OpenCV中的函數cvCalibrateCamera2（）來進行攝像頭的標定。由這個函數可以得到攝像頭的內參數矩陣、畸變系數、旋轉向量和平移向量。前兩個構成攝像頭的內參數，后兩個構成了物體位置和方向的攝像頭外參數。

3 特征檢測與匹配

目前在計算機視覺中最常用的特征檢測和提取的算法有：

1）SIFT，該算法用于檢測斑點；2）SURF，該算法用于檢測斑點；3）ORB：該算法代表帶方向的 FAST 算法與具有旋轉不變性的 BRIEF 算法。

SURF是SIFT算法改進版，其吸收了 SIFT算法的思想。SURF 算法不僅具有尺度、旋轉、平移不變性，而且對視角變化、噪聲、光照變化具有良好穩定性，并且 SURF 的運算速度比 SIFT快好幾倍，所以可以處理更多的數據，多應用于目標的識別，跟蹤等要求更高實時性的領域。而ORB相對于SURF和SIFT具有更快的速度，ORB的提出解決了Brief不具備旋轉不變性以及對噪聲不敏感的缺點。[3]

在選取特征點匹配的算法時要考慮與其搭配的特征點提取算法，使用特征提取過程得到的特征描述符（DESCRIPTOR）數據類型有的是FLOAT類型的，比如說：SURF，SIFT，有的是UCHAR類型的，比如說有ORB，BRIEF。對應FLOAT類型的匹配方式有：FLANNBASEDMATCHER，BRUTEFORCE等。對應UCHAR類型的匹配方式有：BRUTEFORCE。所以ORB特征描述子只能使用BRUTEFORCE匹配法。另外還有一種相對于更加傳統的SURF+FLANN的方法。

4 測距原理

如圖2所示，雙目測距主要是利用了目標點在左右兩幅視圖上成像的橫向坐標直接存在的差異（即視差），攝像機經過對同一場景進行取景后，通過攝像機標定獲得的內、外參數對兩個圖像進行矯正、獲得視差，進而得到物體在三維空間中的坐標，進而得到攝像頭與物體之間的距離。

5 避障原理

通過對同一場景進行取景后，通過攝像機標定獲得的內、外參數對兩個圖像進行矯正、獲得視差，進而得到物體在三維空間中的坐標以及攝像頭與物體之間的距離。在確定前方障礙物前，預先設定無人機的安全距離L以及一個標準的點數N，在計算每一個匹配點到攝像機的距離后，會得到n個距離大于L的匹配點，如果n>N，則可視為無人前方有障礙物，于是無人機可以在橫向平面的任意方向水平運動，直到n

6 結語

本文主要對根據雙目視覺的原理，通過雙目攝像機獲取場景的信息，得到距離信息，進而實現避障的方法進行研究，利用opencv實現對攝像機標定、特征點檢測與匹配、距離信息提取等方面進行探究，設計了一套可行的方案。但在匹配精度和測距精度上仍有一些地方需要改進。通過實現雙目測距，可以實現測速，進而可以實現無人機導航勘測等功能。

參考文獻：

[1]崔燕茹.基于雙目視覺的障礙物識別與重建[D].南昌航空大學，2012.

[2]吳哲岑.基于雙目立體視覺的特征點提取與定位方法研究[D].吉林大學，2015.

[3]喬·迷你奇諾、約瑟夫·豪斯 OpenCV3計算機視覺[M].北京：機械工業出版社，2016.6：86-96.

基金項目：大學生創新創業資助項目（基于雙目視覺的無人機避障系統ECAUC2017120）

作者簡介：孔繁淇（1997-），男，本科。