双目测距原理

背景——GPS 系统定位原理

已知卫星的位置（通过广播描述卫星运动的星历参数和历书参数），测量得到卫星和用户之间的相对位置（伪距PRN），用导航算法（最小二乘法或卡尔曼滤波法）解算得到用户的最可信赖位置。

图1

获得伪距后，按照下式解算定位结果：

22211111222222222223333322244444()()()(1)()()()(2)()()()(3)()()()(4)(,iSVxRxSVyRySVzRzBCorrPRSVxRxSVyRySVzRzBCorrPRSVxRxSVyRySVzRzBCorrPRSVxRxSVyRySVzRzBCorrPRSVxSVy其中，,)(,,)iiiiSVzBCorriPRiRxRyRz为卫星位置，为接收机钟差等效距离，为第颗卫星的已知修正量，为对第颗卫星的观测伪距，为接收机位置 (,,)RxRyRz接收机位置1111(,,)SVxSVySVz卫星),,(2222SVzSVySVx卫星),,(3333SVzSVySVx卫星),,(4444SVzSVySVx卫星1PR2PR3PR4PR差另一未知数：接收机钟伪距测量原理

GPS 定位的基础就是测距，即通过测量信号从卫星传播到接收机所用的时间获得卫星和接收机之间的距离（iPRct）。

图2

利用伪随机码的自相关特性如图3，令本地码片以一定速度移动如图4，当本地复现码与从卫星传到的码相关值达到最大时，本地码移动了的时间即为所求t。

图3 自相关函数 Δt t1 t2 卫星t1时刻产生的码相位，Δt后到达 从卫星传到的码

接收机产生的复现码 卫星产生的码

将接收机产生的码移动Δt 图4信号捕获过程

技术创新中文核心期刊《微计算机信息》（嵌入式与ＳＯＣ）２００６年第２２卷第４－２期３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》电子设计ＡＤＳ７８５２在双目测距中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆＡＤＳ７８５２ｉｎｄｉｓｔａｎｃｅｍｅａｓｕｒｉｎｇｂａｓｅｄｏｎｂｉｎｏｃｕｌａｒｓｔｅｒｅｏ（１．河北经贸大学；２．石家庄军械工程学院）刘艳玉１李德良２张飞龙２王长龙２Ｌｉｕ，ＹａｎｙｕＬｉ，ＤｅｌｉａｎｇＺｈａｎｇ，ＦｅｉｌｏｎｇＷａｎｇ，Ｃｈａｎｇｌｏｎｇ摘要：本文详细介绍了ＡＤＳ７８５２的工作原理及其应用，并给出了它与８９Ｃ５１及ＴＣＤ２９０１Ｄ的连接电路图。说明了双目测距的原理并给出了测距的求解公式。利用ＡＤＳ７８５２的特点解决了双目测距中激光光斑面积、信号捕捉和测量精度三者之间的矛盾。给出了硬件原理框图和软件流程图。关键词：双目视觉；测距；ＡＤＳ７８５２中图分类号：ＴＰ２７３文献标识码：ＡＡｂｓｔｒａｃｔ：ＴｈｅｐｒｉｎｃｉｐｌｅａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆＡＤＳ７８５２ａｒｅｄｅｖｅｌｏｐｅｄｉｎｔｈｉｓｔｅｘｔ．ＡｎｄｔｈｅｓｃｈｅｍａｔｉｃｗｉｒｉｎｇｄｉａｇｒａｍｏｆＡＤＳ７８５２ｃｏｎｎｅｃｔｅｄｗｉｔｈ８９Ｃ５１ａｎｄＴＣＤ２９０１Ｄｉｓｇｉｖｅｎ．Ｔｈｅｎｔｈｅｐｒｉｎｃｉｐｌｅｏｆｄｉｓｔａｎｃｅｍｅａｓｕｒｉｎｇｂａｓｅｄｏｎｂｉｎｏｃｕｌａｒｓｔｅｒｅｏｉｓｉｎｔｒｏｄｕｃｅｄ．Ａｎｄｔｈｅｅｘｐｒｅｓｓｉｏｎｏｆｄｉｓｔａｎｃｅｍｅａｓｕｒｉｎｇｉｓｄｅｄｕｃｅｄ．Ｔｈｅｒｅｉｓａｃｏｎｔｒａｄｉｃｔｉｏｎａｍｏｎｇａｒｅａｏｆｌａｓｅｒｓｐｏｔ，ｓｉｇｎａｌｃａｐｔｕｒｅａｎｄａｃｃｕｒａｃｙｉｎｄｉｓｔａｎｃｅｍｅａｓｕｒｉｎｇｂａｓｅｄｏｎｂｉｎｏｃｕｌａｒｓｔｅｒｅｏ．ＩｔｉｓｒｅｓｏｌｖｅｄｂｙｔｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆＡＤＳ７８５２．Ｂｌｏｃｋｄｉａｇｒａｍｏｆｈａｒｄｗａｒｅａｎｄｆｌｏｗｃｈａｒｔｏｆｓｏｆｔｗａｒｅａｒｅｇｉｖｅｎａｔｌａｓｔ．Ｋｅｙｗｏｒｄｓ：ｂｉｎｏｃｕｌａｒｓｔｅｒｅｏ；ｄｉｓｔａｎｃｅｍｅａｓｕｒｉｎｇ；ＡＤＳ７８５２文章编号：１００８－０５７０（２００６）０４－２－０２００－０３

视觉是人类获取周围环境信　息的重要手段，当用双眼去观察　不同物体的时候，会有远近之分。　双目立体视觉系统就是仿照人的　双眼去感知距离，具体实现过程　如下：双目视觉系统的摄像机标　定、双目摄像机同时获取图像、　图像预处理、特征点提取、特征　点匹配和空间坐标计算。本文从　双目视觉系统的原理出发，推导　了双目视觉系统的数学表达式，’　分析了几种不同的特征点提取方　法，提出了Ｆ－ＨＡＲＲＩＳ方法，提高　了计算效率，利用双向交叉匹配　办法匹配特征点，在利用几何约　束，剔除误匹配点，原理简单易懂，　效果比较理想。试验中采用畸变　效应小的摄像机（即不考虑畸变），　且摄像机已做过标定：图像预处　理就是一些简单的平滑滤波；图　像分辨率为２０４８＊１　５３６。　键词】特征点提取特征点匹配Ｆ－ＨＡＲＲＩＳ　目立体视觉的数学表达　为了描述问题的方便我们定义三个坐标　真实世界事物的大小、位置一般用世界坐　（ｘｗ，ｙｗ，ｚｗ）表示；摄像机的光学成像系　Ｉ摄像机系统（ＸＣ，ｙｃ，ｚｃ）表示，事物的图像　Ｉ　１所示的ｘｏｙ平面内，即图像坐标系平面，　ｌ像中心一般不和ＺＣ轴重合。　通过图１可以看到，摄像机坐标系就是　：图像坐标系和世界坐标系的桥梁，世界坐　：首先变换到摄像机坐标系，然后通过取整、　：后，变换到图像坐标系的行和列。变换公　下：　托蛐　㈣　斟　（１）　公式中Ｒ和Ｔ组成旋转、平移矩阵，将　坐标系中事物的坐标转换到摄像机坐标　由ｆ组成的转换矩阵，将摄像机坐标系中　ｌ的坐标投影到图像坐标系的Ｘ—ｙ平面上，　把得到的位于图像坐标系Ｘ—ｙ平面上的坐　值除以表示像素大小的ｄｘ、ｄｖ，就得到　坐标系的行ｕ和列ｖ，但由于图像坐标系　Ｉ心和摄像机坐标系的ＺＣ轴一般不重合，　ｌ需；要进行平移ｕ０行和ｖ０列。其中，ＺＣ表　ｍａｇｅ＆Ｍｕｌｔｉｍｅｄｉａ　Ｔｅｃｈｎｏｌｏｇｙ・图像与多媒体技术　双目立体视觉被动测距　摄　文／李永刘建功　

图１：摄像机系统坐标系关系示意图　示事物到镜头的距离，ｆ表示焦距，ｆｘ＝ｆ／ｄｘ，　ｆｙ＝－－ｆ／ｄｙ，表示有效焦距。　在单目摄像机系统中，世界坐标系到图　像坐标系的转换关系用公式（１）表示，为了　简化问题，我们假设世界坐标系的原点和双目　视觉系统中左目摄像系统的摄像坐标系重合，　且各自成像系统的有效焦距相同。　根据以上假设，在左目摄像系统中，公　式（１）中Ｒ为单位阵，Ｔ为零向量，事物坐　标到图像坐标的转换关系为（２）式，ｚｗ就是　事物到镜头的距离。　成像坐标系的转换关系为（３）式。　［；］＝［ｊ．：０　ｕｏｒ］［ｉ　ｉ　ｉ，￣Ｅｘ－ｉ，［ｉ　ｉ　ｉ　］＝　ｒ　（３）　公式（２）、　（３）表示事物上同一点的坐　标在左右两目图像中的像素坐标，联立（２）、（３）　即可得到用像素的位置坐标表示的事物坐标。　但这些像素一般得具有某些特点才能被计算机　自动识别并从两幅图中找到，这就是特征点的　识别和匹配。　＝　一　（　×　一ｔｚ　ｘ（ｕ，一ｕＯ，））　而葛　＝（　一ｕＯ，）（　×　＋ｒＴ　ｘ（ｕ，－ｕＯ　）＋　×ｖｔ－ｖＯ，））　Ｙ　．ｚｃ）　（４）　公式（２）、（３）、（４）中角标ｌ表示　左目摄像机系统，Ｗ表示世界坐标系，ｒ表示　右目摄像机系统。　２双目立体视觉摄像机系统参数　为了能够对（４）式进行求解，需要确定所　有参数数值，其中ｕ１、ｖｌ和ｕｒ是匹配后的特　征点像素坐标，标定后的其它系统参数如下：　ｕ０ｒ为．１７、ｕ０１为４３、ｖＯｌ为．５８、ｒ１为０．９９９６、　ｒ２为．Ｏ．００１０、ｒ３为．０．０２９０、ｒ７为０．０２８９、　ｒ８为．Ｏ．００８６、ｒ９为０．９９９５、ｆｌ为ｌ８７２、ｆｒ为　１９０８、ｔｘ为．２ｌ６．２１和ｔｚ为．０．０８ｌ８的值。　３特征点的寻找　目前应用比较广泛的图像匹配是特征点　匹配法，首先利用特征点算法计算特征点的位　置，常用的特征点有ＳＩＦＴ特征点、ＨＡＲＲＩＳ　特征点和ＦＡＳＴ特征点；然后利用描述子对特　征点进行某种表示，常用的描述子有ＢＲＩＥＦ　描述子和ＳＩＦＴ描述子，最后进行特征点的匹　配。　３．１特征点寻找　双目视觉图像没有旋转、尺度变化，不　能发挥ＳＩＦＴ算子在不变特征提取方面无可比　拟的长处，反而暴露出其很差的实时性。本文　针对ＨＡＲＲＩＳ实时性不足和ＦＡＳＴ太依赖阈值　以及图像本身纹理信息分布可能造成特征点提　取不均匀的缺陷，提出了一种改进的角点检测　算法Ｆ—ＨＡＲＲＩＳ，该算法借鉴了ＨＡＲＲＩＳ角点　Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ＆Ｓｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ电子技术与软件工程・８９　）至　系　桁　坐　物　事　中　丌　儿统　●系　Ⅳｖ　像　０　Ｏ摄　目　舫　一　¨一班　

茄子采摘机器人目标识别与测距方法

宋健;王凯;张晓琛

【摘 要】采用基于亮度的闽值分割算法对G-B灰度图像进行分割,采用4连通像素标记法对果实目标进行标记,提取质心、面积、外接矩形、切断点等特征.采用平面标定方法,建立摄像机矫正数学模型,利用Matlab多次标定计算完成双目视觉系统进行自标定.根据图像分割结果,选取质心为匹配基元,采用极线约束、视差梯度约束的算法来实现果实目标的匹配.根据相似三角形原理,计算茄子果实深度信息.结果表明,测量距离300～ 600 mm范围内,茄子深度信息的误差基本上在±15mm以内,平均用时0.26 s.基于双目视觉的茄子采摘机器人识别与定位方法原理简单,智能性好,适应面广,能够满足采摘机器人目标识别和定位的要求.

【期刊名称】《实验室研究与探索》

【年(卷),期】2015(034)009

【总页数】4页(P54-57)

【关键词】茄子采摘机器人;目标识别;测距;双目视觉

【作 者】宋健;王凯;张晓琛

【作者单位】潍坊学院机电工程学院,山东潍坊261061;常州大学机械工程学院,江苏常州213000;常州大学机械工程学院,江苏常州213000;常州大学机械工程学院,江苏常州213000

【正文语种】中 文

【中图分类】TP242.6

0 引 言

蔬菜自动化收获能有效解决在盛果期菜农劳动强度大、果实采收不及时等难题，对提高生产效率，克服农业劳动力短缺，促进蔬菜产业的发展具有重要意义［1-2］。从上世纪80 年代中期开始，以日本为代表的西方发达国家在收获采摘机器人的研究上作了大量的工作，试验开发了一些具有人工智能的蔬菜采摘机器人［3-5］。但由于技术、市场和价格等因素的影响，离实用化和商业化还有很大一段距离［6］。其中，成熟果实的智能化识别与定位是关键技术之一［7］。

当前，农业机器人常用的目标探测工具是彩色相机。但是，一个彩色相机只能得到目标的二维位置信息和成熟度信息，而无法获取其三维位置信息。而且，单个相机很难保证其信息的准确性和可靠性［8］。当前，国内外的采摘机器人一般采用双目机器视觉或单目视觉加上接近觉传感器来实现对果实进行定位。但由于目前的接近觉传感器在要求的果实距离的范围内准确性不高，所以使得双目视觉的研究更加广泛［9］。Teruo Takahashi 等研制的苹果采摘机器人，其视觉系统主要采用了2 个彩色相机组成的双目立体视觉系统。当左、右两个相机同时获取了同一目标的图像后，通过将两幅图像进行中心合成来重建采摘目标的三维信息［13］。蒋焕煜等研究了基于双目立体视觉技术的成熟番茄的识别与定位方法，获取了成熟番茄的位置信息，用于指导温室内成熟番茄的自动化采摘作业［14］。袁挺等通过建立基于灰度相关与极线几何相结合的匹配策略，实现了双目视觉下的黄瓜抓取点的立体匹配和三维重建［15］。