【正文】 ,.[24] 華舒悅, 楊龍. 基于MATLAB的攝像機(jī)標(biāo)定研究與實(shí)現(xiàn)[J]. 東莞理工學(xué)院學(xué)報(bào), 2013(3):1216.[25] 杜冬梅, 田昆鵬, 姜磊,等. 基于Matlab的攝像機(jī)標(biāo)定方法研究[J]. 河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2012, 24(4):6871.[26] 王建強(qiáng), 張海花. 基于Matlab工具箱的攝像機(jī)標(biāo)定[J]. 實(shí)驗(yàn)室研究與探索, 2013, 32(6):3739.[27] 陸寧. 基于雙目視覺(jué)的三維重建技術(shù)研究[D]. 東北大學(xué), 2008. 致謝致謝金色六月，大學(xué)四年的生活過(guò)的飛快，我已經(jīng)迎來(lái)了我的畢業(yè)季。ObtainingIntelligence,Z.其中攝像機(jī)標(biāo)定與立體匹配技術(shù)是雙目視覺(jué)系統(tǒng)最為重要的環(huán)節(jié)，研究其實(shí)現(xiàn)方式及匹配效率與精度等問(wèn)題對(duì)雙目視覺(jué)系統(tǒng)的發(fā)展有著極其重要的意義。點(diǎn)擊“Run stereo calibration”鍵，計(jì)算并輸出左、右攝像機(jī)的內(nèi)參數(shù)和優(yōu)化后的內(nèi)參數(shù)。總之，本章是對(duì)攝像機(jī)標(biāo)定以及立體匹配過(guò)程進(jìn)行了理論研究，下一章的實(shí)驗(yàn)打下基礎(chǔ)。 (217)圖29 立體投影示意為了獲得更平滑的深度圖，可在在計(jì)算深度之前使用窗口大小的中值濾波過(guò)濾不可靠的視差。首先預(yù)定一個(gè)視差搜索范圍，再將每個(gè)像素的誤差能量值通過(guò)多次均值濾波器進(jìn)行處理得到平均誤差能量矩陣；均值濾波器可以消除像素點(diǎn)之間RGB差值驟變導(dǎo)致的匹配誤差。因此，非線性畸變可用徑向畸變的修正量表示，公式如下： (210)其中，；參數(shù)與非線性畸變參數(shù)和統(tǒng)稱為非線性攝像機(jī)模型的內(nèi)部參數(shù)[18]。表示攝像機(jī)坐標(biāo)系，為攝像機(jī)光心即攝像機(jī)坐標(biāo)系原點(diǎn)；為攝像機(jī)焦距。 (4)三維重建 通過(guò)圖像的立體模型，恢復(fù)圖像的立體感，獲取場(chǎng)景立體信息。主要闡述雙目視覺(jué)系統(tǒng)的研究背景與意義以及國(guó)內(nèi)外研究發(fā)展現(xiàn)狀。因此雙目視覺(jué)的研究發(fā)展對(duì)各個(gè)領(lǐng)域科技創(chuàng)新發(fā)展具有重要的價(jià)值。因此，雙目視覺(jué)系統(tǒng)中的利用2D圖像獲取3D信息過(guò)程中，攝像機(jī)標(biāo)定與立體匹配具有極其重要的地位。第四章：總結(jié)與展望。因此，攝像機(jī)標(biāo)定在雙目視覺(jué)系統(tǒng)中具有重要的地位：標(biāo)定結(jié)果的精度直接影響到后續(xù)工作的可靠度。將公式(24)，(25)代入上式得出空間中與其投影點(diǎn)的關(guān)系 (28)其中，分別稱為軸上歸一化焦距；為投影矩陣；參數(shù)決定，稱為攝像機(jī)內(nèi)部參數(shù)；稱為攝像機(jī)外部參數(shù)。(圖26)步驟2：在視差搜索范圍內(nèi)對(duì)每一個(gè)視差矩陣進(jìn)行多次平均濾波 (圖27)步驟3：在矩陣中為每一個(gè)像素找到最小視差量，將最小視差每個(gè)像素處的視差值定義為視差圖像。 (220)通過(guò)過(guò)濾一些不可靠的差異，將比的誤差能量估計(jì)更加精準(zhǔn)。鼠標(biāo)點(diǎn)擊設(shè)定棋盤格靶標(biāo)的選定區(qū)域時(shí)，選取區(qū)域四邊與棋盤格靶標(biāo)的網(wǎng)格線重合，重合度決定角點(diǎn)提取結(jié)果的準(zhǔn)確度，正確選取結(jié)果如圖32所示，誤選如圖33所示： 圖32 合適的靶標(biāo)選定區(qū)域與角點(diǎn)提取結(jié)果，(a) 靶標(biāo)選定區(qū)域，(b) 角點(diǎn)提取結(jié)果如(a)圖所示標(biāo)出了待提取角點(diǎn)的區(qū)域，圖(b)標(biāo)出了角點(diǎn)提取區(qū)域中提取出的角點(diǎn)。采用高清雙目攝像機(jī)拍攝一組左右圖像，并分別用兩種算法進(jìn)行匹配，實(shí)驗(yàn)圖片以及其對(duì)應(yīng)的實(shí)物輪廓圖片如圖310所示圖310 彩色立體左右圖像對(duì)以及實(shí)物輪廓圖 圖中上面一組圖片顯示是左右攝像機(jī)拍攝的左右彩色實(shí)物圖像，下面一組圖片顯示的是左右實(shí)物圖像中物體輪廓圖我們分別取窗口大小為的模板進(jìn)行立體匹配，實(shí)驗(yàn)結(jié)果如下：參數(shù)取值為，其中表示窗口大小，表示能量誤差閾值，表示攝像機(jī)焦距， 表示兩攝像機(jī)距離， 表示容忍誤差系數(shù)；窗口大小為時(shí)模塊匹配又稱為點(diǎn)匹配，實(shí)驗(yàn)結(jié)果如下：圖311 模塊為視差圖圖312 模塊為深度圖其中可靠視差圖是全局視差圖去除了“無(wú)估計(jì)”點(diǎn)(即誤差值大于閾值的點(diǎn))的視差圖，比較兩圖可以發(fā)現(xiàn)，可靠視差圖較比全局誤差視圖陡變區(qū)域更緩和；經(jīng)過(guò)中值濾波后的視差圖較平滑；誤差能量可以大致顯示出物體邊緣輪廓；深度圖顯示的是左右兩圖像中空間物體的視覺(jué)差。利用middlebury網(wǎng)站提供的標(biāo)圖基于Matlab對(duì)攝像機(jī)進(jìn)行標(biāo)定，再利用實(shí)驗(yàn)采集的圖片進(jìn)行立體匹配，為雙目視覺(jué)系統(tǒng)的三維重建建立基礎(chǔ)。for基于彩色圖像的快速立體匹配算法研究[J].Images在之后的工作生活里，我會(huì)繼續(xù)以積極向上的態(tài)度繼續(xù)努力，不辜負(fù)身邊人對(duì)我的期望。Algorithms[J].儀器儀表學(xué)報(bào),Pattern在立體匹配算法研究中，匹配算法基礎(chǔ)簡(jiǎn)單，可以嘗試在現(xiàn)有的算法基礎(chǔ)上進(jìn)行算法改進(jìn)與優(yōu)化，提高算法的精度和效率；本文中攝像機(jī)標(biāo)定與匹配算法均依賴于Matlab實(shí)現(xiàn)的，對(duì)底層實(shí)現(xiàn)研究較少，可以嘗試通過(guò)研究底層實(shí)現(xiàn)獲得更多的知識(shí)支持，對(duì)雙目視覺(jué)系統(tǒng)進(jìn)行更深入的探究；在本實(shí)驗(yàn)中后續(xù)工作可以增加采集的圖片對(duì)，因?yàn)閳D像采集的光線和角度會(huì)影響實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明：1）在誤差閾值較小時(shí)，算法的可靠度隨著誤差閾值的增大而增加；誤差閾值較大時(shí)，閾值越大時(shí)可靠度不再變化趨于一定值；2）整體來(lái)說(shuō)，算法的計(jì)算量隨著誤差閾值的增大而減??；3）濾波能夠大大增大算法的可靠度兩種算法比較圖323 (a)兩算法可靠度比較圖 (b)兩算法計(jì)算量對(duì)比圖圖323(a)(b)分別表示濾波前后兩種算法可靠度和計(jì)算量大小的柱形圖。； kc為畸變系數(shù)；err為誤差的標(biāo)準(zhǔn)方差，單位為像素。 減少導(dǎo)致更可靠。若找不到任何一點(diǎn)比小則重復(fù)該步驟。本文研究?jī)?nèi)容是基于區(qū)域立體匹配算法，通過(guò)兩種不同的算法思路實(shí)現(xiàn)，分別為：基于全局誤差能量最小化和基于線性區(qū)域生長(zhǎng)[21]。因此，只由線性模型無(wú)法確定空間點(diǎn)的位置坐標(biāo)。 由圖形學(xué)知識(shí)我們可知，攝像機(jī)采集的圖像在計(jì)算機(jī)內(nèi)表示為數(shù)組：表示圖像中像素的行數(shù)與列數(shù)；數(shù)組值表示各個(gè)像素點(diǎn)的亮度值。圖22 雙目平行攝像機(jī)成像示意圖由投影原理的性質(zhì)，有： (21) 則 (22) 其中，為左右攝像機(jī)的焦距，表示為兩平行雙目攝像機(jī)的距離。國(guó)外研究現(xiàn)狀日本岡山大學(xué)研制了視覺(jué)反饋系統(tǒng)，該系統(tǒng)使用立體顯微鏡和雙目攝像機(jī)控制微操作器對(duì)細(xì)胞進(jìn)行操作，進(jìn)行基因注射和微裝配等微操作[7]；麻省理工學(xué)院計(jì)算機(jī)系統(tǒng)提出了一種新的傳感器融合方式，并將其運(yùn)用于智能交通上，該方法采用雷達(dá)系統(tǒng)和雙目立體視覺(jué)得到目標(biāo)深度信息，再結(jié)合改進(jìn)的圖像分割算法，能夠在高速環(huán)境下對(duì)視頻圖像中的目標(biāo)位置進(jìn)行分割[8]；華盛頓大學(xué)與微軟公司合作研制了寬基線立體視覺(jué)系統(tǒng)[9]。 密級(jí)： NANCHANG UNIVERSITY 學(xué) 士 學(xué) 位 論 文THESIS OF BACHELOR（2013 —2017 年）題 目 雙目視覺(jué)相機(jī)標(biāo)定與立體匹配