倒车影像辅助系统在车上的应用-学位论文.doc

xx交通职业学院毕 业 论 文论文题目：倒车影像辅助系统在车上的应用所属系别 专业班级 姓名 学号 指导教师 撰写日期 2015 年 5 月摘 要自从1886年2月9日卡尔本茨发明了人类第一辆汽车，至今世界汽车工业经过了近122年的发展，当代汽车已经非常成熟和普遍了。汽车已经渗透于国防建设、国民经济以及人类生活的各个领域之中，成为人类生存必不可少的、最主要的交通工具，为人类生存和社会的发展与进步起到了至关重要的作用。当今，汽车已经成为人们生活中不可缺少的一部分，它给人们带来方便快捷的同时，也出现了许多问题。如越来越多的汽车使道路上有效的使用空间越来越小，新手也越来越多，由此引起的剐蹭事件也越来越多，由此引起的纠纷也在不断地增加。原来不是问题的倒车也逐渐变成了问题。尽管每辆车都有后视镜，但不可避免地都存在一个后视盲区，倒车雷达则可以在一定程度上帮助驾驶员扫除视角死角和视线模糊的缺陷，提高驾驶的安全性，减少剐蹭事件。因此，提出了基于超声波测距的汽车用倒车雷达的设计。关键词：倒车雷达；发展及应用；原理AbstractSince February 9, 1886, Carl Benz invented the first car of the human, since the world auto industry after nearly 122 years of development, the contemporary car has been very mature and widespread. Car penetration among the various fields of national defense construction, the national economy as well as human life has become indispensable to the survival of mankind, the most important means of transport, and played a crucial role in the development and progress for the survival of mankind and society. Today, the car has become an indispensable part of peoples lives, it gave rise to convenient at the same time, there have been many problems. As more and more cars to make effective use of space on the road is getting smaller and smaller, more and more novice, the resulting cut rub event more and more, the resulting disputes is also increasing. The original is not a problem of reversing gradually become a problem. Each vehicle has a rear-view mirror, but inevitably there is a rear view blind spot, reversing radar can help to a certain extent the driver to sweep the perspective of dead ends and blurred vision defects, improve driving safety, reduce cut rub events . Therefore, the proposed design of reversing radar used cars based on ultrasonic ranging.Keywords: parking sensor; development and application; principle.目 录1 引言12 汽车倒车雷达预警系统国内外研究现状13 倒车系统的发展34 机器视觉与倒车系统44.1 停车线的识别44.2 障碍物的识别45 视觉测量系统56 视觉测量系统实现过程66.1 图像预处理相关理论及方法86.2 摄像机标定166.3 特征提取176.4 图像匹配187 结束语20参考文献21致谢221 引言当今,汽车已经成为人们生活中不可缺少的部分,它给人们带来方便快捷的同时,也出现了许多问题。如越来越多的汽车使道路上能够有效的使用空间却越来越小,新手也越来越多,由此引发的倒车事故事件也越来越多,因倒车事故引起的纠纷也在不断地增多。原本不是问题的倒车也逐渐变成了问题。尽管每辆车都有后视镜,但不可避免地都存在一个后视盲区,倒车雷达则可以一定程度上帮助驾驶员扫除了视野死角和视线模糊的缺陷,提高驾驶的安全性,减少倒车事故。2 汽车倒车雷达预警系统国内外研究现状倒车雷达在车挂倒挡时开始工作，由探头、主机和显示器三部分构成，探头可以根据需要安装不同的数量，目前比较常见的是4探头(安装于后保险杠上)和6探头(2前4后)的；除一般的放置位置外，显示器也可以替代原来的后视镜并兼顾这两种功能，它可以显示多种信息。例如障碍物相对于车的距离、角度和车内外温度等(视雷达档次而定)。以4探头液晶显示屏的豪迪倒车雷达为例，它最远可以探测到196m外的障碍物，并可以显示出是由哪个探头探测到的，如果两个探头同时探测到障碍物，则会以离车最近的障碍物为准，有些显示器上还带有“车载免提功能”，其内有扬声器和麦克风，可以进行录音和放音。倒车雷达的提示方法也可以分为数码显示、声音提示和语音提示等，以博视雷达为例，其背光可通过三色变换来警告紧危急程度，声音提示则会通过急促程度的不同告诉驾驶员及时停车有些雷达还特别为喜欢安静的驾驶员设置了静音开关。倒车雷达的接收方式呵以分为有线式和无线式两种，无线接收方式显然更省事，不必“走线”而拆装车内的原有装饰，也不受车型、车长等因素的影响，其价格自然也略高些。国外汽车倒车雷达预警系统早期大多采用红外线的发射与接收原理，不属于雷达(无线电波)的产品， 最大的缺点是红外线波易受干扰，整个系统的警示音常呈现不稳定的乱鸣状态，另外对深黑色粗糙表面物体的反应也较差。但更糟糕的是，无论是红外线发射器或接收器，只要任何一方让一层薄薄的冰雪或泥尘覆盖，系统就会失效。最近在欧美出现的一种电磁感应倒车雷达。在一线路套上一环型的感应圈(此线圈贴在后保险杠的内侧，车外表完全看不出有此装置)，以感应车后物体的有无。此种装置价格中等，并且完全隐密，但可惜的是，安装困难(必须卸下保险杠贴在内侧)，而且只能探测动态物品，当车在后退行进时，可探测到物体，但车一旦停止后退行进，则任何物体都不被认可。换言之，如有任何物品贴在后保险杠，当车一旦停下再启动后，此装置并不会告知驾驶者后方有物品贴在保险杠，此车不能再后退等。德国大众公司已经将超声波测距技术应用在倒车雷达上，并且具有前视和后视功能，采用自举升压的方式驱动8路超声波传感器，目前国内引进车型对这一技术尚不能国产化，仍需要引进德国原厂成品安装。因此，实用性也相当有限。日本、美国和欧洲等国的大汽车公司都投入了相当的人力、物力，采用先进的毫米波雷达、CCD摄像机、GPS和高档微机等制成安全预警系统，使用在其所开发的高级汽车上。据海外媒体报道，戴姆勒一克莱斯勒公司日前成功开发出供商用车(尤指卡车)使用的电子刹车系统，它与其他刹车系统的区别在于，其在卡车车头设有雷达感应器，感应器在车前观察四周环境，并将所有收集的信息交由一控制器加上处理，形成一虚拟景象，再借助演算法的辅助来判断所发生状况是否需要利用刹车。未来两三年内这种新型刹车系统即可量产上市，但价格昂贵，其过高的成本限制了它应用的普遍性。随着我国汽车产业的高速发展，近两三年我国开始进入私家车时代，交通事故发生的频率也在增加，为提高汽车运行的安全性，倒车雷达预警系统不仅深受驾驶员的青睐，也逐渐成为汽车电子产业中新的增长点。尤其是近两年来，倒车雷达成了商家的电子新爱，众多生产防盗器的厂家纷纷涉足倒车雷达，处在我国汽车电子行业环境的繁荣背景下倒车雷达已渐渐形成一个较大的行业，而且已呈现出一派激烈竞争的态势。倒车雷达系统经历了三个阶段，六代的技术改良，从早期的倒车防撞仪，只能测试车后有限范围的障碍物，并发出警报，发展到根据距离远近程度分段报警，前两个阶段的倒车雷达一般采用专用集成电路，功能较简单。随着人们对汽车驾驶辅助系统易用性要求的提高，以及单片机价格不断下降和汽车电子系统网络化发展的要求，新型的倒车雷达都是以单片机为核心的智能测距传感系统。要求倒车雷达连续测距并显示障碍物距离，并采用不同间歇呜叫频率的声音报警提示距离，让驾驶员全神贯注地注视场景。汽车电子系统网络化发展还要求作为驾驶辅助系统子系统的倒车雷达具有通信功能，能够把数据发送到汽车总线上。如最为先进的倒车雷达系统为“智能可视倒车雷达系统”，它在车尾部撞上针孔摄像头，倒车时可以在DVD显示屏上显示车后的广角真实图像。在近日上市的由东风汽车有限公司乘用车公司推出的全新一代“蓝鸟智尊”，最引人注目的是它配备了倒车影像显示和NAVI卫星导航系统，这两项配置在同级别的轿车上可谓绝无仅有，有效提升了蓝鸟的档次，直接将高级别汽车的智能化从“概念”引入了“应用”。在驾驶者挂入倒挡时，中控台上的液晶显示屏会自动切换画面，将车尾摄像头拍下的环境状况展示在驾驶者眼前，最大程度地方便泊车，这项功能在夜间尤其具有价值。而它的NAVI卫星导航系统，使同产成为继丰田之后又一个将GPS导航定位系统引入国内的厂家。目前市场上的倒车雷达品牌可谓是种类繁多，有铁将军、北华三松、固地、博视、奇真、台湾俊邦、豪迪等几十种品牌，价格也是几百、上千元不等，有些厂家还根据车型的不同，设计专用的倒车雷达。3 倒车系统的发展经过几年的发展,倒车雷达系统已经过了数代的技术改良,不管从结构外观上,还是从性能价格上,这几代产品都各有特点,目前使用较多的是数码显示、荧屏显示和魔幻镜倒车雷达这3种。第一代：蜂鸣器是最初的倒车雷达,它标志着倒车雷达系统的真正开始。倒车时,如果距车1.5到1.8 m处有障碍物,蜂鸣器就会开始工作,蜂鸣声越急,表示车距障碍物越近。该装置既没有语音提示,也没有距离显示,驾驶员只知道车后有障碍物,但不能确定障碍物距离车究竟有多远。第二代：数码波段显示的倒车雷达,它可以显示车后障碍物离车体的距离。如果车后是物体,在1.8 m开始显示;如果是人,在0.9 m左右的距离开始显示。第三代：液晶荧屏显示,这一代产品较以前有一个质的飞跃,特别是荧屏显示开始出现动态显示系统。不用挂倒档,只要发动汽车,显示器上就会出现汽车图案以及车辆周围障碍物的距离。但该系统灵敏度较高,抗干扰能力不强,所以误报也较多。第四代：魔幻镜倒车雷达,它结合了前几代产品的优点,采用了最新仿生超声雷达技术,配以高速微机控制,可实时准确地测知2 m以内的障碍物,并以不同等级的声音和直观的显示提醒驾驶员。第五代：整合影音系统, 是最高档的倒车系统。它是专为高档轿车生产的,在上一代产品的基础上新增了很多功能，如图3.1。图 3.1 整合影音系统倒车雷达4 机器视觉与倒车系统机器视觉就是用机器代替人眼来做测量和判断。它通过机器视觉产品(例如：摄像头)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据象素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉的成功案例很多，具体比较常见的有：车辆牌照自动识别系统、焊缝自动跟踪系统、活塞装配视觉识别系统。在超声波技术的基础上，配以机器视觉技术，构成双向检测，必能大大提高安全性和便利性。 将视觉技术应用在现有主流倒车辅助系统，具体有以下两方面： 4.1 停车线的识别如同已经配置于某些国外高档车的倒车辅助系统一样，利用对停车线的视觉识别进行智能泊车。具体的识别过程为：先通过车后车牌架上的摄像头不断采集图象，由于停车线一般来说具有双直线特征和颜色突变特征，且颜色一般为黄色，所以当采集到的图象传输到微处理器的时候，我们可以利用匹配此特征的数学算法，用某种计算机语言编写一套程序，从而在主机中把停车线识别出来，并利用液晶屏幕和喇叭加以标识和声音提醒。最终，结合超声波第五代倒车辅助系统的模拟倒车轨迹的技术，让处理器不断控制汽车的油门和前轮方向，使模拟倒车轨迹和已识别的停车线不断吻合，从而自动泊车。机器视觉识别停车线已经可以在MATLAB软件进行仿真实现。 4.2 障碍物的识别鉴于超声波对障碍物的识别已经相对成熟，我们可以开发超声波不能检测的障碍物的识别，例如：台阶、沟坎、钢丝。同样的道理，基于不同的障碍物我们必须先深入探讨以便掌握其不同的图象特征：对于台阶，一般利用其处于整幅图象下方的位置特征、直线特征和颜色从下往上形成由暗转亮的特征等等；对于钢丝，利用其纤细的特征和光线反射形成光亮的特征等。由于具体到某种障碍物都存在千姿百态的情况，所以此技术不见得一朝一夕就会完善，对各种障碍物的识别必然会经历一个从粗糙到精细的过程。这需要科技人员不断观察不断积累。就目前国内外发展态势来看，以机器视觉技术为基础的各种辨识系统是众多国家研究的热点，其发展空间潜力巨大。倘若把此技术引进于汽车的倒车辅助系统，必将对减轻驾驶者的劳动强度、减少交通事故率都有着不可估量的作用和意义。现在，机器视觉尚处于初步发展阶段，成果较少，可借鉴经验不多，所以许多国家投入了许多人力物力进行研究。5 视觉测量系统现代视觉理论和技术的发展，不仅在于模拟人眼能完成的功能，更重要的是它能完成人眼所不能完成的工作，所以计算机视觉测量技术作为当今最新技术，在电子、光学和计算机等技术不断成熟和完善的基础上得到了突飞猛进的发展，现已成为仪器科学的重要研究领域之一。虽然目前的视觉测量技术仍未具有人类视觉的威力和智慧，但是由于视觉测量系统可以快速获取大量的信息，而且易于自动处理，因此被广泛应用于物体的几何尺寸和物体的位置测量，如大型工件的同轴度测量、轴的直径测量、表面精度测量等在线测量和实时控制。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用视觉技术来代替人工视觉；同时在大批量工业生产过程中，用人工视觉检测产品质量效率低下且精度不高，用视觉技术可以大大提高生产效率和产品质量。视觉测量技术是基于图像处理、光学原理等技术发展起来的一种新型技术，增强了光学测量的手段，扩大了光学测量的应用范围。应用视觉测量技术进行测量，就是测量时把被测对象的图像当作检测和传递信息的载体，通过对图像的处理分析来对物体进行测量。这样就使得视觉测量技术与其它测量技术相比具有以下突出的特点：1）.通过图像处理技术能够显著的提高图像的质量，增强被测物体的有用信息，抑制无用的干扰信息。2）.利用子像素定位技术可以显著的提高目标的定位精度。3）.可测量许多传统的方法无法测量的物理量，肉眼无法分辨的物理量。例如连续变化的亮度场、条纹方位场等。4）.自动化程度高。将来的视觉测量系统的发展方向主要有以下几个方面：1）.使用硬件实现独立于环境的处理算法，如边缘检测、特征提取等，这样可以大大提高处理速度。2）.发展彩色图像、灰度图像和多普图像的处理算法，使之适用于各种视觉测量系统。3）.研究更为精确的子像素定位方法，提高定位精度。4）.研究更为简单精确的系统标定方法，来提高标定精度和效率。只使用一个CCD摄像机的系统称为单目摄像系统，在汽车上常用于倒车后视系统，辅助驾驶员获得后视死角信息，以避免倒车撞物。为获得目标三维信息，模拟人的双目视觉原理，利用间隔固定的两台摄像机同时对同一景物成象，通过对这两幅图像进行计算机分析处理，即可确定视野中每个物体的三维坐标，这一系统称为双目摄像系统总之，视觉技术的诞生和应用极大的解放了人类劳动力，提高了生产自动化水平和产品质量，其应用前景极为广阔。目前在国外，视觉技术已经广泛应用于工业生产和日常生活当中，而我国正处于起步阶段，急需广大科学工作者共同努力来提高我国的视觉技术。6 视觉测量系统实现过程摄像头图像采集卡微处理器驾驶室中控台液晶显示器超声波影音等图6-1 倒车辅助系统硬件框图机器视觉倒车辅助系统硬件框架，如图5-1所示。主要包括图象输出显示装置（一般为汽车中控台的液晶显示器）、集成电路控制部分（以微处理器为核心）、摄像头CCD部分、图象采集卡组成。其中，摄像头拍摄的图象恰巧与人眼习惯观测到的相反，故而，摄像头需搭配图象反向器运作。本文基于双目立体视觉系统，将摄像头当做人的眼睛，实现人眼功能，作出判断，实现倒车功能。一个完整的双目视觉系统通常分为图像采集、图像处理、摄像机标定、特征提取、立体匹配、深度计算及深度信息内插。立体图像的采集是双目立体视觉的物质基础。图像采集的方式很多，主要取决于应用场合和目的。为了采集双目视觉需要的图像对，可以用两台性能相同、位置固定的摄像机从不同角度对同一景物进行拍摄，或者可以用一台摄像机从不同的角度两次拍摄同一景物。在获取立体图像时不但要满足应用要求，而且要考虑视点差异、光照条件、摄像机性能以及景物特点等因素的影响，以便于立体视觉计算。从图像获取系统得到的符合立体视觉原理的左右灰度图像对，包含了各种各样随机噪声和畸变，因此在对其进行操作和计算之前，必须对原始图像进行必要的预处理，突出有用信息、抑制无用信息，从而改善图像质量。图像预处理的目的有两个:一是改善图像的视觉效果，提高图像的清晰度;二是使图像变得更有利于计算机的处理，便于各种特征分析。预处理技术主要包括图像对比度的增强、随机噪声的去除、滤波和图像的增强、伪彩色处理等。摄像机标定是为了建立成像模型、确定摄像机的位置和属性参数，以确定空间坐标系中物体点同它的像点之间的对应关系。在双目视觉中，对两个摄像机都要标定，如果摄像机是固定的，当从2一D计算机图像坐标推导3一D信息时，只需一次标定。摄像机的标定方法可分为两大类:第一类是传统摄像机参数标定，需要使用精密加工的标定参照物;第二类是自标定方法，即在场景未知和摄像机运动任意的一般情形下标定摄像机参数。建立一个有效的摄像机模型，除了能够精确的恢复出空间景物的三维信息外，还有利于解决立体匹配问题。特征提取是为了得到匹配所需要的图像特征，由于目前尚没有一种普遍适用的理论可指导图像特征的提取，从而导致了立体视觉研究中匹配特征的多样性。根据多视点的视察确定三维(3D)信息，其关键的一步是确定场景中同一物点在不同图像中的对应关系。解决该问题的方法之一是选择合适的图像特征并进行匹配。目前，常用的匹配特征主要有点状特征、线状特征，区域特征。一般来讲，大尺度特征含有较丰富的信息，本身数目较少，易于得到快速匹配，但对它们的提取与描述相对复杂，定位精度也差;而小尺度特征本身的定位精度高，表达描述简单，但数目较多，所含信息量却较少，因而在匹配时需要采用较强的约束准则和匹配策略。为了求出深度信息，必须知道左右两幅图像的对应点，因此立体匹配是由双目视觉求深度的关键。如果知道了左右两幅图像的对应点，对于已经标定的摄像机，便可以方便地计算出深度。立体匹配的基元可以是特征点(角点、图像的零交叉点等)、特征线，以及特征区域。立体匹配的基本思想都是基于相似性度量与连续性假设，方法有:特征点匹配法、区域相关匹配法、相位匹配法等。选择的立体匹配方法必须解决以下三个问题:正确选择图像的匹配特征、寻找特征间的本质属性及建立正确的匹配算法。围绕这三个方面的工作，目前已有大量各具特色的匹配方法。但是由于立体匹配涉及的问题太多，至今仍未得到很好的解决，特别是在复杂场景中，如何提高算法的去歧义匹配和抗干扰能力，降低实现的复杂程度和计算量，都需要进行更深入的探索和研究。因为立体匹配可归结为在一定匹配准则下的最优搜索问题，所以遗传算法、神经网络、多智能等优化技术也可用于解决此类问题。6.1 图像预处理相关理论及方法在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。图像预处理是相对于图像识别，图像理解而言的一种前期处理，也是视觉测量系统的一个前期处理部分。通过摄像机采集到的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量问题”。由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是，根据应用要求改善图像质量却是一个共同的愿望。改善图像质量的做法称为图像预处理，主要指为突出某些有用的信息而按需求对图像进行适当的变换，去除或削弱无用的信息，例如改变图像的对比度，去除噪声或强调边缘的处理等。预处理主要包括图像的对比度增强、图像的平滑滤波。图像增强主要增加图像的对比度，突出图像中的高频部分。本文采用了两种方法进行对比度增强:线性增强法和直方图均衡化。增强图像对比度的基本方法是线性增强法，既可用于整幅图像对比度的增强，也可用在局部图像对比度的增强。算法描述为:设原图像的灰度级为，其最大和最小灰度级分别为和。期望图像灰度级的最大和最小值分别为和。，则与原图像灰度级相对应的期望灰度级（2.1）若令 则式2.1可以改写成 （2.2）式2.2是一个线性函数，参数可以看作线性函数的斜率，为线性函数在轴的截距，表示输入图像的灰度，表示输出图像的灰度。当时，输出图像的对比度增大;当时，输出图像的对比度将减小;当且时，操作仅使所有像素的灰度值上移或下移，其效果是使整个图像更暗或更亮;如果暗区域将变亮，亮区域将变暗。特殊情况下，当时，输出图像和输入图像相同。直方图增强其基本思想就是把原始图变换为均匀分布的形式，这就增加了图像灰度值的动态范围，从而达到增强图像整体对比度的效果。图像的灰度统计直方图是一个一维的离散函数： （2.3）上式中为图像的的第级灰度值，是中具有灰度值的像素的个数，是图像像素总数，代表原始图第个灰度级的出现概率，以为自变量，以为函数得到的曲线就是图像的直方图。对点处理增强函数，需要满足下面两个条件：(1) 在范围内是一个单值单增函数;(2) 对有第一个条件保证原图像灰度级在变换后仍保持从黑到白(或从白到黑)的排列次序。第二个条件保证变换后灰度值动态范围的一致性。可以证明累积分布函数(cumulative distribution function，CDF)满足上述两个条件并能将的分布转换为的均匀分布。事实上的CDF就是原始图的累积直方图，在这种情况下有： (2.4)由式5.2可见，根据原图像直方图可直接算出直方图均衡化后各像素的灰度值。在实际中要对取整以满足数字图像的要求。图6.1 图像二值化后的直方图图像平滑的目的是消除图像中的噪声。对图像进行平滑的方法较多，一般情况下在空间域可以采用邻域平均、中值滤波的方法来减少噪声;在频率域，由于噪声频谱通常多在高频段，因此可以采用各种形式的低通滤波的方法来减少噪声。邻域平均法种在空间域上对图像进行平滑处理的一种方法，其指导思想是把某像素邻域内的各点灰度级平均值作为该图像的新灰度值，达到抑制噪声的目的。设图像中某像素的灰度值为，它的邻域S为NXN的方型窗口，点集的总点数为M，则平滑后这点的灰度值为: (2.5)其中S是点的一个邻域内的点集。从它的原理可以看出，邻域平均算法是基于这样一种假设:图像是由许多灰度值相近的小块组成的，邻域取得越大，平滑效果越好，然而图像也将变得越模糊。针对这一问题，可以通过设定一定的初始闭值只对灰度值相同或者相近的像素进行平均，或者按照灰度特殊的程度加权之后再求和。这种方法是以邻域平均法为基础的一种改进，通常称之为选择平均法。邻域平均法算法简单，计算速度块，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边沿细节处。由于轮廓线往往是图像中含有重要信息的部分，所以在邻域平均法平滑中要解决的主要矛盾是如何既能消除噪声，又能保持轮廓尽可能不模糊。中值滤波是一种非线性处理技术，能抑制图像中的噪声。它可以在过滤噪声的同时，还能很好的保护边缘轮廓信息。它是基于图像的这样一种特性:噪声往往以孤立的点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的小块构成。中值滤波原理非常简单。用一个窗口W在图像上扫描，把窗口内包含的图像像素按灰度级升序或降序排列起来，取灰度值居中的像素灰度为窗口中心像素的灰度，便完成了中值滤波。用公式表示即 （2.7）通常窗口内像素数目为奇数，以便有个中间像素。若窗口内像素数目为偶数时，则中值取中间两像素灰度的平均值。这种方法不适用于平滑以线条为主要结构的图像。由于中值平滑法既不需要做乘法运算，也不需要做除法运算，所以它具有处理速度快的优点。低通滤波这是一种频率域处理方法。在分析图像信号的频率特征时，一副图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区域则代表图像信号的低频分量。也就是说，图像经过二维傅立叶变换后，噪声频谱一般位于空间频率较高的区域，而图像本身的频率分量则处于空间频率较低的区域内，因此可以通过低通滤波的方法，使高频分量受到抑制减少噪声，而让低频分量顺利通过从而实现图像的平滑。低通滤波通常用一个掩模作用于图像，掩模就是一个滤波器，它的响应为，于是滤波输出的数字图像可以用离散卷积表示： （2.8）式2.8中，根据所选领域大小决定，对于33领域，为加权函数，习惯上称为掩模。常用的掩模有 在对图像的研究应用中，常常需要将图像中特定的、具有独特性质的区域(常成为目标或背景)分量提取出来，然后在此基础上才有可能对目标进一步利用，如提取目标物的轮廓。图像分割就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程，这里的特征可以是灰度、颜色、纹理等。图像分割一般包括边缘检测、二值化、细化以及边缘连接等。图像的边缘是图像的基本特征，是物体的轮廓或物体不同表面之间的交界在图像中的反映。边缘轮廓是人类识别物体形状的重要因素，也是图像处理中重要的处理对象。在一幅图像中，边缘有方向和幅度两个特征。沿边缘走向的灰度变化平缓，而垂直于边缘走向的灰度变化强烈，这种变化可能是阶跃形或斜坡形。在边缘上灰度的一阶导数幅值较大，而二阶导数在边缘上的值为O，其左右分别为一正一负两个峰，也就是说，边缘点对应于一阶微分幅度大的点，也对应于二阶微分的零交叉点。因此，利用梯度最大值或二阶导数过零点提取边界点就成为一种有利的手段。图像的局部边缘定义为两个强度明显不同的区域之间的过渡，图像的梯度函数即图像灰度变化的速率在这些过渡边界上存在最大值。因此，通过基于梯度算子或一阶导数的检测器来估计图像灰度变化的梯度方向，增强图像的这些变化区域，然后对该梯度进行闭值运算，如果梯度值大于某个给定门限，则存在边缘。再将被确定为边缘的像素连接起来，以形成包围着区域的封闭曲线。一阶微分是图像边缘和线条检测的最基本方法。图像函数f(x，y)在点(x，y)的梯度是一个具有方向和大小的矢量，即 （2.9）在方向的变化速率可由下列给出 （2.10）所有基于梯度的边缘检测器之间的根本区别是算子应用的方向，以及在这些方向上的逼近图像一维导数的方式和将这些近似值合成为梯度幅度的方式。当考虑数字图像的离散域时，可将图像的一阶差分直接替代图像函数的偏导数。二维离散图像函数在x方向的一阶差分为y方向的一阶差分为由罗伯茨（Roberts）提出的22领域上计算对角倒数，图像点的梯度的幅度是用方向查分的均方值RMS来近似的即 （2.13）又被称作为罗伯茨交叉算子。在实际应用中，可以用更简单的计算形式来代替均方值MRS计算，即用梯度函数的罗伯茨绝对值来近似 (2.14)索贝尔(Sboel)算子，该算子是在以f(x，y)为中心的3x3邻域上计算x和y方向的偏导数，即 其梯度大小为或者取绝对值普鲁伊特(Perwitt)提出了类似的计算偏微分估计值的方法 梯度则与sobel相同。 在实际应用中，通常是利用简单的卷积核来计算方向差分，不同的算子对应的卷积核，它们产生的两个偏导数在图像一个点上用均方值或绝对值求和的形式结合起来，下面给出了RobetS，Sobel和Prewitt算子的卷积核。 （a）Roberts算子 (b)Sobel算子 (c)Prewitt算子 图6.1偏导数估计的卷积核一旦估计出梯度值，将梯度值与某个给定的阈值比较来判断是否存在边缘，如果梯度值大于这个给定值，就认为存在边缘。显然，闭值的选择是很重要，在含有噪声的图像中，阑值选择是一个涉及在丢失有效边缘和由于噪声所造成的错误边缘之间进行折衷考虑的问题。Laplacian算子是二阶微分算子，其零交叉点也可作为图像的阶跃型边缘点，而其极小值点可作为图像的屋顶型边缘。拉普拉斯算子极小值算法用于检测屋脊型边缘的效果不错，但对噪声敏感性较大，而其过零点算法若直接用于检测阶跃型边缘，则不仅过零点的门限难于选择，而且检测精度一般较低。Canny算子是一阶算子，其方法的实质是用一个高斯函数作滤波器进行滤波，然后以带方向的一阶微分算子定位导数最大值，它可用高斯函数的梯度来近似，在理论上很接近4个指数函数的线性组合形成的最佳边缘算子。它是一阶传统微分算子中检测阶跃型边缘效果最好的算子之一，它比Perwitt算子，Sboel算子，Laplacain算子极小值算法的去噪能力都要强。上述几种边缘检测算法都是目前图像处理中常用的算法。但RboertS算子、Sobel算子、拉普拉斯算子算法对噪声敏感，而在实际图像中噪声是难以避免的，所以这些方法是不能取得令人满意的结果。Cnany总结了提取边缘的三个准则，并用数学方法系统的表示出确定图像边缘检测函数性能指标的三个数学表达式，对噪声的抑制有良好的作用。 f=imread(1.jpg);f=rgb2gray(f);f=im2double(f);%使用垂直Sobel算子，自动选择阈值VSFAT Threshold=edge(f,sobel,vertical);%边缘探figure,imshow(f),title(原始图像),%显示原始图像figure,imshow(VSFAT),title(垂直图像边缘检测);%显示边缘探测图像%使用水平和垂直Sobel算子，自动选择阈值SFST=edge(f,sobel,Threshold);figure,imshow(SFST),title(水平和垂直图像边缘检测);%显示边缘探测图像%使用指定45度角Sobel算子滤波器，指定阈值s45=-2-1 0;-1 0 1;0 1 2;SFST45=imfilter(f,s45,replicate);SFST45=SFST45=Threshold;figure,imshow(SFST45),title(45度角图像边缘检测);%显示边缘探测图像6.2 摄像机标定双目立体视觉系统应能从摄像机获取的图像出发，计算三维空间物体的位置、形状等几何信息，并由此识别空间中的物体.。要达到这个目的，首先必须正确标定摄像机，也就是要建立图像象素点位置与空间对应场景点位置之间的关系、计算摄像机参数。摄像机参数包括用于刚体变换的外部参数和摄像机自身的内部参数，它也是摄像机成像几何模型的参数，该模型决定了图像上一点和它的空间物体表面对应点之间位置的映射关系。由于摄像机标定涉及到空间坐标到计算机图像坐标之间的变换，本章首先需要说明空间坐标系、摄像机坐标系、图像平面坐标系和计算机图像坐标系之间的关系，然后以最典型的线性摄像机模型为例说明摄像机标定基本原理，最后详细分析基于共面圆的双目视觉分步标定。摄像机标定是指从摄像机获取的图像信息出发，建立图像像素位置和场景中点位置之间的关系。现有的摄像机标定技术大体可以归结为两大类:传统的摄像机标定和摄像机自标定。传统的摄像机标定方法首先需要一个参照物，即在摄像机视场内放置一个有某种标记的物体(标定物)，其空间位置参数是己知的，然后设定参照物一些点的三维坐标并提取它们相应的二维图像坐标，计算摄像机的内外参数。从计算机的角度上看，传统的摄像机标定方法可以分成四类，即利用最优化算法的标定方法、利用摄像机变换矩阵的标定方法、进一步考虑畸变补偿的两步法和采用更为合理的摄像机成像模型的双平面标定方法。而自标定方法不依赖标定参照物，仅仅利用摄像机在运动过程中周围环境的图像与图像之间的对应关系对摄像机进行标定。这种是由Faugeras等于 1986年首先提出的。目前，自标定技术主要有两种:基于主动视觉的摄像机自标定方法和利用本质矩阵及基本矩阵的自标定方法。基于笔者水平，本节选择了传统的摄像机标定方法。两步法是目前比较流行也是应用最为广泛的传统摄像机标定方法，其特点是将摄像内参数与外参数分离，逐步取得最优解。该方法迭代参数较少，能够提供较好的初始值，同时具有线性求解速度快和非线性优化计算准确的优点。较为典型的两步法是TSAI提出的基于径向排列约束RAC的两步法(以后称“TSAI”标定算法)和张正友提出的平面标定法，也称为张氏标定法。TSAI标定算法中，第一步利用最小二乘法解超定线性方程组，给出外部参数;第二步求解内部参数，如果摄像机无透镜畸变，可由一个超定线性方程解出，如果存在径向畸变，则通过一个三变量的优化搜索求解。张氏标定法是介于传统标定方法和自标定之间的一种方法，它只需要摄像机对一标定板在不同的方向拍摄图片即可进行标定68。该方法使用方便，准确率高，鲁棒性好。但是此方法有一定的适用范围。由于标定得到的内外参数矩阵是针对摄像机的每一个状态的，也就是说当摄像机发生平移或旋转运动时，之前所标定的参数是无效的。所以，张氏的方法只能用于摄像机静止的情况下，比如固定场景监测或者机械加工流水线。下面介绍本文所使用的基于共面圆的双目视觉分步标定法。需标定的参数有：(1)外部参数：旋转矩阵R以及平移矩阵T，因R为单位正交矩阵，必须满足6个单位正交约束，因此实际上只有6个外部参数需要标定（2）内部参数，包括、f和k，由硬件厂商提供，可由预标定获得。本文提取了标