机器视觉和图像处理.doc

移动机器人使用双目视觉系统对物体进行3D坐标检测
（Guo-Shing Huang, Ci-En Cheng）
摘要：这篇论文主要讨论了智能机器人双目视觉系统，它利用了图像处理原理和边缘检测算法，这样可以更加清晰的得到物体的边缘轮廓。利用随机测圆法和Hough变换的随机线条可以找到指定的对象。我们探讨了图像识别应用技术。通过机器人定位算法，在双目视觉坐标系下，可以快速而精确的定位目标。通过两个网路摄像机的校订，我们可以得到内部和外部参数，目标物体固定位置的3D空间坐标可以由双目视觉三角法精确计算得到。物体和机器人之间的距离可以有坐标变换系统得到。经由三角几何理论检测，系统误差在允许的范围内。同时可以得到期望的精度和可靠性。
一、引文
我们提出了机器人双目视觉系统应用坐标，对人眼进行仿真，做到智能检测应用。因此，这样的系统可以在机械臂的作用下精确的捕捉目标的位置，而不需要大数量的传感器。
双目视觉系统可以通过左右相机捕捉的图像找到共同的特征点。通过形态学的处理，物体和相机之间的距离可以精确的计算到。物体的三维坐标可以使用相机参数表示。因此，物体可以由机械臂抓取。
部分2详细的介绍了餐饮服务机器人的外观和双目视觉硬件结构。
部分3描述了寻找特征点的图像处理过程。
部分4讨论并图示了特征点转换为三维坐标的过程。
部分5和6分别给出了实验结果和结论。
二、双目视觉系统的结构

图1 BVS硬件结构
双目视觉系统硬件结构包括2个相机，安装在机器人的头部。由计算机组成的操作系统的结构如下。

图2 BVS和机械臂系统结构
三、图像处理
选取现实中使用的目标物体，包括易拉罐，聚酯塑料瓶，杯子

图3 目标物体检测
所选目标物体具有不同的颜色，形状，找到它们的中心点，左右两个特征点，作为筛选目标物体的依据。
A 形态学
选取一个合适的阈值，便可以将目标物体从环境中分离出来。通过左右相机所得到的相机图像利用二进制系统表示以及HSV颜色模块，可以得到一个合适的阈值处理过程。

图4 图像处理
图像经过腐蚀和膨胀可以消除图像噪声。
将RGB颜色模块转换到HSV颜色模块，转换方程如下：

B、物体识别
通过灰度等级的突变，如果在一阶导数形成的高峰超过阈值之后，将会呈现测点形状。二阶微分是通过零交叉概念。对于函数f(x,y)沿着x轴的微分为

对于x轴的微分进过平方和替换可以得到

同样的对于y轴的微分类似。便可以得到

通过Hough 变换，我们可以将x-y的坐标转为r-θ空间的坐标，这就是Sandy-Method空间角检测线方法。

图 5 x-y坐标空间与r-θ空间坐标的关系
可以得
中心圆方程包括两个变量和一个可变的半径，需要进行累计数组测量。将每一个边缘点的位置坐标代入方程可以得到半径值。当所有的边缘点转换完毕的时候，通过设定的阈值和累积数组变换，便可以知道是否得到一个大致的图像。

图6 三维累积数组
假设在图像中有K个侧点，为了得到对应于二维坐标的半径值r，将侧点代入a*b大小的圆中。检测每一小的格子，当数据超过阈值的时候，便可以得到下图

图7 数字圆
C 寻找特征点
寻找特征点，对数据进行成批处理，然后得到目标点。对数据进行成批处理，是为了降低特征点的影响和复杂性，增加了特征点的精度。寻找的特征点如图所示，特征点在图8(a),(b)中以两个红色表示出来.图8(c)(d)表示使用Hough变换寻找图像中椭圆的中心点，因此便可以得到中心点。同样的特征点以红色表示出来。

图8 特征点
四、定位坐标
A 相机坐标
图9是坐标系统的变换。左右图像的特征点是像素点，通过内部参数矩阵，像素点可以转换为相机坐标。右相机是相机坐标的原点，对于理想的针孔摄影，实像可以投影到像板上，这是远视投影。这就是三维空间坐标转换为二维像素坐标的转换办法。

图9 双目视觉几何关系图解
图10所示，图像中心Oc的三维坐标是相机坐标系统，3D空间点对应相机点。以点P=(Xc,,Yc,Zc)表示。Zc是相机的光轴，F是Oc到像板之间的距离。Q是图像中心的焦点。图像面板上p点坐标是P的投影。图像坐标可以表示为P=（ ）。
像板上投影点的坐标可以用如下等式表示

相机坐标的三维坐标可以表示为等式

λ是比例因子，可以随着图像分辨率的大小而改变。

图10 透视投影几何图解

B 相机参数
实际情况下，相机的投影在像板上并不是理想的投影。因此，我们必须对相机元素进行校正。由于透镜的放射影响，图像的中心坐标变成（）。，相机因此，相机Xc轴和Yc轴的系数是不等的，需要分开考虑。可以如下表示

r是偏移系数代表了X轴和Y轴相对于直角的偏移角度。r值近似为0.整个内部参数矩阵表示如下。

五、实验结果
A 相机参数校定
在整个研究中，双目视觉调整使用的是10*7的黑色象棋盘，每一个方块的尺寸是25.5*25.5mm^2.相机的固有参数可以由OpenCV得到。

图11 10*7的黑色象棋盘
图示11表示相机通过校正盘求解内部和外部的参数矩阵，内部的参数矩阵包括成像中心和焦距长度，外部参数包括相对旋转和变换矩阵。
左相机参数，内部参数:

外部参数，变换矩阵:

旋转矩阵：

右相机参数，内部参数

外部参数，变换矩阵

旋转矩阵

B 测量结果
文章以易拉罐，杯子等为对象，它们具有同样的形状不同的颜色，不同的形状同样的颜色，不同的形状不同的颜色等特征。
带有内部和外部参数的相机图像坐标，我们可以利用三维重建原理，重建三维世界坐标。图11，在每一个轴线方向定义了相机坐标系统，并将右边的相机作为相机坐标系统的原点。成像工具使用的是罗马科技公司的QuickCam C920网络相机型号。它作为视觉感知装置和USB接口相连，图像的捕捉速度可以达到30帧每秒，一个自动的模块包括数字放大镜，HD CCD传感器。

图11 相机坐标轴的定义
使用Hough测量和HSV颜色模块，这样相似目标的识别，例如易拉罐瓶，塑料瓶，杯子，可口可乐罐等因为形状而很容易混淆的物体，同时也可以检测这些物品的颜色来判定。
进过对测得的结果使用统计学的知识进行分析可以发现，左右特征点越是远离成像中心，所得到的误差越大，这是因为相机镜头的是凸面镜。另一方面，从测量结果可以得到一个精确的景深。

图12易拉罐的识别和特征点的寻找