逆关系式可写成摄像头坐标系如图，为图像坐标系的原点即镜头的光心与图像平面的交点，以即镜头的光心为原点，建立摄像头坐标系，此坐标系的轴和轴与图像坐标系的轴和轴平行，且轴垂直于图像平面，这里轴就是镜头光心与图像平面原点的连线称为光轴，的距离称为摄像头的焦距。图摄像头坐标系世界坐标系上述介绍的三种坐标系还不足以描述空间物体和图像之间的关系，所以下面引入世界坐标系，它可以用来描述空间中任意个物体的位置和绝对坐标，并可以建立摄像头坐标系和世界坐标系的关系，它由轴组成，如图所示。万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型图世界坐标系空间物体在世界坐标系下的坐标可以通过旋转矩阵平移向量转换为摄像头坐标系下的坐标。假设空间中点在世界坐标系与摄像头坐标系下的齐次坐标分别为，与，，则存在如下的关系其中，为旋转矩阵，为三维平移向量，，为零矩阵为由旋转矩阵平移向量和零矩阵组成的行列矩阵。双目立体视觉系统平面双目立体视觉基于视差原理，通过摄像机获取同目标的两幅图像，双目立体视觉可以利用两幅图像中物体上的点与物体本身之间构成了个三角形即三角法，来获取三维世界的信息。本小节中将根据双目立体视觉成像原理推导出空间点在摄像机坐标系和图像坐标系之间的坐标关系。如图所示，两摄像机镜头光心连线的距离为基线距，也可以为左右摄像头光轴与左右图像平面两个交点的连线距离，假设为，为空间中的点，用左右两个摄像机分别万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型对进行图像采集获得包含的两幅图像，则在左右图像平面上的像点的坐标分别为，由于两个摄像头是水平摆放的，消除了空间点在两个图像平面上的方向上的视差，即同点在左右图像平面坐标系下的坐标相同，所以，则根据三角法可得到下式为空间点在左右图像平面方向的视差。由此可计算出点在摄像机图像坐标系的坐标为由式可知，在已知空间点在左右图像平面上的坐标基线距以及视差，这些参数在实验过程中都是可以获取的，通过这些参数就可以计算出空间点在摄像头坐标系下的坐标，再根据式通过逆运算可以进步计算出空间点在世界坐标系下的坐标，即可获得了空间点的三维坐标。图双目立体成像原理万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型本文所用系统模型我们上面讨论的是简单平面双目立体视觉，为了简化模型，本文中运用的是平行双目立体视觉模型，即两个摄像机的光轴固定平行。确保光轴平行的目的是为了消除像点在图像平面方向上的视差，但在实验过程中，我们很难使两摄像头保持绝对水平，加上摄像头畸变的因素，因此会造成图像在像平面上的像点的坐标不相等即存在方向上的视差。平行双目立体视觉的几何关系如图所示。图平行双目立体视觉的几何关系其中为左右两个摄像头的像平面，分别以为原点建立图像坐标系，为镜头光心在两个图像平面上的投影。假设空间点分别在左右图像平面上的像点为和，以左右摄像头的镜头光心作为摄像机坐标系的原点，分别建立左右摄像机坐标系图和，空间点在这两个坐标系的坐标分别为和。两坐标系的原点的连线即镜头光心的连线称为基线，基线距为，由于两个摄像头水平摆放即光轴平行，所以我们定义两个光心连线的中点为世界坐标系的原点，建立世界坐标系，其中轴与图像平面的横纵坐标轴平行，轴与光轴平行。设点在世界坐标系中的坐标为，则有，可推出万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型其中为单位矩阵。由透视投影原理，有整理后，得到点在世界坐标系中的表达式为其中为视差。从上式可知，对于平行双目立体视觉系统来说，如果焦距和基线距离恒定，则其对应点的视差由物点的距离决定。本文硬件和软件设计总体系统设计设计较稳定的实验平台，对于提高面积测量的精度是非常重要的。由于本文研究的是利用普通的摄像头测量图像面积，所以实验中必不可少的是摄像头，本文实验中采用的摄像头如图所示。由于实验条件限制及时间的紧迫，暂时还未能制作好个理想的测距平台。但是在目前的条件下，我们采用标有刻度的钢尺，长约，将两个摄像头固定在钢尺上，此时就可以知道两摄像头之间的距离即基线距，若在实验中改变基线距可以直接移动摄像头的位置，这样就搭建成了本课题实验中的个简易的双目立体视觉测量系统。运用两个摄像头对同目标进行拍摄，获取不同位置的两幅图像，作为实验中的分析图像，万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型提供给计算机进行图像处理和分析，最后通过本文中的软件系统的分析处理，计算出目标的实际面积。此双目立体视觉测量系统虽然搭建简易并且摄像头的性能比不上专业的摄像机，但是测量面积结果的误差在理想范围之内。图课题实验中采用的摄像头总体程序设计本实验的软件系统主要在和环境下编译成功，其中考虑到在矩阵运算方面有着很大的优势，因此采用完成特征点检测和摄像机标定的程序设计考虑到视觉库有着强大的图像处理功能，因此采用基于的完成特征点匹配的程序设计。所以本系统的程序设计主要分为两大部分采用编写的摄像机标定功能程序和亚像素角点检测程序。为了提高测量面积的精度，在摄像机标定前对标定模板进行了亚像素角点检测使之标定的结果更加的精确。亚像素角点检测在传统的角点检测算法的基础上，从亚像素角点到周围像素点的矢量应垂直于图像的灰度梯度这个观察事实得到的，通过最小误差函数的迭代方法来获取亚像素级精度的坐标值。基于视觉库采用编写的立体视觉匹配程序和面积计算程序。因考虑到本实验中的目标图像是些简单的图形，所以在立体视觉匹配中本实验采用了中的模板匹配方法并在此基础上改进了该算法使之更适合实验中的图形并且加快了匹配速度。面积计算中主要是利用外界输入标定和匹配后的参数进行图像实际面积的计算。万方数据南京邮电大学硕士研究生学位论文第章双目立体视觉系统模型本章小结本章首先对双目立体视觉系统模型中所涉及到的坐标系和它们相互之间的转换形式进行介绍接着介绍了平面双目立体测量系统的成像原理以及空间点在摄像机坐标系和图像坐标系下的坐标的对应关系然后引出本文中所要研究的平行双目立体视觉系统的测量模型和怎样已知空间点在图像平面上的像点的坐标计算出其三维坐标。最后介绍了本课题实验所采用的硬件设备和软件设计系统。万方数据单位代码密级硕士学位论文论文题目基于双目立体视觉的图像面积测量算法与技术车娟娟曹雪虹教授信号与信息处理现代通信中的智能信号处理技术工学硕士二零四年三月学号姓名导师学科专业研究方向申请学位类别论文提交日期万方数据万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿意承担切相关的法律责任。南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档允许论文被查阅和借阅可以将学位论文的全部或部分内容编入有关数据库进行检索可以采用影印缩印或扫描等复制手段保存汇编本学位论文。本文电子文档的内容和纸质论文的内容相致。论文的公布包括刊登授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名日期研究生签名导师签名日期万方数据摘要计算机视觉是门新兴的技术，此技术运用在很多的领域，例如双目视觉测距机器人导航等方面。普通测量大面积例如建筑物面积的方法不利于人工的操作，此时基于计算机视觉的测量技术在此方面体现了巨大的优势，它是种非接触的测量技术，无需人工处在危险的工作环境下，并且测量精度高降低了测量成本以及操作简单，因此在航天测绘机器人导航工业甚至医学等方面有着非常广阔的应用前景和很深的研究价值。基于双目立体视觉，本文利用其种特殊的系统模型即平行双目立体视觉模型，对测量图像的实际面积进行了研究，测量过程中的三个关键技术为摄像机的标定，立体匹配和面积计算。主要研究内容和成果如下在摄像机的标定模块中，首先运用传统的算子对摄像机采集来的图像进行像素角点检测，但是传统的算子角点检测算法只能检测出像素角点，为了得到更精确的摄像机内部参数和降低特征点匹配时的漏匹配和误匹配概率，本文在算子角点检测算法的基础上，利用亚像素角点到周围像素点的矢量应垂直于图像的灰度梯度这个观察事实进步检测出亚像素角点。然后运用经典的张正友摄像机标定方法，得到摄像机的内外部参数，本文在摄像机标定过程中为了减小标定误差，左右摄像头分别采集了标定板的幅图像，并分别把左右摄像头的幅图像检测出的亚像素角点坐标作为张正友摄像机标定方法的输入，最后标定出左右摄像头的内部参数，亚像素角点检测和摄像机标定均用编程实现。立体匹配模块中，主要在特征点匹配上重点进行了算法研究，本文研究了经典的特征点匹配算法并对不同情况下得到的图像进行了特征点匹配实验，但考虑到本文研究的图像是比较简单的图形，运用特征点匹配算法反而觉得算法复杂和匹配时间较长，因此本文基于实际情况，找到了种适合本课题实验中的图像的特征点匹配的方法，实验中首先对左右图像分别进行了角点检测，然后把左图中的特征点作为模板图像，与右图中的特征点进行模板匹配，相似度最大的，则认为是最佳匹配点，这种算法不仅简单而且匹配时间较短。最后的面积计算模块中，本文提出了种新的测量面积的方法，利用双目