第2頁共168頁單目測距系統(tǒng)實(shí)現(xiàn)案例分析目錄TOC\o"1-3"\h\u23705單目測距系統(tǒng)實(shí)現(xiàn)案例分析 1651.1所使用基本原理說明 1297451.2步驟處理說明分析 2178141.3測距結(jié)果與分析 4在設(shè)計雙目測距系統(tǒng)之前，先設(shè)計了一個較為簡單的單目測距系統(tǒng)，以便對于對原理以及相關(guān)的操作的熟悉和應(yīng)用。本章就詳細(xì)介紹了所設(shè)計的單目測距系統(tǒng)，介紹其所使用的的方法原理并展示相關(guān)成果。1.1所使用基本原理說明攝像頭測距就是要得到照片中目標(biāo)到攝像機(jī)的距離，為達(dá)到目的這可以使用相對復(fù)雜度更高卻也更加準(zhǔn)確的攝像機(jī)模型的內(nèi)部參數(shù)來實(shí)現(xiàn)，但本章的系統(tǒng)中使用了更為簡便傳統(tǒng)的另一種方法原理，以下是說明：首先，其名稱為相似三角形（trianglesimilarity）方法，模型結(jié)構(gòu)如圖：圖1.1相似三角形測距模型圖假設(shè)要測量的物體的寬度為W，同時該物體到攝像機(jī)的距離為D，對目標(biāo)進(jìn)行圖像采集，并且在圖片上，目標(biāo)的像素寬度P也能被測量出來，其中像素寬度是指圖片或者屏幕在橫向上劃分的像素點(diǎn)的數(shù)量，這樣，我們就能通過計算得出所使用的的攝像機(jī)的焦距F，其公式為：(1.1)這一步之后，通過移動物體或者相機(jī)位置，改變他們之間的距離，我們就能通過相似三角形來求得更新之后的距離：(1.2)基本原理就是這樣，接下來是所設(shè)計的單目測距系統(tǒng)中之后的處理步驟說明與分析。1.2步驟處理說明分析本部分將按照前文所說明的測距系統(tǒng)結(jié)構(gòu)來逐步簡明分析在設(shè)計該系統(tǒng)時所采取的步驟。按步驟首先是圖像的采集。這一步要說明的是采取的設(shè)備是手機(jī)攝像頭，原因是獲取使用方便，手機(jī)型號Redmik20pro，攝像師采用普通模式，即使用的主攝像頭，該攝像頭參數(shù)為1/4"型傳感器，1.12um，5P鏡頭，f/2.4光圈，基本條件如上，為保證成像質(zhì)量，顧在光源條件較好即光照充足的時候拍攝，拍攝對象為一個主題色調(diào)為藍(lán)色的鼠標(biāo)墊，背景為灰白色，鼠標(biāo)墊長25.7cm，寬20.8cm。圖像采集完成后，進(jìn)入下一步操作處理。接下來是圖像預(yù)處理，這一步的目的是便于在所拍攝的圖片中找到目標(biāo)物體，本文所采取的的操作是先對圖片進(jìn)行輕微的模糊處理（Smooth/Blur），這一步的目的是減低噪聲對后續(xù)的影響。模糊操作的基本原理是數(shù)學(xué)的卷積運(yùn)算。按原理不同，模糊處理可分為均值濾波，中值濾波，高斯濾波以及雙邊濾波，本文采取的是高斯濾波以去除高斯噪聲，其原理為：對整幅圖像進(jìn)行加權(quán)平均處理，每一個像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。一維高斯函數(shù)如下：（1.3）同時該操作在OpenCV中也剛好提供了API，為voidGaussianBlur(InputArraysrc,OutputArraydst,Sizeksize,doublesigmaX,doublesigmaY=0,intbord），這之后，我又進(jìn)行了一步操作：將圖片轉(zhuǎn)換為灰度圖。這一步的目的是去除顏色特征帶來的影響，便于后續(xù)的一系列操作?；叶葓D，也叫灰階圖?；叶?，可以理解為亮度，也就是色彩的明顯程度，灰度圖像也稱為黑白圖像。通過紅綠藍(lán)三原色和灰度的排列組合，可以組合成成各種各樣的顏色，而灰度圖就是讓RGB的色彩分量全部相等，目前，最常用的是256級灰度圖。例如，RGB(49,49,49)就表示灰度為49，這個灰度的范圍是0~255，把彩色圖像轉(zhuǎn)換為灰度圖像有多種常用的計算方法，這主要視應(yīng)用場景而定，一般是按加權(quán)平均的方法進(jìn)行計算，其中R:G:B一般為三：六：一。OpenCV中可以在讀取時轉(zhuǎn)化圖片或者用函數(shù)進(jìn)行變換，本文采取了第二種方法，使用了函數(shù)cvtColor。圖像預(yù)處理完成后就是對攝像機(jī)的標(biāo)定了，這部分本應(yīng)是去求其內(nèi)參，不過此處是應(yīng)用了相似三角形原理，這一部分上文中有詳細(xì)說明，不再贅述。本文程序中就定義了一個distance函數(shù)根據(jù)焦距、像素寬度來計算距離。下一步是特征提取。由于上文我們進(jìn)行了灰度圖轉(zhuǎn)換手段，這一步我們所感興趣的部分就是“輪廓”，通過進(jìn)行邊緣檢測來獲取特征，來找到目標(biāo)物體。邊緣檢測一般分為三大步驟，即濾波，增強(qiáng)和檢測。其中濾波這一步以及在上一段中進(jìn)行了說明，除去了噪聲的影響。邊緣增強(qiáng)的基礎(chǔ)是決定各圖像點(diǎn)的附近亮度的變化值。強(qiáng)調(diào)算法可以強(qiáng)調(diào)圖像灰度點(diǎn)附近的亮度值有重要變化的部分。在特定編程中，可以通過計算梯度幅度來確定。在擴(kuò)展圖像中，在具有大梯度值的附近有許多點(diǎn)，但是在特定應(yīng)用中，這些點(diǎn)不是我們想要找到的邊緣點(diǎn)，所以應(yīng)該使用幾種方法來選擇這些點(diǎn)。在實(shí)際工程中，通常使用的方法是通過檢測閾值法。這一部分OpenCV中也給了相應(yīng)的函數(shù)：voidCanny(InputArrayimage,OutputArrayedges,doublethreshold1,doublethreshold2,intapertureSize=3,boolL2gradient=false)。函數(shù)中的參數(shù)，從左到右依次的作用是：輸入單通道8位圖像，輸出的邊緣圖像，且尺寸類型與輸入一致，第一個以及第二個double類型的閾值，Sobel算子孔徑大小且默認(rèn)為3，最后一個則是計算圖像梯度幅值的標(biāo)志，默認(rèn)為false。經(jīng)過處理的圖片展示效果如下圖所示：圖1.2圖片處理效果展示那么，如何在檢測出來的各個輪廓中找出目標(biāo)物體的呢？這一步本文所設(shè)計的系統(tǒng)中采取的是對各個輪廓進(jìn)行比對，挑出其中輪廓最大的作為目標(biāo)對象繼續(xù)后續(xù)的研究，此處使用的是函數(shù)cv2.findContours找到相片中的每一個輪廓，然后對各個輪廓的大小進(jìn)行比較，使用max函數(shù)，找出其中最大的一個，由此確定目標(biāo)物體的輪廓。最后一步就是計算深度即距離了。利用函數(shù)imread來讀取預(yù)先存儲在磁盤文件夾的各個圖片，再利用函數(shù)find_marker讀取預(yù)先輸入的目標(biāo)的各種信息，即長度、寬度、焦距等。最后套用公式1.2對圖片一一進(jìn)行處理，利用相似三角形原理可以較簡單地求出最終結(jié)果。1.3測距結(jié)果與分析該系統(tǒng)會對預(yù)先存入目標(biāo)文件夾的圖片進(jìn)行分析處理，輸出圖片，并用綠色框圖圈出目標(biāo)物體并且在右下角顯示以cm為單位的測量結(jié)果。首先展示一下程序的運(yùn)行結(jié)果圖：圖1.3運(yùn)行結(jié)果圖1可以發(fā)現(xiàn)，此次測量中系統(tǒng)較為準(zhǔn)確地識別了目標(biāo)物體并框出，但并不是每一次都會出現(xiàn)這樣的結(jié)果，有幾次識別出現(xiàn)了比較糟糕的識別結(jié)果，如下圖所示：圖1.4運(yùn)行結(jié)果圖2這只是其中一例，在本次實(shí)驗(yàn)中一共處理了十張照片，其結(jié)果將使用表格進(jìn)行展示。如下表：表1.1單目測距結(jié)果單位：mm標(biāo)號實(shí)際的距離測量的距離誤差1100102.32.3%2150155.71.8%3200220.410.2%4250260.34.12%5300340.511.5%6350335.84.05%7400389.21.125%8450419.46.8%9500550.410.08%10550501.58.45%從表格可以看出明顯可