/ 導(dǎo)讀 /

雙目立體視覺（Binocular Stereo Vision）是機(jī)器視覺的一種重要形式，它是基于視差原理并利用成像設(shè)備從不同的位置獲取被測(cè)物體的兩幅圖像，通過計(jì)算圖像對(duì)應(yīng)點(diǎn)間的位置偏差，來獲取物體三維幾何信息的方法。

1偽激光雷達(dá)-雙目立體相機(jī)

深度學(xué)習(xí)和計(jì)算機(jī)視覺在自動(dòng)駕駛系統(tǒng)中已經(jīng)非常流行且被廣泛應(yīng)用。計(jì)算機(jī)視覺領(lǐng)域在過去的十年里得到了迅猛的發(fā)展，特別是在障礙物檢測(cè)方面。障礙物檢測(cè)算法，如YOLO或RetinaNet提供了二維邊界框，用邊界框給出了障礙物在圖像中的位置。

目前，大多數(shù)的目標(biāo)檢測(cè)算法都是基于單目RGB攝像機(jī)的，不能返回每個(gè)障礙物的距離。為了能夠返回每個(gè)障礙物的距離，工程師們將相機(jī)與激光雷達(dá)（LiDAR，光探測(cè)和測(cè)距）傳感器進(jìn)行融合，后者使用激光來返回深度信息。將計(jì)算機(jī)視覺信息和激光雷達(dá)輸出進(jìn)行傳感器的融合。這種方法的問題是使用激光雷達(dá)，就會(huì)導(dǎo)致價(jià)格昂貴。所以經(jīng)常有人使用的一個(gè)雙目攝像頭進(jìn)行替代，并使用幾何信息來定義每個(gè)障礙物的距離，故可以將雙目相機(jī)獲取的數(shù)據(jù)稱之為偽激光雷達(dá)

雙目視覺利用幾何學(xué)來構(gòu)建深度圖，并將其與目標(biāo)檢測(cè)相結(jié)合以獲得三維距離。那么如何利用立體視覺實(shí)現(xiàn)距離估計(jì)？以下是雙目障礙物檢測(cè)的5步偽代碼：

標(biāo)定 2 個(gè)攝像頭（內(nèi)外參的標(biāo)定）

創(chuàng)建極線約束

先構(gòu)建視差圖，然后構(gòu)建深度圖

然后將深度圖與障礙物檢測(cè)算法相結(jié)合

估計(jì)邊界框內(nèi)像素的深度。

2相機(jī)內(nèi)外參標(biāo)定

每個(gè)攝像機(jī)都需要標(biāo)定。相機(jī)的標(biāo)定是指將三維世界中的［X，Y，Z］坐標(biāo)的三維點(diǎn)轉(zhuǎn)換為具有［X，Y］坐標(biāo)的二維像素。這里簡單的介紹一下針孔相機(jī)模型。顧名思義就是用一個(gè)針孔讓少量光線穿過相機(jī)，從而得到清晰的圖像。

針孔相機(jī)模型可以設(shè)置焦距，使得圖像更加的清晰。為了相機(jī)標(biāo)定，我們需要通過攝像機(jī)坐標(biāo)系計(jì)算世界坐標(biāo)點(diǎn)到像素坐標(biāo)的變換關(guān)系。

從世界坐標(biāo)系到相機(jī)坐標(biāo)的轉(zhuǎn)換稱為外參標(biāo)定，外部參數(shù)稱為R（旋轉(zhuǎn)矩陣）和T（平移矩陣）。

從攝像機(jī)坐標(biāo)到像素坐標(biāo)的轉(zhuǎn)換稱為內(nèi)參標(biāo)定，它獲取的是相機(jī)的內(nèi)部參數(shù)，如焦距、光心等…

內(nèi)參我們常稱之為K的矩陣。

內(nèi)參標(biāo)定，通常使用棋盤和自動(dòng)算法獲得，如下圖我們?cè)诓杉瘶?biāo)定板時(shí)，將告訴算法棋盤上的一個(gè)點(diǎn)（例如世界坐標(biāo)系點(diǎn) 0， 0 ， 0）對(duì)應(yīng)于圖像中的一個(gè)像素為（545，343）。

為此，相機(jī)標(biāo)定必須用攝像機(jī)拍攝棋盤格的圖像，在得到一些圖像和對(duì)應(yīng)的點(diǎn)之后，標(biāo)定算法將通過最小化平方誤差來確定攝像機(jī)的標(biāo)定矩陣。得到標(biāo)定參數(shù)后為了得到校正后的圖像，需要進(jìn)行畸變校正?；兛梢允菑较虻模部梢允乔邢虻?。畸變校正有助于消除圖像失真。

以下是攝像機(jī)標(biāo)定返回的矩陣形式

f是焦距-（u?，v?） 是光學(xué)中心：這些是固有參數(shù)。

我認(rèn)為每一個(gè)計(jì)算機(jī)視覺工程師都應(yīng)該必須知道并掌握相機(jī)的標(biāo)定，這是最基本且重要的要求。

在相機(jī)標(biāo)定的過程中涉及到一些齊次坐標(biāo)轉(zhuǎn)換的問題，這里簡單的介紹一下有兩個(gè)公式可以得到從世界坐標(biāo)系到像素坐標(biāo)系的關(guān)系：

（1）世界坐標(biāo)系到相機(jī)坐標(biāo)系的轉(zhuǎn)換（外參標(biāo)定公式）

（2）相機(jī)坐標(biāo)系到圖像坐標(biāo)系的轉(zhuǎn)換（內(nèi)參標(biāo)定公式）

所以從三維空間坐標(biāo)系到圖像坐標(biāo)系下的關(guān)系可以總結(jié)為

但是我們知道這個(gè)公式是齊次坐標(biāo)才可以這么寫，也就是需要將O_world從［X Y Z］修改為［X Y Z 1］，加這個(gè)“1”后稱為齊次坐標(biāo)。

3雙目視覺的對(duì)極幾何

我們知道雙目立體視覺是基于兩幅圖像來尋找深度的，人類的眼睛就像兩個(gè)相機(jī)，因?yàn)閮芍谎劬牟煌慕嵌扔^察圖像，所以他們可以計(jì)算兩個(gè)視角之間的差異，并建立距離估計(jì)。下圖是一個(gè)雙目立體相機(jī)的例子

那么我們?nèi)绾胃鶕?jù)雙目立體相機(jī)如何估計(jì)深度？想象一下你有兩個(gè)攝像頭，一個(gè)左攝像頭和一個(gè)右攝像頭。這兩個(gè)攝像頭在同一Y軸和Z軸上對(duì)齊。那么唯一的區(qū)別是它們的X值。

根據(jù)上圖我們的目標(biāo)是估計(jì)O點(diǎn)（代表圖像中的任何像素）的Z值，即距離。X是對(duì)齊軸，Y是高度值，Z是深度值，兩個(gè)藍(lán)色的平面圖對(duì)應(yīng)于每個(gè)攝像頭的圖像。假設(shè)我們從從俯視的角度來考慮這個(gè)問題。

已知：

（1）xL對(duì)應(yīng)于左側(cè)相機(jī)圖像中的點(diǎn)。xR是與左側(cè)圖像中該點(diǎn)的對(duì)應(yīng)位置。（2）b是基線，是兩個(gè)攝像頭之間的距離。

針對(duì)左相機(jī)，如下圖，我們可以得到一個(gè)公式：Z = X*f / xL.

針對(duì)右相機(jī)，如下圖，我們可以得到另一個(gè)公式：Z = （X — b）*f/xR.

此時(shí)根據(jù)兩個(gè)公式我們可以計(jì)算出正確的視差d=xL-xR和一個(gè)物體的正確XYZ位置。

4視差和深度圖

什么是視差？視差是指同一個(gè)三維點(diǎn)在兩個(gè)不同的攝像機(jī)角度獲得的圖像中位置的差異。視差圖是指一對(duì)立體圖像之間明顯的像素差異或運(yùn)動(dòng)。要體驗(yàn)這一點(diǎn)，試著閉上你的一只眼睛，然后快速地閉上它，同時(shí)打開另一只眼睛。離你很近的物體看起來會(huì)跳一段很長的距離，而離你較遠(yuǎn)的物體移動(dòng)很少，這種運(yùn)動(dòng)就是視差。

由于立體視覺，我們可以估計(jì)任何物體的深度，假設(shè)我們得到了正確的矩陣參數(shù)，則可以計(jì)算深度圖或視差圖：

為了計(jì)算視差，我們必須從左邊的圖像中找到每個(gè)像素，并將其與右邊圖像中的每個(gè)像素進(jìn)行匹配。這就是所謂的雙目相機(jī)的立體匹配的問題。為了解決像素匹配的問題，引入對(duì)極幾何約束，只需在對(duì)極線上搜索它，就不需要二維搜索，對(duì)應(yīng)點(diǎn)一定是位于這條線上，搜索范圍縮小到一維。

之所以能夠引入對(duì)極約束，這是因?yàn)閮蓚€(gè)相機(jī)是沿同一軸對(duì)齊的。以下是極線搜索的工作原理：

取左圖中這一行上的每個(gè)像素

在同一極線上比較左圖像像素和右圖像中的每個(gè)像素

選擇 cost 最低的像素

計(jì)算視差 d

5構(gòu)建偽激光雷達(dá)效果

現(xiàn)在，是時(shí)候把這些應(yīng)用到一個(gè)真實(shí)的場(chǎng)景中，看看我們?nèi)绾问褂秒p目立體視覺來估計(jì)物體的深度。假設(shè)我們有以下兩張實(shí)際場(chǎng)景下的圖片，并且我們我們已經(jīng)獲取了雙目相機(jī)的外參矩陣。

此時(shí)我們計(jì)算視差圖的步驟。將投影矩陣分解為攝像機(jī)內(nèi)參矩陣

編輯：jq