halcon的双目立体匹配及应用概述

对要求大测量范围和较高测量精度的场合，采用基于双摄像机的双目立体视觉系统比较合适；对测量范围要求比较小，对视觉系统体积和质量要求严格，需要高速度实时测量对象，基于光学成像的单摄像机双目立体视觉系统便成为最佳选择。

基于双摄像机的双目立体视觉系统必须安装在一个稳定的平台上，在进行双目视觉系统标定以及应用该系统进行测量时，要确保摄像机的内参(比如焦距)和两个摄像机相对位置关系不能够发生变化，如果任何一项发生变化，则需要重新对双目立体视觉系统进行标定。

⊿z=z*⊿d/f*b

⊿z表示测量得出的被测点与立体视觉系统之间距离的精度，z指被测点与立体视觉系统的绝对距离，f指摄像机的焦距，b表示双目立体视觉系统的基线距，⊿d表示被测点视差精度。

如果b和z之间的比值过大，立体图像对之间的交迭区域将非常小，这样就不能够得到足够的物体表面信息。b/z可以取的最大值取决于物体的表面特征。一般情况下，如果物体高度变化不明显，b/z可以取的大一些；如果物体表面高度变化明显，则b/z的值要小一些。无论在任何情况下，要确保立体图像对之间的交迭区域足够大并且两个摄像机应该大约对齐，也就是说每个摄像机绕光轴旋转的角度不能太大。

2．2 双目立体视觉系统标定

为了进行视觉系统的标定，需要得到空间点的三维坐标以及该点在左右两幅图像中坐标的对应关系，另外还需要给定两个摄像机的初始参数。拍摄标定板图像时，要保证标定板在左右两个摄像机中都能够完整成像。

如果使用HALCON标准标定板，首先可以通过函数find_caltab()在标定板图像中分离出标定板区域，然后利用find_marks_and_pose()算子，该算子通过亚象素阈值、亚象素边缘提取、圆心确定等一系列操作计算标定板上每个点的图像坐标以及标定板与摄像机之间大约的位置关系，即摄像机的外参初始值。其中使用find_caltab()分离标定板区域运算时间大约为5ms，find_marks_and_pose()计算标定板上49个标志点的坐标大约需要时间为40ms，计算坐标精度为亚象素级，如某标志点在左摄像机图像坐标系中坐标为(198.612619165, 344.142354438)，右摄像机图像坐标系中相应点坐标为(212.140195587, 226.377754012)。 如果使用自定义的标定板，可以使用HALCON中的图像滤波、亚象素边缘及线提取、亚象素轮廓处理等基本函数开发算法求取标志点的坐标并估算摄像机的外参初始值。

获得标志点相应的坐标以及摄像机的起始参数后，通过调用函数binocular_calibration()来确定两个摄像机的内参数、外参数以及两个摄像机之间的相对位置关系。通过539个标志点坐标的对应关系计算出摄像机各个参数需要的时间为1.6094s，计算误差约为0.02个象素。

2．3 校正立体图像对

为了能够更精确地进行匹配，提高运算的效率，在获得摄像机的内外参数后首先对立体图像对进行校正。校正的过程其实就是将图像投影到一个公共的图像平面上，这个公共的图像平面方向由双目立体视觉系统基线与原始两个图像平面交线的叉集确定。

校正后的图像可以看作是一个虚拟的立体视觉系统（图5）采集的图像对。这个视觉系统中摄像机的光心与实际摄像机一致，只是通过绕光心的旋转使光轴平行，并且视觉系统中两个摄像机的焦距相同。这个虚拟的立体视觉系统就是双目立体视觉原理中提到的最简单的平视双目视觉模型。

HALCON中将标定过程中获得的摄像机的内参以及两个摄像机相对位置关系作为参数传递给函数gen_binocular_rectification_map()，再将获得的两个图像的映射图传递给函数map_ image()，即可得到校正后的两幅图像，并可获得校正后虚拟立体视觉系统中两个摄像机的内参和外参。其中函数gen_binocular_rectification_map()耗时约为0.3488s，map_image()耗时约为0.0050s。

2．4 获得图像中三维信息

为了得到图像中某点的三维信息，需要在另一幅图像中找到该点的对应点坐标。因此想获得物体的深度信息，首先需要对校正后的立体图像对进行匹配。由于经过校正后，两幅图像中的对应点在图像的同一行中，因此在匹配时只需要在相应的行中寻找匹配点。为了得到更佳的匹配结果，如果被测物体表面没有明显的特征信息，则需要测量时在物体表面增加特征点。另外要避免被测物体上重复图案在同一行中。

将校正后的图像以及虚拟立体视觉系统中的摄像机内外参数传递给binocular_disparity(), 这时可以设置匹配窗大小、相似度计算方式等参数，在匹配中使用图像金字塔提高匹配速度，并且可以自我检测匹配结果的正确性。函数返回一个视差图 (物体表面三维信息的表示)和一个匹配分值图(表示匹配结果的准确程度)，函数的运行时间约为0.6051s。

函数binocular_distance()与binocular_disparity()类似，只不过返回一个深度图(物体表面在第一个摄像机坐标系中的深度信息)和一个匹配分值图。图6～图9显示了HALCON中利用双目立体视觉测量电路板三维信息的过程。

HALCON中另外还有很多关于立体视觉的函数，可以获得图像中某点的三维坐标，另外可以校正倾斜对高度测量的影响等。