視覺感知 - 基于雙目立體視覺伺服的智能車室內彎道控制

　　1 室內道路環(huán)境信息的視覺感知

　　1.1 立體視覺系統(tǒng)模型

　　采用針孔成像模型將圖像中任何點的投影位置與實際點的物理位置建立連線關系，攝像機光心O與空間P點間的連線OP與圖像平面的交點即為圖像投影的位置（u，v）。用齊次坐標和矩陣表示上述透視投影關系為：

　　本文采用的雙目平行相機的模型如圖1所示，C1與C2攝像機的焦距相等，各內部參數也相等，而且兩個相機的光軸互相平行，x軸互相重合，y軸互相平行，因此，將第一個攝像機沿x軸平移一段距離b后與第二個攝像機完全重合。假設C1坐標系為O1 x1 y1 z1，C2坐標系為O2 x2 y2 z2，則在上述攝像機配置下，若任何空間點P的坐標在C1坐標系下為（x1），y1，z1，在C2坐標系下為（x1）-b，y1，z1。由中心攝影的比例關系可得：

　　其中（u1，v1）、（u2，v2）分別為P1與P2的圖像坐標。由P1與P2的圖像坐標（u2，v2）、（u2，v2）可求出空間點P的三維坐標（x1，y1，z1）。

　　1.2 室內環(huán)境特征向量的提取與匹配

　　由于噪聲、光照變化、遮擋和透視畸變等因素的影響，空間同一點投影到兩個攝像機的圖像平面上形成的對應點的特性可能不同，對在一幅圖像中的一個特征點或者一小塊子圖像，在另一幅圖像中可能存在好幾個相似的候選匹配。因此需要另外的信息或者約束作為輔助判據，以便能得到惟一準確的匹配。最近鄰法是一種有效的為每個特征點尋找匹配點的方法。最近鄰點被定義為與特征點的不變描述子向量之間的歐氏距離最短的點。

　　假定參考圖像P的SIFT特征點集合為：FP ={FP （1），FP （2），-，FP （m）}，m為圖像P的特征點的個數；待匹配圖像Q的特征點的個數為N，SIFT特征點集合為FQ ={FQ （1），FQ （2），-，FQ （m）}。當在建立參考圖像中的特征點和待匹配圖像的特征篩選對應匹配關系時，應按照圖2所示的算法進行對稱性測試，只有當兩個匹配集中的對應點完全一致時，才視為有效匹配。

　　SIFT特征向量生成后，利用特征點向量的歐式距離來作為兩幅圖像中特征點的相似性判定度量。最近鄰法是一種有效的為每個特征點尋找匹配點的方法。