焊接机器人双目立体视觉组成简介

20世纪60年代，美国麻省理工学院的Robert把二维图像分析推广到三维景物，标志着立体视觉技术诞生。随后，70年代末美国麻省理工学院的Marr教授提出来的计算机视觉理论框架则奠定了立体视觉的发展基础。该理论框架输入二维图像，输出由二维图像“重构”出来的三维物体的形状。作为计算机视觉的一个重要分支，双目机器视觉是由不同位置的两台摄像机同时拍摄同一副场景，获取在不同视角下的感知图像，基于三角测量原理得到空间三维坐标值。一个完整的双目立体视觉系统通常包括数字图像采集、摄像机标定、图像预处理与特征提取、立体匹配、三维重建五部分。

(1)数字图像采集

数字图像采集是图像处理的前提和基础。常用的图像采集设备有数码摄像机、工业CCD摄像机和图像采集卡。进行数字图像采集时，要注意考虑视点的差异、环境的光照条件、摄像机性能参数及景物特点等的影响。

(2)摄像机标定

空间物体某点的几何信息与图像中对应点的位置信息相关。这两者之间的相互关系式取决于摄像机成像的几何模型。该几何模型的参数称为摄像机参数，这些参数必须由试验和计算决定。摄像机的标定就是确定参数的过程。目前常用的摄像机标定方法归结为3类:传统摄像机标定方法、自标定方法、主动视觉法

(3)图像预处理与特征提取

光学系统成像往往伴随着噪声和畸变。图像的预处理提高图像质量，使二维图像更加利于计算机处理。特征提取是为得到匹配赖以进行的图像特征。常用的匹配特征主要有角点特征、点特征，线特征和区域特征等。进行匹配时需要一定的约束准则和匹配策略以减少误匹配

(4)立体匹配

立体匹配包裹稀疏匹配和稠密匹配。国外有很多学者进行这方面的研究。现有的匹配算法分为三大类:灰度匹配、特征匹配和相位匹配。其中，特征匹配是广泛应用的一种匹配方法。根据图像中保持不变的特征，如兴趣点、线特征、面特征等作为两幅图像配的匹配参考信息。

(5)三维重建

三维重建的目的是利用计算机三维显示技术，在已知摄像机成像几何模型和匹配关系的情况下，通过二维图像重构出景物的空间构型。影响重建精度的因素主要有数字量化误差、摄像机标定误差、特征检测与匹配精度误差等。

随着双目立体视觉技术的不断发展和检测精度的不断提高，双目立体视觉被广泛应用。例如在生产中，对工业生产线的结构、照明等因素进行严格的控制，应用双目立体视觉技术可以进行工业生产和装配线的检测，装配零件的识别与定位、产品外形轮廓检验、表面缺陷检验等;两个摄像机同步获取某一时刻场景中某一视点的两幅图像，组成图像序列对，应用双目视觉技术恢复场景的三维信息，并利用场景的三维信息识别特定目标、判断障碍物、道路规划等，实现与周围环境的自主交互。日本东京大学为机器人加载双目立体视觉系统实现路径规划和障碍物探测。该机器人动态导航系统首先根据摄像机拍摄的图像识别出障碍物和地面，然后应用双目视觉测量原理把二维平面坐标系转换到世界坐标系，这样就形成了机器人周围环境地图，据此地图进行实时机器人路径规划和障碍物检测。北京航空航天大学对基于双目视觉方法原理的坐标测量机的测距误差进行了较为系统的分析，主要对摄像机坐标系与坐标测量机坐标系之间的不正交所引起的测距误差、坐标测量机本身的机构误差引起的测距误差以及摄像机成像面上像元的量化误差引起的测距误差三种误差因素进行了讨论。中国空气动力研究中心的何海、汤春林等人采用双目立体视觉系统，通过对风洞试验模型上两个以上的圆或三角锥特征点提取，实现了模型侧滑角的空间非接触实时精确测量