基于双目视觉的目标定位研究(2)

　　立体匹配的实验结果如图4所示。 

　　图4中，为视频中第100帧的立体匹配情况，其中左图中的的目标区域是由跟踪算法确定的，右图中的目标区域是由立体匹配算法确定的，从试验结果可以看出，右图的立体匹配比较准确。 

　　为了检验文中目标定位的准确性，在视频拍摄之前选定了若干行走路线上的确定点，并手工测量了其深度值。在双目视觉的目标定位算法实验中，以行人到摄像机拍摄平面的距离为实际深度，算法实验得到的相应确定点的深度数据与手工测量的深度数据如表2所示。 

　　表2中1号数据对应图4。由表2中的数据计算得到的平均相对误差为1.95%，可以看出采用双目视觉方法的运动目标定位是可以实现的，定位精度能够满足一般要求。 

　　对实验过程进行分析，发现误差产生原因主要有以下两个方面： 

　　（1）在计算深度的过程中使用的某些数据，如焦距f，像素点实际对应尺寸等存在误差，导致深度计算中出现二次误差； 

　　（2）由于立体匹配算法本身存在缺陷，导致匹配的图像坐标产生误差，最终对深度信息造成影响。 

　　针对上述原因造成的误差，文章提出一些改进的建议： 

　　（1）对最终的深度计算结果进行参数补偿，以减小绝对误差； 

　　（2）在立体匹配过程中，选取匹配图像前后的多帧图像，分别进行匹配并及计算深度，取平均值作为该帧目标的深度； 

　　（3）改进立体匹配算法，使之能够更好地应用于运动目标系统。 

　　5 结束语 

　　运动目标的位置确定是计算机视觉领域的重要研究内容，文章首先对双目视觉的基本原理进行介绍，然后深入研究了双目视觉关键技术中的摄像机标定和立体匹配方法，采用传统标定方法及基于灰度相关性的立体匹配算法，设计了双目标定及目标定位实验，实验结果表明，文中采用的算法能够实现一般应用需求中的运动目标的定位问题。 

　　参考文献 

　　[1]马颂德，张正友.计算机视觉-计算理论与算法基础[M].北京：科学出版社，1998. 

　　[2]颜卓.基于双目视觉的运动物体检测系统研究[D].沈阳：沈阳大学，2012. 

　　[3]Gary Bradski，Adrian Kaehler.学习OpenCV[M].北京：清华大学出版社，2009. 

　　[4]时洪光.基于双目视觉的运动目标定位研究[D].青岛：青岛大学，2010. 

　　[5]王逸林.基于区域匹配算法的双目立体匹配技术的研究[D].大连：大连海事学院，2012.