三维物体的信息提取与识别过程-李坤

三维物体的信息提取与识别过程

一． 三维物体的信息提取

为了判断一个物体在空间的位置和形状，需要两类信息，即距离信息和明暗信息。机器人用什么样的视觉系统和怎样用视觉系统获取三维信息是一个重要问题；一般而言，可以用双镜头立体视法来获取需要的三维信息。

1．距离信息的获取

在适当的距离设置二台摄像机，同时对准目标物体。根据三角测原理，可以测出物体的距离。

设物体所在的工作坐标系为XYZ ，摄像机机头所在的坐标系为X'Y'Z'。不妨令这两个坐标系具有如下关系：X'轴相对于X 轴平移h ；YZ 平面与Y'Z'平面重合；Z'轴计对于Z 轴转一俯角（这是由于实际上摄像机总是从上方向下斜对着物体）。这样，只需获取摄像机坐标系内的坐标，通过一定的坐标变换，即可得出工作坐标系内的坐标，即实际坐标。

而摄像机坐标系也无法直接获得，由于它是采用适当的距离的二台摄像机来获取目标物体的信息，因而可以建立一个左右眼坐标系来记录（如下图）：

左右摄像机的透镜中心分别为C L 和C R ，间距是2a 。二者连线中点与坐标原点0'重合，两台摄像机的光轴交轴Y'的P 0点。可设左眼坐标系为ηx O L ηY ，原点为O L ，(X /L ，Y /L ，Z /L )（该坐标为）。右眼坐标系为ξx O R ξY ，原点为O R ，（X /R ，Y /R ，Z /R ）。

现设物体上的任意点P 在左右眼坐标系中的投影点坐标值分别为(ηxp , ηyp )，( ξxp ,ξyp )。由图可得左、右眼坐标系到机头坐标系之间的坐标变换为：

⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--+⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣

⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡'''0 cos sin 1 0 0 sin 0 cos αααηηααL L Z Y X y x L L L ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡++⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢

⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡'''0 cos - sin 1- 0 0 sin -0 cos αααξξααL Z Y X y x R R R

设左透镜中心点为C L (-a,0,0)，右透镜中心点为C R (a,0,0) 。通过O L 和C L 的直线称左视线中轴，同理直线O R C R 称右视线中轴，分别记为L L 和L R 的二条直线方程为：

R

R L L

L L Z Z Y Y a X a X Z Z Y Y a X a X ''=''=-'-'''=''=+'+'：：R L L L 从而，摄像机坐标系内坐标（X /，Y /，Z /）可以求得。

最后再把点从机座坐标系变换到物体工作坐标系里，即可得点在工作坐标系中的坐标值。

由于摄像机视角所限，存在二台摄像机不能看到的死区。为减少死区，由点同时映入左右眼的条件可知二者应靠近，测量误差会随着二者距离的接近而加大。因此要根据实际情况，选择合适的距离。

2．明暗信息的处理

用来判断物体轮廓的明暗信息通常用电视摄像机或CCD 固体摄像机取得。 同样对信息作量化处理，即把信息分成许多象素点，一幅图像可以分成64×64，128×128，256×256等点阵，这些亮点经A/D 转换后输入计算机，通过某种算法对这些象素提取特征，然后把特征相同的点连接成线条。计算机对这些线条进行解释即能识别物体。

对象素进行处理提取特征的方法很多，现只介绍一种较简单的二值图像处理算法。这种方法将原来的256级灰度的图像化成只有零和非零二种值的图像，然后根据一个点与其周围点的关系来判断它是否在物体轮廓上。

通过一定算法，计算机可以判断某点是否为轮廓点。计算机对图像中的每一点均按此算法予以处理后，便可知哪些点在轮廓上，哪些点不在轮廓上。然后把判断出在轮廓上的点连结起来，即成为物体的轮廓。

在数字图像上每一象素可以和它周围的8个象素发生联系，如果中心点判定是轮廓点，而8个点中有一个点被判定也是轮廓点，那么就把这两个点连结起来。接着再去判断被连结的那个点和它周围8个点的关系，如此类推，便可将整个轮廓连结起来。

二． 三维物体的识别过程

轮廓得到以后，如何识别该轮廓所表示的物体呢?这需要从轮廓中提取特征。而为了提取特征，可以将线条进行分类；即利用线条分类识别三维物体。

我们可以将交叉线条分成L 型线、箭头型线、叉型线、T 型线、ψ型线等，如下图所示。

以2个叠放在一起的立方体为例（如右图）

容易看出该图像包括3个L型，3个箭型，l个叉型，

2个T型，1个ψ型。

当然仅有这些还不够，还必须判别这些交叉互

相之间的关系。我们可以在计算机里储存一个拓扑

关系图如下图所示。

这是一个网状关系结构，如果所摄图像各交叉接头完全符合上图的拓扑关系，即可以识别这是两个重叠的立方体。

同理，对其他的物体而言，只需判断所摄图像各交叉接头是否符合计算机里已存储的拓扑关系，即可识别三维物体。