CN102446355A - 一种基于双视场的无标定平面突起目标检测方法 - Google Patents

Abstract

本发明公开了一种基于双视场的无标定平面突起目标检测方法，该方法按照以下步骤实施：场景标记物的设置；图像的采集；检测并计算出标记物的四个对应点对；根据四个对应标记点对求单应矩阵；对右视图进行单应变换；进行光照亮度调整，之后进行配准叠加；进行平面突起目标的判断，即得最终的判断结果。本发明的方法，无需相机标定，从双目视场，或者是单目相机的两个变换姿态的视场中，即可获得三维空间中的平面上突起目标的检测方法，运算方法合理，计算速度提高，能够满足三维视觉***对目标检测的准确性及实时性的要求。

Description

一种基于双视场的无标定平面突起目标检测方法

技术领域

本发明属于三维目标检测技术领域，具体涉及一种基于双视场的无标定平面突起目标检测方法。

背景技术

三维目标检测是无人驾驶汽车识别障碍物检测，机器人视觉中的目标定位与识别的重要环节，对于三维立体视觉而言，由于处理数据量很大，所以很难做到准确且快速地检测出立体目标。

对于自动行走中的汽车或者是机器人，环境中突出地面的三维障碍物的检测，一般采用降低分辨率并进行三维重建的方法来实现，降低分辨率是为了减少数据量，提高计算速度，但对于较为复杂的场景，这类算法的计算时间代价仍旧很大，很难达到三维视觉***对目标检测的准确性及实时性的要求。

发明内容

本发明的目的是提供一种基于双视场的无标定平面突起目标检测方法，解决了现有技术中很难达到三维视觉***对目标检测的准确性及实时性的要求的问题。

本发明所采用的技术方案是，一种基于双视场的无标定平面突起目标检测方法，该方法按照以下步骤实施：

步骤1、场景标记物的设置

在采集图像之前，先在所需检测目标的平面上设置四个标记物，设置的标记物选用与平面亮度有差异的薄片状物体，标记物设置在拍摄场景有效视域内尽可能大的范围内，四个灰色块为标记物的放置位置，待检测的突起目标放置在中间位置；

步骤2、图像的采集

为了寻找基准平面进行单应变换，首先获取两个视场，该两个视场通过一个单目相机采集，两幅图像分别为相机上下移动时分别拍摄，或者是水平移动后分别拍摄得到，或者采用双目相机直接拍摄得到，将相机从左侧或者相机从上侧位置上拍摄到的图像称为左视图；将相机从右侧或者是相机从上侧位置上拍摄到的图像称为右视图，要求在左视图以及右视图中，均包括待检测平面一部分相同区域；

步骤3、检测并计算出标记物的四个对应点对

3.1)确定候选标记物区域

设在平面上放置的四个大小基本相同的标记物在图像中，各自所形成的区域为Ω₁，Ω₂，Ω₃，Ω₄，假设以相同尺寸的白色纸条放置，则从图像中确定四个标记物区域的计算公式为：

$\mathrm{Lab}(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& f(x,y)<\mathrm{Th}\end{array}\right.,x=\mathrm{1,2},...,m;y=\mathrm{1,2},...,n---\left(1\right)$

其中，f(x，y)为输入图像在坐标点(x，y)处的像素值，m为图像的行数，n为图像的列数，Th为判断白色标记的阈值，Th＝k·max(f(x，y))，k为根据环境照度确定的经验值；Lab(x，y)为标记检测矩阵，当Lab(x，y)＝1时表明为标记物的候选点，当Lab(x，y)＝0时，表明为非标记物；

3.2)确定标记物区域

对由公式(1)得到的标记矩阵Lab(x，y)进行贴标签处理，分别在左视图和右视图中，找到四个面积大小最相近的标签区域位置，即为标记物区域，标记物区域中的像素点统称为标记点，

将四个左视图中的标记物区域分别标记为{Ω₁ ^L，Ω₂ ^L，Ω₃ ^L，Ω₄ ^L}，将四个右视图中的标记区域分别标记为{Ω₁ ^R，Ω₂ ^R，Ω₃ ^R，Ω₄ ^R}；

3.3)确定标记点对

所谓的标记点对，是指在左视图中的四个标记物中的某一个与右视图中相同的那个标记物，记作一个标记物对，从该标记物对中选择出一个相同点，即为标记点对；当标记物选择为矩形时，左侧的两个标记物采用左上角的角点，右侧的两个标记物采用右上角作为标记点对，分别检测该四个角点的坐标为对应的标记点位置，

先是，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从左到右的顺序扫描并查找每行中最左侧的点序列，设为

N_L是扫描到的最左侧标记点的个数，

如果该序列的列坐标值y_j是单调下降的，即如左视图中的左侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调下降的，即如右视图中的左侧两个标记物区域形状，则选择满足y_i，j+1 ^k＜y_i，j ^k＜y_i，j-1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

左视图和右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

随后，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从右到左的顺序扫描并查找每行中最右侧的点序列，设为

N_R是扫描到的最右侧标记点的个数，

如果该序列的列坐标值y_j是单调上升的，即如右视图中的右侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调上升的，即如左视图中的右侧两个标记物区域形状，则选择满足y_i，j-1 ^k＜y_i，j ^k＜y_i，j+1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

左视图和右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

步骤4、根据四个对应标记点对求单应矩阵

根据单应变换的计算公式，左视图与右视图的四个标记点对坐标的相互关系表示为：

$\mathrm{\&rho;}\left[\begin{array}{c}{x_i}^L\\ {y_i}^L\\ 1\end{array}\right]=H\&CenterDot;\left[\begin{array}{c}{x_i}^R\\ {y_i}^R\\ 1\end{array}\right],i=\mathrm{1,2,3,4}---\left(2\right)$

其中，H为单应矩阵， $H=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& 1\end{array}\right],$ h_l，s只是矩阵的分量表示形式，没有具体含义，表明需要确定的单应矩阵有八个未知数，l＝1，2，3，s＝1，2，3为单应矩阵的分量，

在单应变换中，只要求出单应矩阵H，便可获得两个平面间的相互关系，将步骤3所得到的四个标记点对的坐标{(x₁ ^L，y₁ ^L)，(x₂ ^L，y₂ ^L)，(x₃ ^L，y₃ ^L)，(x₄ ^L，y₄ ^L)}和{(x₁ ^R，y₁ ^R)，(x₂ ^R，y₂ ^R)，(x₃ ^R，y₃ ^R)，(x₄ ^R，y₄ ^R)}代入公式(2)中，得到八个独立的线性方程，由此便可计算有八个位置数的单应矩阵H；

步骤5、对右视图进行单应变换

将步骤4得到的单应矩阵代入公式(3)，对右视图进行单应变换，则该右视图在(x，y)坐标位置，在经过变换后的坐标位置

间的相互关系为：

$\mathrm{\&rho;}\left[\begin{array}{c}\hat{x}\\ \hat{y}\\ 1\end{array}\right]=\mathrm{int}(H\&CenterDot;\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]),---\left(3\right)$

其中，x＝1，2，...，m，y＝1，2，...，n，int()为取整函数；

5.1)单应坐标变换有效点集合的求解

对公式(3)计算得到的所有像素点，在其中选择单应变换后的新右视图中与左视图相同的像素点的部分，在此定义为有效像素点集合，

设根据公式(3)得到的

的取值范围

以及

的取值范围

则其有效像素点计算如下：

${\mathrm{\&Omega;}}_x=\left\{\right[{\hat{x}}_{\min },{\hat{x}}_{\max }\left]I\right[1,m\left]\right\}---\left(4\right)$

${\mathrm{\&Omega;}}_y=\left\{\right[{\hat{y}}_{\min },{\hat{y}}_{\max }\left]I\right[1,n\left]\right\}---\left(5\right)$

其中，I是计算集合相交的算子，

则有效点集合为： $\mathrm{\&Omega;}=\left\{(\hat{x},\hat{y})\right|\hat{x}\&Element;{\mathrm{\&Omega;}}_x,\hat{y}\&Element;{\mathrm{\&Omega;}}_y\};$

5.2)求解单应变换后的新右视图

由公式(3)得到单应变换后的新右视图为：

${\hat{f}}^R(\hat{x},\hat{y})=f^R(x,y),---\left(6\right)$

其中，f^R(x，y)为输入的右视图，

为经过单应变换的新右视图，其中的x＝1，2，...，m，y＝1，2，...，n；

步骤6、进行图像配准叠加

图像配准叠加是指将有效像素集合内的左视图的像素点与单应变换后的新右视图的像素点，先进行光照亮度调整，之后进行配准叠加，

6.1)光照亮度的调整

对于像素点集合

按照下面的公式调整左视图与单应变换后的新右视图的光照亮度，使其保持基本一致，

6.1.1)分别求两者的有效像素点集合的平均亮度：

${\stackrel{\&OverBar;}{f}}^R=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{\hat{f}}^R(\hat{x},\hat{y}),---\left(7\right)$

${\stackrel{\&OverBar;}{f}}^L=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y}\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{f}^L(\hat{x},\hat{y}),---\left(8\right)$

其中，N_Ω为有效像素点集合中的像素点的个数；

6.1.2)进行亮度调整：

${\tilde{f}}^R(\hat{x},\hat{y})=\frac{{\stackrel{\&OverBar;}{f}}^L}{{\stackrel{\&OverBar;}{f}}^R}\&CenterDot;{\hat{f}}^R(\hat{x},\hat{y}),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(9\right)$

6.2)图像的配准叠加

按照下面的计算公式进行左视图与单应变换后的新右视图的配准叠加，结果是：

$f^{R+L}(\hat{x},\hat{y})=0.5\&CenterDot;({\tilde{f}}^R(\hat{x},\hat{y})+f^L(\hat{x},\hat{y})),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(10\right)$

对于

的像素点，则：

f^R+L(x，y)＝f^L(x，y)，

(11)

步骤7、进行平面突起目标的判断

按照下面的公式标记出突起目标物：

其中，x＝1，2，...，m；y＝1，2，...，n，Lab_obj(x，y)为平面突起目标的标记矩阵，当Lab_obj(x，y)＝1表明为标记的目标点，Lab(x，y)＝0，表明为平面上的突起目标点，ε为偏差增量，即得最终的判断结果。

本发明的有益效果是，无需相机标定，从双目视场，或者是单目相机的两个变换姿态的视场中，即可获得三维空间中的平面上突起目标的检测方法，运算方法合理，计算速度提高，能够满足三维视觉***对目标检测的准确性及实时性的要求。

附图说明

图1是本发明方法进行平面突起物的检测过程示意图，其中，a是左视图，b是右视图，c中的实线部分是对右视图进行单应变换后的结果，虚线部分表示变换前的右视图平面，d是单应变换后的右视图与左视图的配准叠加效果图，e是突起目标的检测最终结果示意图。

图中，1、平面，2、突起目标，3、标记物。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提出了一种无相机标定的基于双视场的无标定平面突起目标检测方法，通过对两幅图像间的单应变换，使同平面上的像素点吻合，不同面上的像素点则产生一定的像差，根据该像差确定出平面突起目标，该方法按照以下步骤实施：

步骤1、场景标记物的设置

在采集图像之前，先在所需检测目标的平面1(如地面、桌面)上设置四个简单的标记物3，设置的标记物3选用与平面亮度有差异的白色纸条等薄片状物体，标记物3设置在拍摄场景有效视域内尽可能大的范围内，如图1a、图1b所示，图中的梯形区域表示平面1，四个灰色块为标记物3的放置位置，待检测的突起目标2放置在中间位置；

步骤2、图像的采集

为了寻找基准平面进行单应变换，首先获取两个视场，该两个视场通过一个单目相机采集，两幅图像分别为相机上下移动时分别拍摄，或者是水平移动后分别拍摄得到，或者采用双目相机直接拍摄得到。本发明实施例中，如图1a所示，将相机从左侧或者相机从上侧位置上拍摄到的图像称为左视图；如图1b所示，将相机从右侧或者是相机从上侧位置上拍摄到的图像称为右视图，要求在左视图以及右视图中，均包括待检测平面一部分相同区域，即图中梯形表示的平面1；

步骤3、检测并计算出标记物的四个对应点对

3.1)确定候选标记物区域

设在平面1上放置的四个大小基本相同的标记物3在图像中，各自所形成的区域为Ω₁，Ω₂，Ω₃，Ω₄，假设以相同尺寸的白色纸条放置，则从图像中确定四个标记物区域的计算公式为：

$\mathrm{Lab}(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& f(x,y)<\mathrm{Th}\end{array}\right.,x=\mathrm{1,2},...,m;y=\mathrm{1,2},...,n---\left(1\right)$

其中，f(x，y)为输入图像在坐标点(x，y)处的像素值，m为图像的行数，n为图像的列数，Th为判断白色标记的阈值，考虑到光照环境的影响，Th＝k·max(f(x，y))，k为根据环境照度确定的经验值，优选为0.95≤k≤0.98；Lab(x，y)为标记检测矩阵，当Lab(x，y)＝1时表明为标记物的候选点，当Lab(x，y)＝0时，表明为非标记物；

3.2)确定标记物区域

对由公式(1)得到的标记矩阵Lab(x，y)进行贴标签处理，(注：贴标签处理为数字图像处理的经典方法，在现有的教科书上记载有详细的技术方案)，分别在图1a左视图和图1b右视图中，找到四个面积大小最相近的标签区域位置，即为标记物区域，标记物区域中的像素点统称为标记点，

将图1a中的四个左视图标记物区域分别标记为{Ω₁ ^L，Ω₂ ^L，Ω₃ ^L，Ω₄ ^L}，将图1b中的四个右视图标记区域分别标记为{Ω₁ ^R，Ω₂ ^R，Ω₃ ^R，Ω₄ ^R}；

3.3)确定标记点对

所谓的标记点对，是指在图1a的左视图中的四个标记物中的某一个与图1b中相同的那个标记物，记作一个标记物对，从该标记物对中选择出一个相同点，即为标记点对。当标记物3选择为矩形时，左侧的两个标记物采用左上角的角点，右侧的两个标记物采用右上角作为标记点对，分别检测该四个角点的坐标为对应的标记点位置，

先是，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从左到右的顺序扫描并查找每行中最左侧的点序列，设为

N_L是扫描到的最左侧标记点的个数，

如果该序列的列坐标值y_j是单调下降的，即如图1a左视图中的左侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调下降的，即如图1b右视图中的左侧两个标记物区域形状，则选择满足y_i，j+1 ^k＜y_i，j ^k＜y_i，j-1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

图1a左视图和图1b右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

随后，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从右到左的顺序扫描并查找每行中最右侧的点序列，设为

N_R是扫描到的最右侧标记点的个数，

如果该序列的列坐标值y_j是单调上升的，即如图1b右视图中的右侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调上升的，即如图1a左视图中的右侧两个标记物区域形状，则选择满足y_i，j-1 ^k＜y_i，j ^k＜y_i，j+1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

图1a左视图和图1b右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

步骤4、根据四个对应标记点对计算单应矩阵

根据单应变换的计算公式，图1a左视图与图1b右视图的四个标记点对坐标的相互关系表示为：

$\mathrm{\&rho;}\left[\begin{array}{c}{x_i}^L\\ {y_i}^L\\ 1\end{array}\right]=H\&CenterDot;\left[\begin{array}{c}{x_i}^R\\ {y_i}^R\\ 1\end{array}\right],i=\mathrm{1,2,3,4}---\left(2\right)$

其中，H为单应矩阵， $H=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& 1\end{array}\right],$ h_l，s只是矩阵的分量表示形式，没有具体含义，表明需要确定的单应矩阵有八个未知数，l＝1，2，3，s＝1，2，3为单应矩阵的分量，

在单应变换中，只要求出单应矩阵H，便可获得两个平面间的相互关系，将步骤3所得到的四个标记点对的坐标{(x₁ ^L，y₁ ^L)，(x₂ ^L，y₂ ^L)，(x₃ ^L，y₃ ^L)，(x₄ ^L，y₄ ^L)}和{(x₁ ^R，y₁ ^R)，(x₂ ^R，y₂ ^R)，(x₃ ^R，y₃ ^R)，(x₄ ^R，y₄ ^R)}代入公式(2)中，得到八个独立的线性方程，由此便可计算有八个位置数的单应矩阵H；

步骤5、对右视图进行单应变换

将步骤4得到的单应矩阵代入公式(3)，对图1b右视图进行单应变换，则该右视图在(x，y)坐标位置，在经过变换后的坐标位置

间的相互关系为：

$\mathrm{\&rho;}\left[\begin{array}{c}\hat{x}\\ \hat{y}\\ 1\end{array}\right]=\mathrm{int}(H\&CenterDot;\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]),---\left(3\right)$

其中，x＝1，2，...，m，y＝1，2，...，n，int()为取整函数；

5.1)单应坐标变换有效点集合的求解

对公式(3)计算得到的所有像素点，在其中选择图1c单应变换后的右视图中与图1a左视图相同的像素点的部分，在此定义为有效像素点集合，

设根据公式(3)得到的

的取值范围

以及

的取值范围

则其有效像素点计算如下：

${\mathrm{\&Omega;}}_x=\left\{\right[{\hat{x}}_{\min },{\hat{x}}_{\max }\left]I\right[1,m\left]\right\}---\left(4\right)$

${\mathrm{\&Omega;}}_y=\left\{\right[{\hat{y}}_{\min },{\hat{y}}_{\max }\left]I\right[1,n\left]\right\}---\left(5\right)$

其中，I是计算集合相交的算子，

则有效点集合为： $\mathrm{\&Omega;}=\left\{(\hat{x},\hat{y})\right|\hat{x}\&Element;{\mathrm{\&Omega;}}_x,\hat{y}\&Element;{\mathrm{\&Omega;}}_y\};$

5.2)求解单应变换后的右视图

由公式(3)得到图1c单应变换后的右视图为：

${\hat{f}}^R(\hat{x},\hat{y})=f^R(x,y),---\left(6\right)$

其中，f^R(x，y)为图1b输入的右视图，

为图1c经过单应变换的右视图，其中的x＝1，2，...，m，y＝1，2，...，n；

步骤6、进行图像配准叠加

图像配准叠加是指将有效像素集合内的图1a左视图的像素点与图1c单应变换后的右视图的像素点，先进行光照亮度调整，之后进行配准叠加

6.1)光照亮度的调整

对于像素点集合

按照下面的公式调整图1a左视图与图1c单应变换后的右视图的光照亮度，使其保持基本一致，

6.1.1)分别求两者的有效像素点集合的平均亮度：

${\stackrel{\&OverBar;}{f}}^R=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{\hat{f}}^R(\hat{x},\hat{y}),---\left(7\right)$

${\stackrel{\&OverBar;}{f}}^L=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y}\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{f}^L(\hat{x},\hat{y}),---\left(8\right)$

其中，N_Ω为有效像素点集合中的像素点的个数；

6.1.2)进行亮度调整：

${\tilde{f}}^R(\hat{x},\hat{y})=\frac{{\stackrel{\&OverBar;}{f}}^L}{{\stackrel{\&OverBar;}{f}}^R}\&CenterDot;{\hat{f}}^R(\hat{x},\hat{y}),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(9\right)$

6.2)图像的配准叠加

按照下面的计算公式进行图1a左视图与图1c单应变换后的右视图的配准叠加，结果见图1d：

$f^{R+L}(\hat{x},\hat{y})=0.5\&CenterDot;({\tilde{f}}^R(\hat{x},\hat{y})+f^L(\hat{x},\hat{y})),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(10\right)$

对于的像素点，则：

f^R+L(x，y)＝f^L(x，y)，(11)

步骤7、进行平面突起目标的判断

按照下面的公式标记出突起目标物：

其中，x＝1，2，...，m；y＝1，2，...，n，Lab_obj(x，y)为平面突起目标的标记矩阵，当Lab_obj(x，y)＝1表明为标记的目标点，Lab(x，y)＝0，表明为平面上的突起目标点，ε为偏差增量，是为进一步抵抗环境光照不同而设置的，优选的取值范围为

即得最终的判断结果，参照图1e所示。

本发明方法由于算法无需三维空间数据的分析，仅通过左视图与右视图间的对应关系即可获得对三维突起目标的检测。因此，定位准确性以及算法实现所需的时间代价的降低等均可较之双目三维标定算法有较高的技术优势。

Claims (3)

1.一种基于双视场的无标定平面突起目标检测方法，其特征在于，该方法按照以下步骤实施：

步骤1、场景标记物的设置

在采集图像之前，先在所需检测目标的平面(1)上设置四个标记物(3)，设置的标记物(3)选用与平面亮度有差异的薄片状物体，标记物(3)设置在拍摄场景有效视域内尽可能大的范围内，四个灰色块为标记物(3)的放置位置，待检测的突起目标(2)放置在中间位置；

步骤2、图像的采集

为了寻找基准平面进行单应变换，首先获取两个视场，该两个视场通过一个单目相机采集，两幅图像分别为相机上下移动时分别拍摄，或者是水平移动后分别拍摄得到，或者采用双目相机直接拍摄得到，将相机从左侧或者相机从上侧位置上拍摄到的图像称为左视图；将相机从右侧或者是相机从上侧位置上拍摄到的图像称为右视图，要求在左视图以及右视图中，均包括待检测平面一部分相同区域；

步骤3、检测并计算出标记物的四个对应点对

3.1)确定候选标记物区域

设在平面(1)上放置的四个大小基本相同的标记物(3)在图像中，各自所形成的区域为Ω₁，Ω₂，Ω₃，Ω₄，假设以相同尺寸的白色纸条放置，则从图像中确定四个标记物区域的计算公式为：

$\mathrm{Lab}(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;\mathrm{Th}\\ 0& f(x,y)<\mathrm{Th}\end{array}\right.,x=\mathrm{1,2},...,m;y=\mathrm{1,2},...,n---\left(1\right)$

其中，f(x，y)为输入图像在坐标点(x，y)处的像素值，m为图像的行数，n为图像的列数，Th为判断白色标记的阈值，Th＝k·max(f(x，y))，k为根据环境照度确定的经验值；Lab(x，y)为标记检测矩阵，当Lab(x，y)＝1时表明为标记物的候选点，当Lab(x，y)＝0时，表明为非标记物；

3.2)确定标记物区域

对由公式(1)得到的标记矩阵Lab(x，y)进行贴标签处理，分别在左视图和右视图中，找到四个面积大小最相近的标签区域位置，即为标记物区域，标记物区域中的像素点统称为标记点，

将四个左视图中的标记物区域分别标记为{Ω₁ ^L，Ω₂ ^L，Ω₃ ^L，Ω₄ ^L}，将四个右视图中的标记区域分别标记为{Ω₁ ^R，Ω₂ ^R，Ω₃ ^R，Ω₄ ^R}；

3.3)确定标记点对

所谓的标记点对，是指在左视图中的四个标记物中的某一个与右视图中相同的那个标记物，记作一个标记物对，从该标记物对中选择出一个相同点，即为标记点对；当标记物(3)选择为矩形时，左侧的两个标记物采用左上角的角点，右侧的两个标记物采用右上角作为标记点对，分别检测该四个角点的坐标为对应的标记点位置，

先是，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从左到右的顺序扫描并查找每行中最左侧的点序列，设为

N_L是扫描到的最左侧标记点的个数，

如果该序列的列坐标值y_j是单调下降的，即如左视图中的左侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调下降的，即如右视图中的左侧两个标记物区域形状，则选择满足y_i，j+1 ^k＜y_i，j ^k＜y_i，j-1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

左视图和右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

随后，

对于标记区域Ω_i ^k(i＝1，2，3，4，k＝L，R)，按照从上到下，从右到左的顺序扫描并查找每行中最右侧的点序列，设为

N_R是扫描到的最右侧标记点的个数，

如果该序列的列坐标值y_j是单调上升的，即如右视图中的右侧两个标记物区域形状，则标记点(x_i ^k，y_i ^k)＝(x_i，1 ^k，y_i，1 ^k)；

如果该序列的列坐标值，不是单调上升的，即如左视图中的右侧两个标记物区域形状，则选择满足y_i，j-1 ^k＜y_i，j ^k＜y_i，j+1 ^k的点(x_i，j ^k，y_i，j ^k)为标记点，即(x_i ^k，y_i ^k)＝(x_i，j ^k，y_i，j ^k)；

左视图和右视图中相同标记物的标记点，构成一个标记点对(x_i ^k，y_i ^k)，k＝L，R；

步骤4、根据四个对应标记点对求单应矩阵

根据单应变换的计算公式，左视图与右视图的四个标记点对坐标的相互关系表示为：

$\mathrm{\&rho;}\left[\begin{array}{c}{x_i}^L\\ {y_i}^L\\ 1\end{array}\right]=H\&CenterDot;\left[\begin{array}{c}{x_i}^R\\ {y_i}^R\\ 1\end{array}\right],i=\mathrm{1,2,3,4}---\left(2\right)$

其中，H为单应矩阵， $H=\left[\begin{array}{ccc}{h}_{11}& h_{12}& h_{13}\\ h_{21}& h_{22}& h_{23}\\ h_{31}& h_{32}& 1\end{array}\right],$ h_l，s只是矩阵的分量表示形式，没有具体含义，表明需要确定的单应矩阵有八个未知数，l＝1，2，3，s＝1，2，3为单应矩阵的分量，

在单应变换中，只要求出单应矩阵H，便可获得两个平面间的相互关系，将步骤3所得到的四个标记点对的坐标{(x₁ ^L，y₁ ^L)，(x₂ ^L，y₂ ^L)，(x₃ ^L，y₃ ^L)，(x₄ ^L，y₄ ^L)}和{(x₁ ^R，y₁ ^R)，(x₂ ^R，y₂ ^R)，(x₃ ^R，y₃ ^R)，(x₄ ^R，y₄ ^R)}代入公式(2)中，得到八个独立的线性方程，由此便可计算有八个位置数的单应矩阵H；

步骤5、对右视图进行单应变换

将步骤4得到的单应矩阵代入公式(3)，对右视图进行单应变换，则该右视图在(x，y)坐标位置，在经过变换后的坐标位置

间的相互关系为：

$\mathrm{\&rho;}\left[\begin{array}{c}\hat{x}\\ \hat{y}\\ 1\end{array}\right]=\mathrm{int}(H\&CenterDot;\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]),---\left(3\right)$

其中，x＝1，2，...，m，y＝1，2，...，n，int()为取整函数；

5.1)单应坐标变换有效点集合的求解

对公式(3)计算得到的所有像素点，在其中选择单应变换后的新右视图中与左视图相同的像素点的部分，在此定义为有效像素点集合，

设根据公式(3)得到的的取值范围

以及的取值范围

则其有效像素点计算如下：

${\mathrm{\&Omega;}}_x=\left\{\right[{\hat{x}}_{\min },{\hat{x}}_{\max }\left]I\right[1,m\left]\right\}---\left(4\right)$

${\mathrm{\&Omega;}}_y=\left\{\right[{\hat{y}}_{\min },{\hat{y}}_{\max }\left]I\right[1,n\left]\right\}---\left(5\right)$

其中，I是计算集合相交的算子，

则有效点集合为： $\mathrm{\&Omega;}=\left\{(\hat{x},\hat{y})\right|\hat{x}\&Element;{\mathrm{\&Omega;}}_x,\hat{y}\&Element;{\mathrm{\&Omega;}}_y\};$

5.2)求解单应变换后的新右视图

由公式(3)得到单应变换后的新右视图为：

${\hat{f}}^R(\hat{x},\hat{y})=f^R(x,y),---\left(6\right)$

其中，f^R(x，y)为输入的右视图，为经过单应变换的新右视图，其中的x＝1，2，...，m，y＝1，2，...，n；

步骤6、进行图像配准叠加

图像配准叠加是指将有效像素集合内的左视图的像素点与单应变换后的新右视图的像素点，先进行光照亮度调整，之后进行配准叠加，

6.1)光照亮度的调整

对于像素点集合

按照下面的公式调整左视图与单应变换后的新右视图的光照亮度，使其保持基本一致，

6.1.1)分别求两者的有效像素点集合的平均亮度：

${\stackrel{\&OverBar;}{f}}^R=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{\hat{f}}^R(\hat{x},\hat{y}),---\left(7\right)$

${\stackrel{\&OverBar;}{f}}^L=\frac{1}{N_{\mathrm{\&Omega;}}}\&CenterDot;\underset{(\hat{x},\hat{y}\&Element;\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}{f}^L(\hat{x},\hat{y}),---\left(8\right)$

其中，N_Ω为有效像素点集合中的像素点的个数；

6.1.2)进行亮度调整：

${\tilde{f}}^R(\hat{x},\hat{y})=\frac{{\stackrel{\&OverBar;}{f}}^L}{{\stackrel{\&OverBar;}{f}}^R}\&CenterDot;{\hat{f}}^R(\hat{x},\hat{y}),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(9\right)$

6.2)图像的配准叠加

按照下面的计算公式进行左视图与单应变换后的新右视图的配准叠加，结果是：

$f^{R+L}(\hat{x},\hat{y})=0.5\&CenterDot;({\tilde{f}}^R(\hat{x},\hat{y})+f^L(\hat{x},\hat{y})),(\hat{x},\hat{y})\&Element;\mathrm{\&Omega;}---\left(10\right)$

对于的像素点，则：

f^R+L(x，y)＝f^L(x，y)，

(11)

步骤7、进行平面突起目标的判断

按照下面的公式标记出突起目标物：

其中，x＝1，2，...，m；y＝1，2，...，n，Lab_obj(x，y)为平面突起目标的标记矩阵，当Lab_obj(x，y)＝1表明为标记的目标点，Lab(x，y)＝0，表明为平面上的突起目标点，ε为偏差增量，即得最终的判断结果。

2.根据权利要求1所述的基于双视场的无标定平面突起目标检测方法，其特征在于：所述的步骤3.1)中，选用0.95≤k≤0.98。

3.根据权利要求1所述的基于双视场的无标定平面突起目标检测方法，其特征在于：所述的步骤7中，

Images