2017年第36卷第11期计算与测试，
传感器与微系统（Transducerand Microsystem Technologies）
119
DOI:10.13873/J.10009787(2017)11011904
基于改进SIFT算法的双目视觉距离测量
李奇敏，李扬宇
（重庆大学机械工程学院，重庆400000）
摘要：针对视觉传感器距离测量中所使用的图像特征匹配算法精度不高、计算量大、实时性差等问题，提出了一种改进尺度不变特征变换（SIFT)图像特征匹配算法，并应用于双目测距系统当中。改进SIFT算法基于简化尺度构造空间，以曼哈顿距离作为最邻近特征点查询中的相似性度量，提高了算法效率。初次匹配之后与随机采样一致算法（RANSAC)结合，剔除误匹配点；基于精度较高的二次匹配点，提取匹配点像素信息进行距离计算，通过测距试验验证算法的可行性。实验结果表明：提出的方法获取目标距离达到较高精度，满足观测设备要求。
关键词：双目立体视觉；摄像机标定；特征匹配；测距
中图分类号：TP391
文献标识码：A
文章编号：1000-9787（2017)11-0119-04
Binocular stereo distancemeasurement based on
improved SIFT algorithm
LI Qi-min,LIYang-yu
(College of Mechanical Engineering,Chongqing University,Chongqing 40ooo0,China)
Abstract: Aiming at problems such as low precision, large amount of calculation and poor real-time performance of image feature matching algorithm that used in distance measurement by visual sensor, an improved scale invariant feature transfom ( SIFT) image feature matching algorithm is proposed and applied to the binocular distance measurement system. In order to improve the efficiency of the algorithm,the improved SIFT algorithm is based on the simplified scale structure space, which takes Manhattan distance as the similarity measurement in the nearest neighbor query, To eliminate mismatching points, the random sample consensus ( RANSAC) algorithm is used after first match. Based on the second match points with high precision,the pixel information of match points is extracted to calculate distance, and the feasibility of the algorithm is verified by distance measure experiment. oesi an a osrd are e os ssa a equipment based on the proposed method.
Key words : binocular stereo vision; camera calibration; feature matching; distance measurement
0引言
相比于超声、激光、红外等主动法测距传感器，视觉传感器具有信息丰富、探测范围广等诸多优点，在移动机器人导航特别是障碍物检测中的应用越来越广泛(1-3)。视觉探测是指通过几个位于物体不同方位的视觉传感器对物体成像，通过视差恢复深度信息的过程[4]。其中双目立体视觉技术通过左、右摄像机提供的图像信息能够比较准确地恢复视场的三维信息，测量方式也更方便、灵活。核心问题是快速准确的成像匹配，指将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所获取的图像相对应[5]。
图像匹配问题在很大程度上制约着视觉传感器在机收稿日期：2016-11-28
*基金项目：国家自然科学基金资助项目（61473051）
器人领域的应用。不同的匹配方法需要不同的关键特征描述子。在众多的关键特征描述子中，尺度不变特征变换（scale invariant feature transform，SIFT）算子[6]、加速稳健特征（speeded up robust features,SURF算子[]与定向FAST和旋转 BRIEF(oriented FAST and rotated BRIEF,ORB)[8)算子应用较为广泛，具有较好的鲁棒性。SIFT算子具有相对较高的准确性，良好的尺度、旋转、光照等不变特性9]，鲁棒性较高，但是计算复杂，实时性相对较差，直接应用于距离测量效果不佳。
针对移动机器人距离信息获取实时性与准确性的要求，本文基于原始SIFT算法提出了一种改进的SIFT算法，