CN100557379C - 空间圆几何参数的双目立体视觉测量方法 - Google Patents

Abstract

本发明公开了一种适用于工业产品上的空间圆几何参数非接触式在线测量的空间圆几何参数的双目立体视觉测量方法。旨在克服存在的测量精度不高、测量速度慢和自动化程度低的问题。方法分为标定阶段、图像处理阶段与空间圆拟合阶段。首先采用神经网络技术进行摄像机标定，利用双摄像机对空间圆进行亚像素图像边缘提取，然后基于图像灰度梯度分布特征开发出简便算法实现边缘点匹配，求出圆边缘的实际三维空间坐标，最后通过相关的数学几何知识拟合空间圆，求得空间圆的几何参数，包括其半径、圆心位置和空间圆所在平面的方位。本发明图像处理速度快，自动化程度高，当空间圆所在平面与图像平面成角度约50°时，测量空间圆的相对误差优于±0.6%。

Description

空间圆几何参数的双目立体视觉测量方法

技术领域

本发明涉及一种适用于工业产品上的空间圆几何参数非接触式在线测量的方法，更具体地说，它涉及一种空间圆几何参数的双目立体视觉测量方法。

背景技术

圆是组成物体几何形状的基本元素，其精度特性往往影响到整个产品的最终性能，因而对空间圆的几何参数进行精确测量有着十分重要的意义。传统的空间圆几何参数测量方法是采用三坐标测量机进行的，但是三坐标测量机体积庞大，不便携带，且为接触式测量，不能满足在线测量和大型圆孔测量的需要。随着图像处理、计算机技术和工业摄像机制造水平的不断发展，计算机视觉技术也得到了飞速的发展，可以实现物体在三维空间中姿态和尺寸的快速测量，具有速度快、自动化程度高、精度好、非接触的优点，正逐渐成为产品制造尺寸测量的重要手段和发展方向。

对于空间圆几何参数的视觉测量方法已有一些学者做过研究：

1.天津大学的张健新同志使用的方法是首先在图像平面上以椭圆影像的边缘点拟合圆得出中心坐标，然后再由标定的逆过程求出空间圆圆心的三维坐标来(张健新，双目立体视觉技术在工业测量中的应用研究，天津大学博士学位论文，1996)，这种方法存在着原理的误差，因为它忽略了透视投影带来的形状变化，当图像平面与空间圆所在平面夹角越大误差就越大，而且不能测量空间圆的半径以及圆所在的平面方程。

2.由胡春华、刘士清和朱纪洪三同志发表在2004年中国控制与决策学术年会论文集中题目为“视觉测量中圆中心成像畸变误差模型研究”的论文，细致分析了椭圆影像中心与空间圆圆心投影点之间的差异，但没有给出误差补偿的方法。

3.中国专利专利号ZL 03142659.X，公开号CN1566900，公开日2005.01.19，申请人北京航空航天大学，发明创造名称一种空间圆几何参数的视觉测量方法，该申请案提出了利用极线约束求出圆边缘的实际三维空间坐标进而进行空间圆拟合的方法，其不足之处是这种方法需要人工确定对极线的位置和数量，最后的测量精度会受到人为因素的影响，同时其精度下的摄像机测量距离没有给出。

4.中国专利申请号200710043742.2，申请日2007.07.11，公开号CN101093160，公开日2007.12.26，申请人上海交通大学，发明创造名称基于双目立体视觉的空间圆几何参数的测量方法，该申请案提出的双目立体视觉空间圆测量方法，虽然对于自主导航很适用，但是在工业产品测量时，把世界坐标系建立在圆心处，或者与左摄像机坐标系建立关系的方法不利于全局标定。

发明内容

本发明所要解决的技术问题是克服了现有技术存在的问题，提供了一种空间圆几何参数的双目立体视觉测量方法。使得空间圆(包括圆所在平面方程、圆的半径和圆心坐标)测量过程自动化程度强，既可满足工业产品精度要求，又能够达到很高精度，且实时性强。

为解决上述技术问题，本发明是采用如下技术方案予以实现。空间圆几何参数的双目立体视觉测量方法采用标定阶段、图像处理阶段与空间圆拟合阶段。

所述的标定阶段的具体步骤如下：

1)设定三维立体标靶，标靶面上布满了黑白相间的棋盘格，棋盘格的尺寸大小为20mm×20mm，以黑方块与白方块公共的角点作为标定特征点，标定特征点的数量为250～600个，以立体标靶三个标靶面交点为原点建立世界坐标系；

2)固定安装左右摄像机建立双目立体视觉系统，在两摄像机的公共视场范围内放置立体标靶，拍摄图像，为获得标定特征点的图像坐标，对Harris角点提取算法进行改进；

3)将左右图像的同名点对坐标(u_il，v_il，u_ir，v_ir)作为输入，标定特征点三维坐标(x，y，z)作为输出，整个坐标点对分成三组分别作为神经网络的训练样本、确认样本和测试样本；

4)将样本数据进行归一化处理，使数据范围在-1～1之间；

5)建立网络，把隐层神经元个数设为变量，均方差作为目标函数进行网络训练，选取使目标函数最小的变量作为最终神经元个数，并适当采用提前终止策略，训练完成后保存网络；

6)运用确认样本和测试样本对已建好的神经网络进行确认并测试，验证网络的泛化能力和精度。

所述的图像处理阶段的具体步骤如下：

1)将待测量空间圆放置在双目立体视觉系统的公共视场里进行拍摄，得到两幅包含空间圆的椭圆影像的图像对；

2)运用图像间的逻辑或运算，将待测量圆区域从背景图像中分割开来；

3)先利用3×3的均值滤波器对图像进行处理，去除图像中某些类型的噪声；再利用中值滤波器进一步抑制噪声；

4)用canny算子提取出图像平面上空间圆的椭圆影像的整像素级边缘，在左右图像上分别取得一组由椭圆影像边缘像素点的坐标构成的点对；

5)以图像的灰度梯度作为匹配特征，运用图像对间灰度梯度距离、邻域支持和唯一性三个约束条件实现两图像圆边缘点的一一匹配，即分别对左右图像边缘点间的灰度梯度距离和边缘点某邻域内梯度的SAD值设定阈值并要求满足匹配的唯一性加以限制；

6)运用快速高效的插值法对匹配点对坐标进行浮点运算，精确到亚像素级精度。

所述的空间圆拟合阶段的具体步骤如下：

1)根据已建立好的神经网络，求出空间圆边缘点的三维空间坐标；

2)空间圆所在平面的拟合；

3)空间平面的旋转；

4)平面圆的拟合；

求出空间圆的几何中心、半径以及圆所在平面的平面方程。

技术方案中所述的对Harris角点提取算法进行改进是指：在原算法的基础上设置一合并阈值，若两角点在合并阈值范围内就进行平均插值运算，反之则保留原角点坐标。平均插值运算公式如下：

$\left\{\begin{array}{c}{u}_m=\frac{u_i+u_j}{2}\\ v_n=\frac{v_i+v_j}{2}\end{array}\right.$

u_i，u_j为原有Harris算法提取出的角点横坐标；

v_i，v_j为原有Harris算法提取出的角点纵坐标；

u_m，v_n为改进后Harris算法提取出的角点横、纵坐标。

技术方案中所述的空间圆所在平面的拟合是指：空间平面的方程可以表示为z＝Ax+By+C，根据高斯-马尔柯夫线性模型利用回归分析的方法，由空间圆坐标点的分布情况得出回归平面方程，即可求出空间平面的法线矢量。

技术方案中所述的空间平面的旋转是指：设空间平面的法线矢量为(A，B，C)，α、β、γ分别是平面法线与x_w，y_w，z_w轴的夹角，则有关系式：

$\left\{\begin{array}{c}\cos \mathrm{\α}=\frac{A}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\β}=\frac{B}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\γ}=\frac{C}{\sqrt{A^2+B^2+C^2}}\end{array}\right.---\left(1\right)$

由空间解析几何的知识，可以将空间平面绕轴旋转至与坐标平面平行的位置。

技术方案中所述的平面圆的拟合是指：经空间圆所在平面的拟合与空间平面的旋转两步骤，已经将空间圆旋转到一个与坐标平面平行的平面上了，再运用最小二乘法对平面圆进行拟合。设拟合圆曲线的数据点有n个，圆曲线可表示为x_i ²+y_i ²+Dx_i+Ey_i+F＝0。

则误差函数e_i＝x_iD+y_iE+F+l_i，其中l_i＝x_i ²+y_i ²由n个误差函数可以列出n个误差方程。因只有3个未知数，故可组成3阶法方程式：

$\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=\left[\begin{array}{c}-\left[x(x^2+y^2)\right]\\ -\left[y(x^2+y^2)\right]\\ -[x^2+y^2]\end{array}\right]---\left(2\right)$

则 $\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=-{\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]}^{-1}\left[\begin{array}{c}\left[x(x^2+y^2)\right]\\ \left[y(x^2+y^2)\right]\\ [x^2+y^2]\end{array}\right]---\left(3\right)$

应用伴随矩阵求逆法解出(3)式，最后得：

Δ＝nOT+2QUP-Q²T-U²O-nP²            (4)

$D=\frac{1}{\mathrm{\Δ}}(U^{2}R-\mathrm{nTR}+\mathrm{nPV}-\mathrm{QUV}+\mathrm{QTW}-\mathrm{PUW})---\left(5\right)$

$E=\frac{1}{\mathrm{\Δ}}(\mathrm{nPR}-\mathrm{QUR}+Q^{2}V-\mathrm{nOV}+\mathrm{OUW}-\mathrm{PQW})---\left(6\right)$

$F=\frac{1}{\mathrm{\Δ}}(\mathrm{QTR}-\mathrm{PUR}+\mathrm{OUV}-\mathrm{QPV}+P^{2}W-\mathrm{OTW})---\left(7\right)$

其中：O＝[xx]，P＝[xy]，Q＝[x]，R＝[x(x²+y²)]，T＝[yy]，U＝[y]，V＝[y(x²+y²)]，

求得D，E，F三参数后，则圆心坐标及圆半径为：

$\left\{\begin{array}{c}{x}_0=-\frac{D}{2}\\ y_0=-\frac{E}{2}\\ R=\frac{1}{2}\sqrt{D^2+E^2-4F}\end{array}\right.$

再经过逆旋转运算就可以求得空间圆心坐标。

与现有技术相比本发明的有益效果是：

1.本发明能够一次性的精确测量出空间圆的所有几何参数，运用神经网络技术避开了繁琐的内外方位参数的运算，将所有的畸变因素都包含在网络当中。

2.本发明能够把待测量区域从背景图像中分割开，大大减少了计算量，整个图像处理过程很快，满足自动化在线实时测量的需要，在非接触式的工业产品在线测量中有着很高的应用价值。

3.本发明采用的匹配算法和拟合方法简单易懂，减少了人为操作的误差，因此，使空间圆几何参数的双目立体视觉测量方法的测量精度满足工业产品精度要求，并能够达到更高精度。

附图说明

下面结合附图对本发明作进一步的说明：

图1是空间圆几何参数的双目立体视觉测量方法的双目立体视觉传感器数学模型；

图2是空间圆几何参数的双目立体视觉测量方法中所采用的立体标靶示意图；

图3是采用原有的Harris角点提取算法提取的图像；

图4是采用改进后的Harris角点提取算法提取的图像；

图5是神经网络训练图；

图6是采用空间圆几何参数的双目立体视觉测量方法中的双目立体视觉系统拍摄的左测量图像；

图7是采用空间圆几何参数的双目立体视觉测量方法中的双目立体视觉系统拍摄的右测量图像；

图8是采用空间圆几何参数的双目立体视觉测量方法中的图像间的逻辑或运算将待测量圆区域从背景图像中分割出来的经过放大的左测量图像；

图9是采用空间圆几何参数的双目立体视觉测量方法中的图像间的逻辑或运算将待测量圆区域从背景图像中分割出来的经过放大的右测量图像；

图10是采用canny算子提取出图像平面上空间圆的左测量椭圆影像的整像素级边缘图像；

图11是采用canny算子提取出图像平面上空间圆的右测量椭圆影像的整像素级边缘图像；

图12是左图像待测量孔边缘匹配点的图像坐标；

图13是右图像待测量孔边缘匹配点的图像坐标；

图14是空间圆边缘的三维空间坐标。

具体实施方式

下面结合附图对本发明作详细的描述：

参阅图1，图中所示的是任意位置的双目立体视觉系统。O_wx_wy_wz_w为世界坐标系，O_lx_ly_lz_l和O_rx_ry_rz_r分别为左右摄像机坐标系，o_lu_lv_l和o_ru_rv_r分别为以像素为单位的左右图像坐标系。空间圆几何参数的双目立体视觉测量方法可以分为标定阶段、图像处理阶段与空间圆拟合阶段，其具体实施步骤如下：

1.标定阶段

1)设定三维立体标靶，标靶面上布满了黑白相间的棋盘格，棋盘格的尺寸大小为20mm×20mm，以黑方块与白方块公共的角点作为标定特征点，标定特征点的数量为250～600个，以立体标靶三个标靶面交点为原点建立世界坐标系，于是标定特征点在世界坐标系下的空间坐标便可知道。

2)固定好左右摄像机建立双目立体视觉系统，在两摄像机的公共视场范围内放置立体标靶，拍摄图像。为获得标定特征点的图像坐标，对Harris角点提取算法(C.G.Harris and M.J.Stephens.A combined corner and edgedetector[J].Proceedings Fourth Alvey Vision Conference，Manchester.1988，147-151)进行改进，从而消除原算法存在的多义性现象并提高坐标精度。改进算法为：在原算法的基础上设置一合并阈值，若两角点在合并阈值范围内就进行平均插值运算，反之则保留原角点坐标。平均插值运算公式如下：

$\left\{\begin{array}{c}{u}_m=\frac{u_i+u_j}{2}\\ v_n=\frac{v_i+v_j}{2}\end{array}\right.$

u_i，u_j为原有Harris算法提取出的角点横坐标；

v_i，v_j为原有Harris算法提取出的角点纵坐标；

u_m，v_n为改进后Harris算法提取出的角点横、纵坐标；

3)将左右图像的同名点对坐标(u_il，v_il，u_ir，v_ir)作为输入，标定特征点三维坐标(x，y，z)作为输出，整个坐标点对分成三组分别作为神经网络的训练样本、确认样本和测试样本。

4)将样本数据进行归一化处理(A.S.Weigand，D.E.Rumelhart，B.A.Hubeman.Generalization by weight elimination with application toforcasting.In Advances in Neural Information Processing System3，R.P.Lippman，J.E.Moody and D.J.Touretzky，eds，San Mateo，CA：MorganKaufmann，1991，575-582)，使数据范围在-1～1之间。

5)建立网络，把隐层神经元个数设为变量，均方差作为目标函数进行网络训练，选取使目标函数最小的变量作为最终神经元个数，并适当采用提前终止(W.S.Sarle.Stopped training and other remendies for overfitting，toappear in Proceedings of the 27^th Symposium on the Interface，1995)策略，训练完成后保存网络。

6)运用确认样本和测试样本对已建好的神经网络进行确认并测试，验证网络的泛化能力和精度。

2.图像处理阶段

1)将待测量空间圆放置在立体视觉系统的公共视场里进行拍摄，得到两幅包含空间圆的椭圆影像的图像对。

2)运用图像间的逻辑或运算，将待测量圆区域从背景图像中分割开来。

3)先利用3×3的均值滤波器对图像进行处理，去除图像中某些类型的噪声；再利用中值滤波器进一步抑制噪声，能保护好边缘信息，为边缘提取打下良好的基础。

4)用canny算子提取出图像平面上空间圆的椭圆影像的整像素级边缘，在左右图像上分别得到一组由椭圆影像边界像素点的坐标构成的点对。

5)以图像的灰度梯度作为匹配特征，运用图像对间灰度梯度距离、邻域支持和唯一性等三个约束条件实现两图像圆边缘点的一一匹配，即分别对左右图像边缘点间的灰度梯度距离和边缘点某邻域内梯度的SAD(Sum of AbsoluteDifferences，差值绝对值之和)值设定阈值并要求满足匹配的唯一性加以限制。

6)运用快速高效的插值法〔吴晓波等，应用多项式插值函数提高面阵CCD尺寸测量的分辨率，发表在仪器仪表学报，1996，7(2)：154〕对匹配点对坐标进行浮点运算，精确到亚像素级精度。

3.空间圆拟合阶段

1)根据已建立好的神经网络，求出空间圆边缘点的三维空间坐标。

2)空间圆所在平面的拟合

空间平面的方程可以表示为z＝Ax+By+C，根据高斯一马尔柯夫线性模型利用回归分析的方法，由空间圆坐标点的分布情况得出回归平面方程(周复恭，黄运成，应用线性回归分析[M]，中国人民大学出版社，1989.8)，即可求出空间平面的法线矢量。

3)空间平面的旋转

设空间平面的法线矢量为(A，B，C)，α、β、γ分别是平面法线与x_w，y_w，z_w轴的夹角，则有关系式：

$\left\{\begin{array}{c}\cos \mathrm{\α}=\frac{A}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\β}=\frac{B}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\γ}=\frac{C}{\sqrt{A^2+B^2+C^2}}\end{array}\right.---\left(1\right)$

由空间解析几何的知识，可以将空间平面绕轴旋转至与坐标平面平行的位置。

4)平面圆的拟合

经过前两个步骤，已经将空间圆旋转到一个与坐标平面平行的平面上了，再运用最小二乘法对平面圆进行拟合。设拟合圆曲线的数据点有n个，圆曲线可表示为x_i ²+y_i ²+Dx_i+Ey_i+F＝0。

则误差函数e_i＝x_iD+y_iE+F+l_i，其中l_i＝x_i ²+y_i ²由n个误差函数可以列出n个误差方程。因只有3个未知数，故可组成3阶法方程式：

$\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=\left[\begin{array}{c}-\left[x(x^2+y^2)\right]\\ -\left[y(x^2+y^2)\right]\\ -[x^2+y^2]\end{array}\right]---\left(2\right)$

则 $\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=-{\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]}^{-1}\left[\begin{array}{c}\left[x(x^2+y^2)\right]\\ \left[y(x^2+y^2)\right]\\ [x^2+y^2]\end{array}\right]---\left(3\right)$

应用伴随矩阵求逆法解出(3)式，最后得：

Δ＝nOT+2QUP-Q²T-U²O-nP²            (4)

$D=\frac{1}{\mathrm{\Δ}}(U^{2}R-\mathrm{nTR}+\mathrm{nPV}-\mathrm{QUV}+\mathrm{QTW}-\mathrm{PUW})---\left(5\right)$

$E=\frac{1}{\mathrm{\Δ}}(\mathrm{nPR}-\mathrm{QUR}+Q^{2}V-\mathrm{nOV}+\mathrm{OUW}-\mathrm{PQW})---\left(6\right)$

$F=\frac{1}{\mathrm{\Δ}}(\mathrm{QTR}-\mathrm{PUR}+\mathrm{OUV}-\mathrm{QPV}+P^{2}W-\mathrm{OTW})---\left(7\right)$

其中：

O＝[xx]，P＝[xy]，Q＝[x]，R＝[x(x²+y²)]，T＝[yy]，U＝[y]，V＝[y(x²+y²)]，

求得D，E，F三参数后，则圆心坐标及圆半径为：

$\left\{\begin{array}{c}{x}_0=-\frac{D}{2}\\ y_0=-\frac{E}{2}\\ R=\frac{1}{2}\sqrt{D^2+E^2-4F}\end{array}\right.$

再经过逆旋转运算就可以求得空间圆心坐标。

这样，空间圆的所有几何参数包括空间圆所在平面、空间圆心坐标和空间圆半径大小都测量出来了。

实施例

按照上面叙述的方法的步骤，采用左右摄像机的型号均为DH-HV1302UM-T的CMOS，分辨率为1280×1024，镜头为12.5mm-75mm F1.8的CCTV lens。

图2中所表示的是立体标靶图。图3中所表示的是运用改进前的Harris算法角点提取的图像。图4中所表示的是运用改进后的Harris算法角点提取的图像。以获得的同名角点坐标对作为输入，世界坐标系下的空间坐标作为输出。共有588对坐标，选其中294对作为训练样本集，147对为确认样本集，147对作为测试样本集。图5中所表示的是神经网络的训练图，得出最佳隐层神经元个数为16，保存网络。图6中所表示的是双目立体视觉系统对一含有空间圆孔零件进行拍摄的左测量图像。图7中所表示的是双目立体视觉系统对一含有空间圆孔零件进行拍摄的右测量图像。图8中所表示的是图像间的逻辑或运算将待测量圆区域从背景图像中分割出来的经过放大的左测量图像。图9中所表示的是图像间的逻辑或运算将待测量圆区域从背景图像中分割出来的经过放大的右测量图像。图10中所表示的是采用canny算子提取出图像平面上空间圆的左测量椭圆影像的整像素级边缘图像。图11中所表示的是采用canny算子提取出图像平面上空间圆的右测量椭圆影像的整像素级边缘图像。图12中所表示的是左图像待测量孔边缘匹配点的坐标在图像平面上的分布情况。图13中所表示的是右图像待测量孔边缘匹配点的坐标在图像平面上的分布情况。图14中所表示的是空间圆边缘的三维空间坐标。经拟合空间圆所在平面方程的法向矢量为(0.30606，0.014453，-1)，然后将空间平面绕x轴旋转1.2738(弧度制，下同)，接着绕z轴旋转2.8443，这样空间平面就旋转到与x_wo_wz_w平面平行的位置。再在平面内进行圆的拟合，经逆旋转后便可得到空间圆参数。实例中空间圆所在平面与图像平面成约50°的角度，摄像机测量距离约2.5m，空间圆参数为：

圆心坐标：(246.204，197.341，261.810)mm

圆所在平面的法线矢量：(0.30606，0.014453，-1)

圆半径：R＝12.986mm，与圆的实际半径相差0.076mm。

Claims (5)

1.一种空间圆几何参数的双目立体视觉测量方法，采用标定阶段、图像处理阶段与空间圆拟合阶段，其特征在于，

所述的标定阶段的具体步骤如下：

1)设定三维立体标靶，标靶面上布满了黑白相间的棋盘格，棋盘格的尺寸大小为20mm×20mm，以黑方块与白方块公共的角点作为标定特征点，标定特征点的数量为250～600个，以立体标靶三个标靶面交点为原点建立世界坐标系；

2)固定安装左右摄像机建立双目立体视觉系统，在两摄像机的公共视场范围内放置立体标靶，拍摄图像，为获得标定特征点的图像坐标，对Harris角点提取算法进行改进；

3)将左右图像的同名点对坐标(u_il，v_il，u_ir，v_ir)作为输入，标定特征点三维坐标(x，y，z)作为输出，整个坐标点对分成三组分别作为神经网络的训练样本、确认样本和测试样本；

4)将样本数据进行归一化处理，使数据范围在-1～1之间；

5)建立网络，把隐层神经元个数设为变量，均方差作为目标函数进行网络训练，选取使目标函数最小的变量作为最终神经元个数，并适当采用提前终止策略，训练完成后保存网络；

6)运用确认样本和测试样本对已建好的神经网络进行确认并测试，验证网络的泛化能力和精度；

所述的图像处理阶段的具体步骤如下：

1)将待测量空间圆放置在双目立体视觉系统的公共视场里进行拍摄，得到两幅包含空间圆的椭圆影像的图像对；

2)运用图像间的逻辑或运算，将待测量圆区域从背景图像中分割开来；

3)先利用3×3的均值滤波器对图像进行处理，去除图像中某些类型的噪声；再利用中值滤波器进一步抑制噪声；

4)用canny算子提取出图像平面上空间圆的椭圆影像的整像素级边缘，在左右图像上分别取得一组由椭圆影像边缘像素点的坐标构成的点对；

5)以图像的灰度梯度作为匹配特征，运用图像对间灰度梯度距离、邻域支持和唯一性三个约束条件实现两图像圆边缘点的一一匹配，即分别对左右图像边缘点间的灰度梯度距离和边缘点某邻域内梯度的SAD值设定阈值并要求满足匹配的唯一性加以限制；

6)运用快速高效的插值法对匹配点对坐标进行浮点运算，精确到亚像素级精度；

所述的空间圆拟合阶段的具体步骤如下：

1)根据已建立好的神经网络，求出空间圆边缘点的三维空间坐标；

2)空间圆所在平面的拟合；

3)空间平面的旋转；

4)平面圆的拟合；

求出空间圆的几何中心、半径以及圆所在平面的平面方程。

2.按照权利要求1所述的空间圆几何参数的双目立体视觉测量方法，其特征在于，所述的对Harris角点提取算法进行改进是指：在原算法的基础上设置一合并阈值，若两角点在合并阈值范围内就进行平均插值运算，反之则保留原角点坐标；平均插值运算公式如下：

$\left\{\begin{array}{c}{u}_m=\frac{u_i+u_j}{2}\\ v_n=\frac{v_i+v_j}{2}\end{array}\right.$

u_i，u_j为原有Harris算法提取出的角点横坐标；

v_i，v_j为原有Harris算法提取出的角点纵坐标；

u_m，v_n为改进后Harris算法提取出的角点横、纵坐标。

3.按照权利要求1所述的空间圆几何参数的双目立体视觉测量方法，其特征在于，所述的空间圆所在平面的拟合是指：空间平面的方程可以表示为z＝Ax+By+C，根据高斯-马尔柯夫线性模型利用回归分析的方法，由空间圆坐标点的分布情况得出回归平面方程，即可求出空间平面的法线矢量。

4.按照权利要求1所述的空间圆几何参数的双目立体视觉测量方法，其特征在于，所述的空间平面的旋转是指：设空间平面的法线矢量为(A，B，C)，α、β、γ分别是平面法线与x_w，y_w，z_w轴的夹角，则有关系式：

$\left\{\begin{array}{c}\cos \mathrm{\α}=\frac{A}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\β}=\frac{B}{\sqrt{A^2+B^2+C^2}}\\ \cos \mathrm{\γ}=\frac{C}{\sqrt{A^2+B^2+C^2}}\end{array}\right.---\left(1\right)$

由空间解析几何的知识，可以将空间平面绕轴旋转至与坐标平面平行的位置。

5.按照权利要求1所述的空间圆几何参数的双目立体视觉测量方法，其特征在于，所述的平面圆的拟合是指：经空间圆所在平面的拟合与空间平面的旋转两步骤，已经将空间圆旋转到一个与坐标平面平行的平面上了，再运用最小二乘法对平面圆进行拟合，设拟合圆曲线的数据点有n个，圆曲线可表示为x_i ²+y_i ²+Dx_i+Ey_i+F＝0，

则误差函数e_i＝x_iD+y_iE+F+l_i，其中l_i＝x_i ²+y_i ²，由n个误差函数可以列出n个误差方程，因只有3个未知数，故可组成3阶法方程式：

$\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=\left[\begin{array}{c}-\left[x(x^2+y^2)\right]\\ -\left[y(x^2+y^2)\right]\\ -[x^2+y^2]\end{array}\right]---\left(2\right)$

则 $\left[\begin{array}{c}D\\ E\\ F\end{array}\right]=-{\left[\begin{array}{ccc}\left[\mathrm{xx}\right]& \left[\mathrm{xy}\right]& \left[x\right]\\ \left[\mathrm{xy}\right]& \left[\mathrm{yy}\right]& \left[y\right]\\ \left[x\right]& \left[y\right]& n\end{array}\right]}^{-1}\left[\begin{array}{c}\left[x(x^2+y^2)\right]\\ \left[y(x^2+y^2)\right]\\ [x^2+y^2]\end{array}\right]---\left(3\right)$

应用伴随矩阵求逆法解出(3)式，最后得：

Δ＝nOT+2QUP-Q²T-U²O-nP²    (4)

$D=\frac{1}{\mathrm{\Δ}}(U^{2}R-\mathrm{nTR}+\mathrm{nPV}-\mathrm{QUV}+\mathrm{QTW}-\mathrm{PUW})---\left(5\right)$

$E=\frac{1}{\mathrm{\Δ}}(\mathrm{nPR}-\mathrm{QUR}+Q^{2}V-\mathrm{nOV}+\mathrm{OUW}-\mathrm{PQW})---\left(6\right)$

$F=\frac{1}{\mathrm{\Δ}}(\mathrm{QTR}-\mathrm{PUR}+\mathrm{OUV}-\mathrm{QPV}+P^{2}W-\mathrm{OTW})---\left(7\right)$

其中：O＝[xx]，P＝[xy]，Q＝[x]，R＝[x(x²+y²)]，T＝[yy]，U＝[y]，V＝[y(x²+y²)]，

求得D，E，F三参数后，则圆心坐标及圆半径为：

$\left\{\begin{array}{c}{x}_0=-\frac{D}{2}\\ y_0=-\frac{E}{2}\\ R=\frac{1}{2}\sqrt{D^2+E^2-4F}\end{array}\right.$

再经过逆旋转运算就可以求得空间圆心坐标。

Images