摘  要： 針對(duì)雷達(dá)不能利用目標(biāo)的顏色等屬性和水面多路徑反射的干擾等問題，建立無人水面艇雙目立體視覺系統(tǒng)，為實(shí)現(xiàn)無人水面艇的自主避障和目標(biāo)跟蹤等任務(wù)提供基礎(chǔ)。采用兩個(gè)IEEE 1394接口的數(shù)字?jǐn)z像機(jī)在無人水面艇上構(gòu)建雙目立體視覺系統(tǒng)，進(jìn)而編程拍攝左右兩幅圖像并標(biāo)定攝像機(jī)。結(jié)果表明，所構(gòu)建的雙目立體視覺系統(tǒng)可以用于無人水面艇視覺技術(shù)的研究。所設(shè)計(jì)的雙目立體視覺系統(tǒng)對(duì)無人水面艇具有重要的研究意義。

　　關(guān)鍵詞： 無人水面艇；雙目立體視覺；攝像機(jī)標(biāo)定

0 引言

　　無人水面艇（Unmanned Surface Vehicle，USV）也稱水面機(jī)器人，主要用于執(zhí)行水上不適于載人船只執(zhí)行的危險(xiǎn)任務(wù)，如民用的環(huán)境勘測(cè)、海事搜救和軍事上的掃雷、反恐攻擊等。20世紀(jì)90年代，隨著導(dǎo)航技術(shù)和控制技術(shù)的不斷完善，出現(xiàn)了大量的USV研究項(xiàng)目[1]，其中以美國和以色列最具代表性，而國內(nèi)起步較晚，大部分還處于遙控研發(fā)階段[2]。

　　導(dǎo)航定位系統(tǒng)是實(shí)現(xiàn)無人水面艇自主航行的關(guān)鍵，其常用的定位方式有慣性定位、雷達(dá)和超聲波導(dǎo)航定位等。但慣性導(dǎo)航技術(shù)需要慣性測(cè)量元件，價(jià)格昂貴；雷達(dá)測(cè)距不能利用目標(biāo)的顏色特征等屬性且存在近距離目標(biāo)探測(cè)盲區(qū)，而且水面多路徑反射效應(yīng)會(huì)導(dǎo)致跟蹤精度達(dá)不到要求[3]。而計(jì)算機(jī)視覺[4-5]作為新興的導(dǎo)航技術(shù)，具有信息量豐富、智能化水平高等優(yōu)點(diǎn)，正處于蓬勃發(fā)展的階段。

　　國內(nèi)外許多機(jī)構(gòu)進(jìn)行無人艇技術(shù)的研究[6]。EBKEN J等人將無人車技術(shù)直接引入無人艇，推進(jìn)無人艇技術(shù)的發(fā)展[7]。HUNTSBERGER T等人利用魯棒實(shí)時(shí)可重構(gòu)的立體視覺系統(tǒng)分別進(jìn)行靜止障礙物避障和移動(dòng)障礙物的實(shí)驗(yàn)，實(shí)現(xiàn)無人水面艇立體視覺自主航行[8]。Wang Han和Wei Zhuo針對(duì)無人艇水面障礙物的追蹤和定位問題進(jìn)行不斷研究，進(jìn)而改進(jìn)立體視覺技術(shù)[9-10]。哈爾濱工程大學(xué)研究無人水面艇，利用視覺系統(tǒng)提取和識(shí)別多類水面目標(biāo)，并進(jìn)行算法改進(jìn)[11-12]。大連海事大學(xué)也對(duì)無人艇的智能控制等進(jìn)行了研究[13]。

　　目前，國際上對(duì)無人艇的應(yīng)用和研究正向智能化方向發(fā)展，而國內(nèi)還處于起步階段，并且視覺系統(tǒng)的應(yīng)用較少。本文建立無人水面艇的雙目立體視覺系統(tǒng)并進(jìn)行研究，以彌補(bǔ)雷達(dá)定位的不足。

1 雙目立體視覺系統(tǒng)硬件平臺(tái)

　　上海海事大學(xué)航運(yùn)技術(shù)與控制工程交通部重點(diǎn)實(shí)驗(yàn)室自2006年起進(jìn)行無人水面艇的研究，建立無人水面艇視覺導(dǎo)航的試驗(yàn)平臺(tái)，如圖1所示，其視覺系統(tǒng)的主要組成部分是雙目攝像機(jī)、圖像采集卡和工控機(jī)。

　　實(shí)驗(yàn)采用研祥的MEC-5004工控機(jī)，該工控機(jī)上配有PCI2318數(shù)據(jù)采集卡和IEEE 1394端口，可以方便地采集和接收數(shù)據(jù)。雙目攝像機(jī)系統(tǒng)的左右兩臺(tái)攝像機(jī)分別安裝在防護(hù)罩內(nèi)并固定于無人艇上，連接圖像采集卡，通過PCI卡槽連接到工控機(jī)上。

　　雙目攝像機(jī)由兩臺(tái)型號(hào)相同的攝像機(jī)構(gòu)成，攝像機(jī)有CCD攝像頭和FA鏡頭兩部分。CCD攝像頭采用大恒的DH-SV1420FC，數(shù)字面陣CCD，分辨率高，色彩還原性好。以IEEE 1394作為輸出，數(shù)據(jù)傳輸速率高，CPU資源占用少，可以一臺(tái)計(jì)算機(jī)同時(shí)連接多臺(tái)攝像機(jī)。攝像頭數(shù)據(jù)格式是FC（彩色），標(biāo)準(zhǔn)C/CS鏡頭接口，適于Windows XP實(shí)驗(yàn)編程環(huán)境，可以計(jì)算機(jī)編程控制曝光時(shí)間、亮度、增益等參數(shù)。參數(shù)如表1所示。

　　FA鏡頭是Computar的M1614-mp，超低失真率，可固定焦距，手動(dòng)變焦。其性能參數(shù)如表2所示。

2 雙目立體視覺原理

　　基于雙目攝像機(jī)的無人水面艇視覺系統(tǒng)，主要是利用左右兩個(gè)攝像機(jī)拍攝同一時(shí)刻的兩幅圖片獲得目標(biāo)的空間信息，其原理過程主要包括3部分：攝像機(jī)標(biāo)定、立體匹配和三維重建。

　　2.1 攝像機(jī)標(biāo)定

　　攝像機(jī)標(biāo)定就是設(shè)計(jì)某種方法和算法求取雙目攝像機(jī)系統(tǒng)的內(nèi)部和外部參數(shù)。攝像機(jī)內(nèi)外部參數(shù)建立了目標(biāo)點(diǎn)的三維空間坐標(biāo)與圖像像素坐標(biāo)之間的聯(lián)系，而這種聯(lián)系是由攝像機(jī)成像幾何模型決定的。所以，首先要分析攝像機(jī)的成像幾何模型，建立坐標(biāo)系之間的參數(shù)關(guān)系。

　　攝像機(jī)線性成像模型中，定義了4個(gè)相互關(guān)聯(lián)的坐標(biāo)系，即圖像像素坐標(biāo)系、物理坐標(biāo)系、攝像機(jī)坐標(biāo)系和世界坐標(biāo)系，如圖2所示。結(jié)合針孔成像模型和坐標(biāo)系轉(zhuǎn)換關(guān)系，圖像像素坐標(biāo)系和世界坐標(biāo)系之間的變換關(guān)系如式（1）所示。

　　其中，dx和dy是物理坐標(biāo)系每個(gè)像素在x、y方向的物理尺寸；f是鏡頭焦距；x=f/dx，y=f/dy，表示行和列的等效焦距；Rw表示世界坐標(biāo)系和攝像機(jī)坐標(biāo)系之間的旋轉(zhuǎn)變換；t是三維平移向量；M1只與攝像機(jī)的內(nèi)部參數(shù)有關(guān)，稱為內(nèi)部參數(shù)矩陣；M2表示攝像機(jī)與世界坐標(biāo)系的位置關(guān)系，稱為攝像機(jī)外部參數(shù)矩陣；M為透視投影矩陣。

　　2.2 立體匹配

　　立體匹配是將空間中同一特征點(diǎn)在左右圖像像素中找到一一對(duì)應(yīng)關(guān)系。立體匹配算法實(shí)際上是求解最優(yōu)解的過程，選取能量代價(jià)函數(shù)，通過求解能量代價(jià)函數(shù)的極值找出圖像中的對(duì)應(yīng)點(diǎn)。

　　2.3 三維重建

　　三維重建就是在已知攝像機(jī)參數(shù)和對(duì)應(yīng)點(diǎn)的條件下將平面圖像點(diǎn)轉(zhuǎn)換為三維空間點(diǎn)。對(duì)于平行軸雙目立體視覺系統(tǒng)，原理簡(jiǎn)單，只要找到對(duì)應(yīng)點(diǎn)求出圖像坐標(biāo)系中x軸方向的視差，就可以求出空間點(diǎn)位置。但是，這種理想平行狀態(tài)很難達(dá)到，實(shí)際研究中都是非平行軸視覺系統(tǒng)。非平行軸視覺系統(tǒng)模型根據(jù)左右攝像機(jī)焦點(diǎn)與各自圖像中一點(diǎn)的連線相交于空間中一點(diǎn)的原理直接重建空間點(diǎn)位置。

3 實(shí)驗(yàn)結(jié)果

　　無人艇在水面上運(yùn)行，并可通過程序進(jìn)行拍照等操作，拍攝圖片如圖3所示。

　　傳統(tǒng)攝像機(jī)標(biāo)定方法比較成熟，精度高，所以實(shí)驗(yàn)采用張正友平面標(biāo)定方法。利用圖3所示的水面一組圖片標(biāo)定左右攝像機(jī)且立體標(biāo)定，得到內(nèi)部參數(shù)主點(diǎn)（u0，v0）和主距（x，y），以及右攝像機(jī)相對(duì)于左攝像機(jī)的旋轉(zhuǎn)向量Rot和平移向量T，如表3所示。

4 結(jié)論

　　無人水面艇雙目立體視覺系統(tǒng)能夠克服采用雷達(dá)探測(cè)方法中的盲區(qū)限制、多路徑反射干擾和不能通過顏色屬性識(shí)別目標(biāo)等不足。本文建立無人水面艇的雙目立體視覺系統(tǒng)，可以實(shí)現(xiàn)拍照，并完成攝像機(jī)標(biāo)定等操作，從而可以更深一步進(jìn)行視覺系統(tǒng)的研究。

　　參考文獻(xiàn)

　　[1] MANLEY J E. Unmanned surface vehicles， 15 years of development[C]. Proceeding of OCEANS 2008， IEEE， 2008：1-4.

　　[2] 李家良.水面無人水面艇發(fā)展與應(yīng)用[J].火力與指揮控制，2012，37（6）：203-207.

　　[3] 吳海，劉艷萍.一種解決多路徑效應(yīng)影響的方法[J].現(xiàn)代雷達(dá)，2007，29（5）：26-31.

　　[4] 黃顯林，姜肖楠，盧鴻謙，等.自主視覺導(dǎo)航方法綜述[J].吉林大學(xué)學(xué)報(bào)，2010，28（2）：158-165.

　　[5] 王先敏，曾慶化，熊智，等.視覺導(dǎo)航技術(shù)的發(fā)展及其研究分析[J].信息與控制，2010，39（5）：607-613.

　　[6] BERTRAM V. Unmanned Surface Vehicles-A Survey，2008.[DB/OL].[2015-02-28]http：//www.docin.com/p-761852373.html.

　　[7] EBKEN J， BRUCH M， LUM J， Applying unmanned ground vehicle technologies to unmanned surface vehicles[C]. Proceeding of SPIE Unmanned Ground Vehicle Technology VII， 2005， Orlando， FL，5804：585-596.

　　[8] HUNTSBERGER T， AGHAZARIAN H， HOWARD A， et al. Trotz， stereo vision-based navigation for autonomous surface vessels[J]. Journal of Field Robotics， 2011， 28（1）： 3-18.

　　[9] Wang Han， Wei Zhuo， Wang Sisong. Real-time obstacle detection for unmanned surface vehicle[C]. Proceeding of the Defense Science Research Conference and Expo（DSR）， Singapore： IEE Press， 2011：1-4.

　　[10] Wang Han， Wei Zhuo. Stereovision based obstacle detection system forunmanned surface vehicle [C]. Proceeding of the IEEE International Conference on Robotics and Biomimetics （ROBIO）， Shenzhen， China： IEE Press， 2013：917-921.

　　[11] 馬忠麗，文杰，梁秀梅，等.無人艇視覺系統(tǒng)多類水面目標(biāo)特征提取與識(shí)別[J].西安交通大學(xué)學(xué)報(bào)，2014，48（8）：60-65.

　　[12] 梁秀梅.無人艇視覺系統(tǒng)目標(biāo)圖像特征提取與識(shí)別技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2013.

　　[13] Sun Qiaomei， Ren Guang， Yue Jin， et al. Autopilot design for unmanned surface vehicle tracking control[C]. Third International Conference on Measuring Technology and Mechatronics Automation， 2011（155）： 610-614.