Анализ стереоизображений, построение матрицы расстояний

УДК 004(06) Компьютерные системы и технологии
Д.Г. КОВТУН, Е.В. ЧЕПИН, А.А. ДЮМИН
Московский инженерно-физический институт (государственный университет)
АНАЛИЗ СТЕРЕОИЗОБРАЖЕНИЙ, ПОСТРОЕНИЕ
МАТРИЦЫ РАССТОЯНИЙ
В данном докладе представлен алгоритм построение матрицы расстояний на
основе анализа стереоизображений.
Стереопара – две камеры, разнесённые в пространстве, но направленные в одну сторону, дающие одновременно изображение одной и той же
сцены с разных точек.
Основой для построения матрицы расстояний (трёхмерной модели
сцены) является нахождение одной и той же точки на обоих изображениях, и измерение расстояния до неё по разности координат точки на этих
снимках [1]. Таким образом, главная задача при анализе стереоизображения найти для каждой точки одного изображения соответствующею точку
на втором изображении.
Основные проблемы анализа стереоизображения и построения матрицы расстояний является низкая разрешающая способность и высокая погрешность измерений.
Допустим, мы работаем с изображением 640x480. Если мы хотим
иметь достаточный угол обзора, то разность координат одинаковых точек
наиболее близких объектов не должна превышать 50 точек. Допустим, мы
собираемся измерять расстояния до 5 метров. Таким образом, цена одного
пикселя составляет 10 см. и если при этом мы будем иметь погрешность в
несколько пикселей, то ошибка измерения может составлять до полуметра. В принципе, для решения некоторых задач этого может быть достаточно (например, задач навигации), однако, о распознавании объектов
через построение их трёхмерной модели можно забыть.
Также проблемой анализа стереоизображения является нахождения
соответствующих пары точек на поверхностях однородного цвета.
Например, как найти соответствующею пару точек на двух изображениях белой стены? Наиболее очевидный путь – работать только с характерными точками – как правило, это границы однородных областей изображения. Однако сразу встаёт вопрос, какому из граничащих объектов
принадлежат полученные расстояния.
Далее предложен алгоритм расчёта матрицы расстояний по стереоизображению, решающий данные проблемы.
ISBN 5-7262-0710-6. НАУЧНАЯ СЕССИЯ МИФИ-2007. Том 12
153
УДК 004(06) Компьютерные системы и технологии
Данный алгоритм оптимизирован под аппаратную реализацию и основан на частичной (горизонтальной) сегментации [2].
На первом этапе проводятся операции строчной сегментации областей
изображения по цветовому признаку. По завершению этого этапа изображение представляет собой набор горизонтальных сегментов толщиной в
один пиксель. То есть выделяются последовательности точек в строке со
схожими цветами. Проводить вертикальное объединение не имеет смысла, так как горизонтальные оси камер в нашей стереосистеме совпадают
(горизонтальные границы из-за этого не информативны). Далее на обоих
изображениях ищутся соответствующие сегменты. Поиск пары для каждого сегмента надо производить только в его строке и только в одну сторону. Причём поиск не обязательно вести до конца строки, можно ограничиться поиском до максимально возможной разницы (например, 50
пикселей), что намного сокращает объём вычислений. Разница в xкоординате парных сегментов на двух изображениях будет пропорциональна расстоянию до сегмента. Если необходимо восстановить наклон
поверхности сегмента и его форму, то его можно экстраполировать по
уже полученному расстоянию, а также по смешению крайних точек сегмента (крайние точки сегмента характерны и однозначно сопоставляются). Важно чтобы парные сегменты имели одинаковую длину. Если это не
так, то это указывает на то, что объект частично перекрыт другим более
близким объектом. Тогда его надо либо игнорировать, либо применять
другие алгоритмы.
Используя предложенный алгоритм можно получить данные о расстоянии до большинства точек изображения. Полученные данные могут использоваться для построения трёхмерной модели сцены, решения задач
навигации, анализа изображений, распознавания объектов [3].
Список литературы
1. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. М: Машиностроение, 1990.
2. Handbook of pattern recognition and computer vision / Chen C.H., Rau L.F. and Wang
P.S.P.(eds.). – Singapore-New Jersey-London-Hong Kong: World Scientific Publishing Co. Pte.
Ltd., 1995.
3. A. Kleppe, J. Warmer, W. Bast, MDA Explained: The Model Driven Architecture™: Practice and Promise, Addison Wesley, 2003 , ISBN 0-321-19442- Shalkoff R.J. Digital image processing and computer vision. – New York-Chichester-Brisbane-Toronto-Singapore: John Wiley &
Sons, Inc., 1989. - 489
ISBN 5-7262-0710-6. НАУЧНАЯ СЕССИЯ МИФИ-2007. Том 12
154