雙眼可以測距和建立立體環(huán)境，雙攝像頭可以嗎？
答案是可以！
這方面一直是計(jì)算機(jī)視覺的研究熱點(diǎn)，并且已經(jīng)有了不錯的成果！本人研究生階段主要做三維重建，簡單寫一些自己所了解的。
首先三維和二維的區(qū)別，這個(gè)大家都容易理解，二維只有x、y兩個(gè)軸，比如一張素描畫，我們整體的感覺是“平”的，而三維則是多了一個(gè)z軸的維度，這個(gè)z軸的直觀理解就是點(diǎn)離我們的距離，也即 “depth(深度)”。
再來看看我們?nèi)搜�，人眼是一個(gè)典型的雙目系統(tǒng)，大家可以做個(gè)小實(shí)驗(yàn)：閉上一只眼睛，然后左右手分別拿著一只筆，試著讓筆尖相碰，哈哈，是不是有懷疑人生的感覺？ 我們分別用左右眼看同一個(gè)物體，可以清楚地感覺到圖像的差異，這個(gè)差異就是我們形成三維視覺的基礎(chǔ)，有了這左右眼圖像的差異，配合大腦強(qiáng)大的識別匹配能力，我們就能基本確定物體離我們的距離，也即之前說的"深度"，上個(gè)實(shí)驗(yàn)中我們只睜開一只眼睛，雖然能清楚的看到左右手中的筆，但是大腦沒法得出深度信息，所以你在“上下左右”方向上能準(zhǔn)確定位，但是“前后”方向上卻無能為力。
現(xiàn)在來說說左右圖像的“差異”到“深度”的轉(zhuǎn)換，這里可能需要一點(diǎn)點(diǎn)空間幾何知識，其實(shí)也很簡單
物體上的點(diǎn)p12分別對應(yīng)左右圖像上點(diǎn)p1和p2，求解p1、p2、p12構(gòu)成的三角形，我們就能得到點(diǎn)p12的坐標(biāo)，也就能得到p12的深度。這個(gè)計(jì)算對于人腦來說是小case，我們更多地依賴經(jīng)驗(yàn)和強(qiáng)大的腦補(bǔ)能力，雖然我們不能計(jì)算出某個(gè)物體離我們的精確距離，我們卻能非常準(zhǔn)確地建立物體距離的相對關(guān)系，即哪個(gè)物體在前，哪個(gè)在后，這對日常生活已經(jīng)足夠了。
而我們做工程上的雙目視覺三維重建，核心目標(biāo)就是解上圖所示的三角形，相機(jī)可以抽象成一個(gè)簡單的透視系統(tǒng)：
空間點(diǎn)p經(jīng)過相機(jī)成像，映射到圖像上點(diǎn)(x,y)，其中Oc是相機(jī)光心，WCS、DCS、ICS分別是世界坐標(biāo)系、設(shè)備(相機(jī))坐標(biāo)系、圖像坐標(biāo)系�？臻g點(diǎn)p到相機(jī)圖像上點(diǎn)的幾何變換可以用相機(jī)內(nèi)參來描述，具體公式就不說了，可以簡單地理解為相機(jī)拍照是對點(diǎn)的幾何坐標(biāo)變換，而相機(jī)內(nèi)參就是決定這個(gè)變換的一些參數(shù)。
繼續(xù)看之前的光學(xué)三角關(guān)系圖，O1、O2分別是左右相機(jī)的光心，現(xiàn)在我們要做的就是確定這兩個(gè)相機(jī)的相對位置關(guān)系：可以用旋轉(zhuǎn)矩陣R和平移向量T來描述，確定了R和T，兩個(gè)相機(jī)的位置關(guān)系就確定了，這個(gè)步驟叫做相機(jī)的外參標(biāo)定。一般的做法是用三維重建的逆過程來做，即由一系列已知的p1、p2和p12來求解光學(xué)三角形，估計(jì)出最優(yōu)的R、T。簡而言之，外參標(biāo)定確定相機(jī)之間的相對位置關(guān)系。
好了，現(xiàn)在我們只需要知道p1、p2的坐標(biāo)，我們就能輕松算出p12的坐標(biāo)，完成三維重建。我們把p1、p2稱為一個(gè)點(diǎn)對(pair)，他們是同一個(gè)空間點(diǎn)在不同相機(jī)中的成像點(diǎn)。尋找這樣的點(diǎn)對的過程稱為立體匹配，它是三維重建最關(guān)鍵，也可以說是最難的一步。我們都玩過“大家來找茬”，找的是兩幅圖的不同點(diǎn)，而立體匹配則是找“相同點(diǎn)”。對人腦來說，這個(gè)問題太easy了，給你同一個(gè)物體的兩幅圖，你能輕松找出一副圖像上的點(diǎn)在另一幅圖像中的對應(yīng)點(diǎn)，因?yàn)槲覀內(nèi)四X的物體識別、分割、特征提取等等能力實(shí)在太強(qiáng)了，而且性能特別高，估計(jì)幾歲的小孩就能秒殺現(xiàn)有的最好的算法。
常規(guī)的匹配算法一般通過特征點(diǎn)來做，即分別提取左右圖像的特征點(diǎn)(常用sift算法)，然后基于特征點(diǎn)配合對極幾何等約束條件進(jìn)行匹配。不過這類匹配算法精度都不是太高，所以人們又想了其它一些方法來輔助匹配，結(jié)構(gòu)光方法是目前用的比較多的，原理不難理解，就是向目標(biāo)物體投射編碼的光，然后對相機(jī)圖像進(jìn)行解碼，從而得到點(diǎn)對，舉個(gè)簡單的例子，我們把一個(gè)小方塊的圖案用投影儀投到物體表面，然后識別左右相機(jī)圖像中的小方塊，如果這個(gè)小方塊很小，看作一個(gè)點(diǎn)，那么我們就得到了一個(gè)點(diǎn)對。
貼個(gè)線結(jié)構(gòu)光的示意圖：
這個(gè)示意圖里面只有一個(gè)相機(jī)，其實(shí)投影儀是可以看作相機(jī)的：投出的光圖案照射在物體表面相當(dāng)于被拍照的物體，而投影儀的輸入圖像則相當(dāng)于相機(jī)拍出來的照片，所以投影儀也是當(dāng)作相機(jī)并用同樣的方法來標(biāo)定內(nèi)外參，即上圖本質(zhì)上也是雙目視覺系統(tǒng)。
總結(jié)一下，雙目視覺三維重建的基本過程：相機(jī)內(nèi)參、外參標(biāo)定 -> 立體匹配 -> 光學(xué)三角形求解，這里面最核心、也最影響重建效果的就是立體匹配。
貼幾張本人實(shí)驗(yàn)的圖(用的最基本的格雷碼結(jié)構(gòu)光)：
以上說的都是雙目視覺三維重建，實(shí)際上還有其它一些重建方法，如早期的探針法，簡單粗暴，直接拿探針在物體表面移動，一個(gè)點(diǎn)一個(gè)點(diǎn)測坐標(biāo)；還有一類通過直接測距來進(jìn)行三維重建，如超聲波、TOF，即對物體表面逐點(diǎn)用聲、光程差來測距，從而得到三維點(diǎn)云；光學(xué)方法分為主動和被動兩大類，主動和被動指的是是否向物體表面投光，主動方法有激光掃描、相位測量以及我畢設(shè)的研究課題結(jié)構(gòu)光方法等，被動方法有單目視覺(如陰影法)和上文所述的立體視差方法等等。
目前還有一類三維重建方法非�；穑篠FM(Structure from Motion)，這類方法的特點(diǎn)是不需要相機(jī)參數(shù)，僅僅根據(jù)一系列圖像就能進(jìn)行三維重建，也就是說，你隨便拿個(gè)手機(jī)對著物體拍一些圖片就能重建這個(gè)物體的三維模型，大家可以去體驗(yàn)下AutoDesk公司的Autodesk 123D Catch，除了近距離物體的三維重建，SFM還有更激動人心的應(yīng)用：大型場景三維重建，感興趣的可以看看這個(gè)Building Rome in a Day，他們在flickr上搜索兩百萬張羅馬的照片，通過亞馬遜提供的計(jì)算服務(wù)，最終得出整個(gè)城市的三維模型，是不是又有云計(jì)算、大數(shù)據(jù)的感覺。。。這波人貌似有幾個(gè)是Google Earth團(tuán)隊(duì)的。
原理上其實(shí)也不難理解：從特征點(diǎn)對入手，反向求解出相機(jī)的內(nèi)外參(選定一個(gè)相機(jī)作為世界坐標(biāo)系)，然后重建更多的點(diǎn)。
大家應(yīng)該對電影《普羅米修斯》里面的用于洞穴建模的飛行器印象深刻：
推荐
-
-
QQ空间
-
新浪微博
-
人人网
-
豆瓣
