摘  要： 針對雷達不能利用目標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，為實現無人水面艇的自主避障和目標跟蹤等任務提供基礎。采用兩個IEEE 1394接口的數字攝像機在無人水面艇上構建雙目立體視覺系統，進而編程拍攝左右兩幅圖像并標定攝像機。結果表明，所構建的雙目立體視覺系統可以用于無人水面艇視覺技術的研究。所設計的雙目立體視覺系統對無人水面艇具有重要的研究意義。

　　關鍵詞： 無人水面艇；雙目立體視覺；攝像機標定

0 引言

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

　　導航定位系統是實現無人水面艇自主航行的關鍵，其常用的定位方式有慣性定位、雷達和超聲波導航定位等。但慣性導航技術需要慣性測量元件，價格昂貴；雷達測距不能利用目標的顏色特征等屬性且存在近距離目標探測盲區，而且水面多路徑反射效應會導致跟蹤精度達不到要求[3]。而計算機視覺[4-5]作為新興的導航技術，具有信息量豐富、智能化水平高等優點，正處于蓬勃發展的階段。

　　國內外許多機構進行無人艇技術的研究[6]。EBKEN J等人將無人車技術直接引入無人艇，推進無人艇技術的發展[7]。HUNTSBERGER T等人利用魯棒實時可重構的立體視覺系統分別進行靜止障礙物避障和移動障礙物的實驗，實現無人水面艇立體視覺自主航行[8]。Wang Han和Wei Zhuo針對無人艇水面障礙物的追蹤和定位問題進行不斷研究，進而改進立體視覺技術[9-10]。哈爾濱工程大學研究無人水面艇，利用視覺系統提取和識別多類水面目標，并進行算法改進[11-12]。大連海事大學也對無人艇的智能控制等進行了研究[13]。

　　目前，國際上對無人艇的應用和研究正向智能化方向發展，而國內還處于起步階段，并且視覺系統的應用較少。本文建立無人水面艇的雙目立體視覺系統并進行研究，以彌補雷達定位的不足。

1 雙目立體視覺系統硬件平臺

　　上海海事大學航運技術與控制工程交通部重點實驗室自2006年起進行無人水面艇的研究，建立無人水面艇視覺導航的試驗平臺，如圖1所示，其視覺系統的主要組成部分是雙目攝像機、圖像采集卡和工控機。

　　實驗采用研祥的MEC-5004工控機，該工控機上配有PCI2318數據采集卡和IEEE 1394端口，可以方便地采集和接收數據。雙目攝像機系統的左右兩臺攝像機分別安裝在防護罩內并固定于無人艇上，連接圖像采集卡，通過PCI卡槽連接到工控機上。

　　雙目攝像機由兩臺型號相同的攝像機構成，攝像機有CCD攝像頭和FA鏡頭兩部分。CCD攝像頭采用大恒的DH-SV1420FC，數字面陣CCD，分辨率高，色彩還原性好。以IEEE 1394作為輸出，數據傳輸速率高，CPU資源占用少，可以一臺計算機同時連接多臺攝像機。攝像頭數據格式是FC（彩色），標準C/CS鏡頭接口，適于Windows XP實驗編程環境，可以計算機編程控制曝光時間、亮度、增益等參數。參數如表1所示。

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

2 雙目立體視覺原理

　　基于雙目攝像機的無人水面艇視覺系統，主要是利用左右兩個攝像機拍攝同一時刻的兩幅圖片獲得目標的空間信息，其原理過程主要包括3部分：攝像機標定、立體匹配和三維重建。

　　2.1 攝像機標定

　　攝像機標定就是設計某種方法和算法求取雙目攝像機系統的內部和外部參數。攝像機內外部參數建立了目標點的三維空間坐標與圖像像素坐標之間的聯系，而這種聯系是由攝像機成像幾何模型決定的。所以，首先要分析攝像機的成像幾何模型，建立坐標系之間的參數關系。

　　攝像機線性成像模型中，定義了4個相互關聯的坐標系，即圖像像素坐標系、物理坐標系、攝像機坐標系和世界坐標系，如圖2所示。結合針孔成像模型和坐標系轉換關系，圖像像素坐標系和世界坐標系之間的變換關系如式（1）所示。

　　其中，dx和dy是物理坐標系每個像素在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表示世界坐標系和攝像機坐標系之間的旋轉變換；t是三維平移向量；M1只與攝像機的內部參數有關，稱為內部參數矩陣；M2表示攝像機與世界坐標系的位置關系，稱為攝像機外部參數矩陣；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在左右圖像像素中找到一一對應關系。立體匹配算法實際上是求解最優解的過程，選取能量代價函數，通過求解能量代價函數的極值找出圖像中的對應點。

　　2.3 三維重建

　　三維重建就是在已知攝像機參數和對應點的條件下將平面圖像點轉換為三維空間點。對于平行軸雙目立體視覺系統，原理簡單，只要找到對應點求出圖像坐標系中x軸方向的視差，就可以求出空間點位置。但是，這種理想平行狀態很難達到，實際研究中都是非平行軸視覺系統。非平行軸視覺系統模型根據左右攝像機焦點與各自圖像中一點的連線相交于空間中一點的原理直接重建空間點位置。

3 實驗結果

　　無人艇在水面上運行，并可通過程序進行拍照等操作，拍攝圖片如圖3所示。

　　傳統攝像機標定方法比較成熟，精度高，所以實驗采用張正友平面標定方法。利用圖3所示的水面一組圖片標定左右攝像機且立體標定，得到內部參數主點（u0，v0）和主距（x，y），以及右攝像機相對于左攝像機的旋轉向量Rot和平移向量T，如表3所示。

4 結論

　　無人水面艇雙目立體視覺系統能夠克服采用雷達探測方法中的盲區限制、多路徑反射干擾和不能通過顏色屬性識別目標等不足。本文建立無人水面艇的雙目立體視覺系統，可以實現拍照，并完成攝像機標定等操作，從而可以更深一步進行視覺系統的研究。

　　參考文獻

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

　　[2] 李家良.水面無人水面艇發展與應用[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影響的方法[J].現代雷達，2007，29（5）：26-31.

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

　　[5] 王先敏，曾慶化，熊智，等.視覺導航技術的發展及其研究分析[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.無人艇視覺系統多類水面目標特征提取與識別[J].西安交通大學學報，2014，48（8）：60-65.

　　[12] 梁秀梅.無人艇視覺系統目標圖像特征提取與識別技術研究[D].哈爾濱：哈爾濱工程大學，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.