方艷紅， 趙 琳， 張紅英，2， 王學(xué)淵

(1.西南科技大學(xué) 信息工程學(xué)院，四川 綿陽 621010； 2.特殊環(huán)境機(jī)器人技術(shù)四川省重點實驗室，四川 綿陽 621010)

0 引 言

世界衛(wèi)生組織2018年10月發(fā)布的統(tǒng)計數(shù)據(jù)顯示，在全球范圍內(nèi)，估計有13億人患不同形式及程度的視力損害，且大多數(shù)視力受損人員的年齡超過50歲。近年來，隨著計算機(jī)軟件和硬件技術(shù)的發(fā)展，使我們更有能力為盲人這一弱勢群體的生活帶去一些便利[1，2]?，F(xiàn)有的盲人輔助工具為視力受損人群提供了一定的幫助，但在實際的推廣使用過程中都存在價格昂貴、體驗不好、實時性差等問題。

本文設(shè)計了一種人性化、智能化、大眾化的便攜式導(dǎo)盲系統(tǒng)來幫助盲人躲避障礙物。具體的，首先實現(xiàn)基于視覺的障礙物檢測，在此基礎(chǔ)上，將障礙物的圖像距離轉(zhuǎn)換為空間中的實際距離，實現(xiàn)對障礙物的測距并將結(jié)果轉(zhuǎn)換成語音信號輸出。

1 系統(tǒng)整體設(shè)計

系統(tǒng)的整體結(jié)構(gòu)設(shè)計框圖如圖1所示。

圖1 系統(tǒng)整體結(jié)構(gòu)框圖

在樹莓派中利用OpenCV平臺檢測視頻中的障礙物，利用透視投影變換計算深度信息，當(dāng)使用者在白墻面前時，視頻圖像數(shù)據(jù)無法提取除障礙物信息，輔助以超聲波傳感器來完善功能，最后將處理分析結(jié)果通過耳機(jī)從3.5 mm音頻接口進(jìn)行輸出。為了方便設(shè)計過程中的調(diào)試測試，通過HDMI接口外接一電容顯示屏，設(shè)計開發(fā)完成后取下。

2 障礙物檢測算法

如圖2所示，障礙物檢測處理流程主要分為三部分，首先是對原圖進(jìn)行色彩空間轉(zhuǎn)換；然后用提出的改進(jìn)VE算法確定分割閾值；最后通過形態(tài)學(xué)處理填補(bǔ)空洞等。

圖2 障礙物檢測流程圖

當(dāng)圖像中目標(biāo)較大且與背景有足夠差異時，即直方圖呈現(xiàn)較明顯的雙峰分布時，Otsu能找出恰當(dāng)?shù)姆指铋撝?。但?dāng)圖像中目標(biāo)較小，直方圖近似呈現(xiàn)單峰分布時，Otsu基本失效。文獻(xiàn)[7]提出強(qiáng)調(diào)谷底的(valley-emphasis，VE)算法對大津法進(jìn)行優(yōu)化

(1)

式中 權(quán)重W=1-pk。pk值越小(即發(fā)生的概率低，也即直方圖谷底)，權(quán)重越大。通過加權(quán)使最佳閾值始終在雙峰的峰谷或單峰的底部及其附近取得。

本文提出基于類間均值差的改進(jìn)VE算法，在考慮權(quán)重的同時，兼顧兩類的類間均值到全局均值的距離，使分割出的兩類的均值遠(yuǎn)離全局均值，最佳閾值的選取如下式

k*=argmax(Ww1w2[(μ1-μ2)2+(μ1-μ)2+

(μ2-μ)2])

(2)

與基本Otsu算法相比，本文算法考慮權(quán)重，獎勵波谷附近位置，平衡類間大小的差異。與VE算法相比，本文算法新增兩項來獎勵使兩類均值遠(yuǎn)離全局均值的分割閾值，這樣一來，分割出的兩類相互遠(yuǎn)離，形成更好的分割效果。

3 障礙物測距

3.1 測距總體設(shè)計

障礙物檢測完成后，可以得出圖像中的障礙物位置及相應(yīng)特征點坐標(biāo)，下一步需要實現(xiàn)圖像距離到世界距離的轉(zhuǎn)換。具體流程如圖3所示。

圖3 障礙物測距流程圖

3.2 單目測距原理

如圖4所示的測距模型中，F(xiàn)是地平面上任意一點，P是過F點向世界坐標(biāo)系中Yw軸作垂線的交點；f=OcO是CCD攝像機(jī)的有效焦距，H為攝像機(jī)垂直于地面的垂足，h為鏡頭中心到地面的高度，(x0,y0)為成像平面坐標(biāo)系原點，通常為(0,0)，A為P在成像平面上的投影坐標(biāo)，B為F在成像平面上的投影，根據(jù)幾何關(guān)系得到點P與鏡頭光心的水平距離HP的計算表達(dá)式HP=h×/tan-1[α+arctan((y-y0)/f)]，其中的α是攝像頭與水平面的夾角大小，α，h都是通過測量得到，y0一般取0，f,y是未知的。f是攝像頭的有效焦距，是攝像頭的內(nèi)參，y是P點在成像平面上的投影坐標(biāo)在y軸上的分量，稱為成像平面坐標(biāo)，單位記為mm。

圖4 測距幾何模型

3.3 坐標(biāo)系轉(zhuǎn)換

1)成像平面坐標(biāo)系到像素坐標(biāo)系的變換數(shù)字圖像上任意點的坐標(biāo)(u,v)表示像素點位于像素坐標(biāo)系的第幾行第幾列，要確定其物理位置，需建立以物理單位表示的成像坐標(biāo)系Ox,y，任意點的坐標(biāo)記為(x,y)，其轉(zhuǎn)換關(guān)系為

(3)

式中dx,dy分別為像素坐標(biāo)系中每個像素在x,y軸上的物理尺寸，(u0,v0)為成像坐標(biāo)系原點在像素坐標(biāo)系中的坐標(biāo)，一般在中心位置，但由于攝像頭制造工藝、安裝角度等原因會出現(xiàn)漂移現(xiàn)象。

2)攝像頭坐標(biāo)系到成像平面坐標(biāo)系的變換

在理想攝像頭模型中，空間中任意點P在攝像機(jī)透視投影到二維成像平面坐標(biāo)系中，投影關(guān)系為

(4)

式中f為攝像機(jī)焦距，即成像平面到攝像機(jī)焦平面的距離，(x,y)為成像點在成像坐標(biāo)系下的坐標(biāo)，(XC,YC,ZC)為空間點在攝像機(jī)坐標(biāo)系下的坐標(biāo)。

3)世界坐標(biāo)系到攝像頭坐標(biāo)系的變換

從世界坐標(biāo)系到攝像頭坐標(biāo)系之間的變換屬于剛性變換，是由旋轉(zhuǎn)和平移組成的，其轉(zhuǎn)換關(guān)系如下

(5)

式中R,T分別為世界坐標(biāo)系和攝像頭坐標(biāo)系之間的相對位置和姿態(tài)，R為一個3×3階正交矩陣，表示旋轉(zhuǎn)；T為一個3×1的平移向量。

4)世界坐標(biāo)系到像素坐標(biāo)系的變換

聯(lián)立式(3)～式(5)可以得到世界坐標(biāo)系到像素坐標(biāo)系之間的映射轉(zhuǎn)換關(guān)系

(6)

式中ax=f/dx,ay=f/dy分別為在u,v軸上的歸一化焦距，式(6)等號右側(cè)第一部分為內(nèi)參矩陣，只與攝像頭內(nèi)部結(jié)構(gòu)、制造工業(yè)有關(guān)，R，T與攝像頭的外部環(huán)境有關(guān)，稱為攝像頭的外參矩陣。

5)畸變校正

在實際應(yīng)用中，由于攝像頭在制造安裝過程存在一定的誤差，因此會產(chǎn)生不同程度的鏡頭畸變，如徑向畸變、偏心畸變和薄透鏡畸變等。非線性畸變表示為[8]

x′=x+δx(x,y)，y′=y+δy(x,y)

(7)

式中 (x,y)為理想成像點P的坐標(biāo)，(x′,y′)為畸變下的成像點P′的坐標(biāo)。δx和δy與成像點在圖像中的位置有關(guān)，為非線性畸變量

(8)

式中k1,k2,p1,p2,s1,s2為非線性畸變參數(shù)，在一般的實際應(yīng)用情景中，僅考慮徑向畸變已經(jīng)可以比較準(zhǔn)確地描述出非線性畸變，因此將上式進(jìn)一步化簡成x′=x(1+k1r2),y′=x(1+k2r2)。

3.4 攝像頭標(biāo)定

本文使用張正友的平面標(biāo)定法來對攝像頭進(jìn)行標(biāo)定。在不同的角度和距離下連續(xù)20次拍攝7×10的平面棋盤格標(biāo)定板(每個棋盤格大小為26 mm×26 mm)。對靶標(biāo)圖像進(jìn)行處理，檢測棋盤格角點，所有標(biāo)定角點全部檢測完成后，標(biāo)定出攝像頭參數(shù)。將圖像反投影到成像平面，計算反投影后的像素誤差，本文實驗的像素誤差均值為0.067，最大誤差是0.07，在誤差范圍內(nèi)。最后，得到的攝像頭內(nèi)參矩陣為

4 系統(tǒng)測試

系統(tǒng)采用Rpi Camera(E)攝像頭采集 像素大小的視頻圖像，通過CSI接口傳入樹莓派開發(fā)板，在樹莓派上進(jìn)行分析處理，將處理結(jié)果通過3.5 mm的音頻接口輸出。

4.1 障礙物檢測測試

本文提出了基于改進(jìn)VE的分割算法來實現(xiàn)障礙物的檢測，在實驗室內(nèi)用Rpi Camera拍攝一張圖片并進(jìn)行處理，效果如圖5所示。

圖5 室內(nèi)場景處理效果

同樣在其他場景下進(jìn)行測試，效果如圖6所示。

圖6 障礙物檢測測試

如圖6所示的多場景下測試實驗，由于本文選擇圖像的飽和度特性分量做分析處理，因此在光照條件下有良好的魯棒性，如圖6(a)的強(qiáng)光照和圖6(f)的弱光照場景；當(dāng)背景與目標(biāo)障礙物的色彩相近時，算法促使兩類類內(nèi)均值相互遠(yuǎn)離，使兩類最大程度分開，如圖6(c),(d)所示；如圖6(e)所示的多目標(biāo)干擾場景下，各個障礙物的顏色、形狀和大小都不一樣，算法能將目標(biāo)都檢測到。

檢測到圖像的障礙物之后，用最小外接矩將單個障礙物標(biāo)注出來，選取最小外接矩的中心點作為特征點。

4.2 障礙物測距測試

將相應(yīng)特征點坐標(biāo)及攝像頭參數(shù)代入測距模型進(jìn)行解算，記錄不同距離的測試結(jié)果如表1所示。

表1 障礙物測距實驗記錄

表1所示的是對7張不同距離下障礙物圖片的測試記錄，從中可以看出，測試的距離與實際距離的絕對誤差不超過8 cm，誤差率在5.6 %之內(nèi)，可以滿足導(dǎo)盲測距的精度需求，滿足設(shè)計需求。

5 結(jié) 論

首先實現(xiàn)基于視覺的障礙物檢測，即對圖像中目標(biāo)的準(zhǔn)確分割和定位，研究了如何提高在光照、背景因素等干擾條件下對目標(biāo)障礙物檢測的準(zhǔn)確率；在此基礎(chǔ)上，將障礙物的圖像距離轉(zhuǎn)換為空間中的實際距離，實現(xiàn)對障礙物的測距；最后將障礙物檢測系統(tǒng)移植到樹莓派開發(fā)板上，完成整個系統(tǒng)的設(shè)計。