如何在光学测距仪中测量图像重合

Question

我有几个 USB 网络摄像头（固定焦距）设置为简单的stereoscopic rangefinder，间隔 N 毫米，每个都向中心线旋转 M 度，我有 calibrated the cameras 以确保对齐。

在调整角度时，我将如何测量图像之间的重合度（最好在 Python/PIL/OpenCV 中）以了解相机何时聚焦在对象上？是不是像在每张图像中选择一段像素（A行B列）然后计算像素之间的差值之和那么简单？

Answer 1

问题是您不能假设相机的像素完美对齐

假设x-axis 是视差偏移轴，y-axis 是对齐的。即使您尽可能地对齐，您也需要识别 x 轴图像失真/偏移以检测视差对齐。绝对差异的结果不能保证在min/max 中，因此不是减去单个像素，而是减去该像素附近区域的平均颜色，其半径/大小大于y-axis 中的对齐误差。让我们将此半径或大小称为r，这样在对齐时产生的差异应该是最小的。

近似搜索

你甚至可以通过r加快这个过程

1. 选择大r
2. 使用步进扫描整个 x 范围，例如 0.25*r
3. 选择最小差异 x 位置 (x0)
4. 将 r 更改为一半
5. 转到项目符号 2（但这次整个 x 范围正好在 <x0-2.0*r,x0+2.0r> 之间
6. 如果r 小于几个像素则停止

这样你就可以搜索O(log2(n))而不是O(n)

计算机视觉方法

这应该会更快：

1. 检测兴趣点（在展位图像中）
   • 梯度的具体变化等...
2. 图像之间的兴趣点交叉匹配
3. 计算交叉匹配点之间的平均 x 距离
4. 通过找到的点距离更改视差对齐方式
5. 转到项目符号 1 直到 x 距离足够小

这样您可以避免检查整个 x 范围，因为对齐距离是直接获得的……您只需将其转换为角度或用于对齐视差的任何内容

[注释]

您不需要在整个图像区域上执行此操作，只需沿图像选择几条水平线并扫描其附近区域即可。

还有另一种方法来检测对齐，例如对于短距离，倾斜是对齐的重要标记，因此请比较相机之间左侧和右侧的对象高度...如果接近相同，则如果更大，则对齐/更小你没有对齐并且知道转向哪个方向......