基于色散透镜与滤光片的视觉测距系统及测距方法与流程

本发明涉及3d成像技术领域，具体涉及一种基于色散透镜与滤光片的视觉测距系统及方法。

背景技术：

目前，基于视觉的测距方法在工业及机器人定位等领域的应用日益广泛，现有的视觉测距系统多采用单目运动视差法、双目立体视觉法、结构光法、飞行时间法、离焦深度法等方法来实现，存在如下缺点：(1)采用运动视差法时，对相机运动形式有限制，并存在尺度不确定性；(2)采用双目立体视觉法时，存在计算量高、运算时间长等问题，难以满足实时性；(3)采用结构光法时，存在匹配过程复杂、同步性与实时性较差的问题；(4)采用飞行时间法时，存在所获深度数据稠密度低、系统能耗等问题；(5)采用离焦深度法时，存在双解问题和不同通道信号串扰的问题，难以同时提高准确度和实时性。综上，目前存在的方法难以实时性、准确性等要求。

技术实现要素：

本发明的目的在于克服上述现有技术的不足，提出一种基于色散透镜与滤光片的视觉测距系统及方法，可以同时采集不同散焦程度的多幅窄带光谱图像，通过深度恢复算法还原出被测物的距离，提高实时性与准确度。

本发明为实现上述发明目的采用如下技术方案：

基于色散透镜与滤光片的视觉测距系统，包括沿光路方向依次设置的成像透镜、成像光路单元、滤光单元、成像单元和图像计算处理单元；

所述成像透镜为色散透镜；所述成像光路单元包括多片分光片以及反射镜，用于将来自目标景物的入射光分为多个光束并分别进入多个并行光路；

所述滤光单元位于每一个并行光路的末端，用于保留每个光路的对应窄带波段光信号；所述成像单元包括多个图像传感器，用于采集各窄带波段光信号；所述图像计算处理单元与成像单元相连，用于对所采多幅图像数据进行计算，通过采用深度恢复算法实现目标景物深度恢复。

在一较佳实施例中：所述成像透镜为增强纵向色差并抑制其他像差尤其是横向色差的色散透镜；所述滤光单元为光密度值大于4的窄带滤光片。

本发明还提供了一种如上所述的基于色散透镜与滤光片的视觉测距系统的测距方法，包括以下步骤：

步骤一：来自目标场景中的入射光经过成像透镜，形成成像焦距差异较大的各波长的光束，进入成像光路单元；

步骤二：进入成像光路单元的光束被第一分光片分为两路，分光后的第一光束经过滤镜单元的第一滤光片，过滤后保留相应波段光信号到达成像单元的第一图像传感器；

步骤三：经过成像光路单元的第一分光片分光后的第二光束沿光路到达成像光路单元的第二分光片，二次分光后的第一光束经过滤镜单元的第二滤光片，过滤后保留相应波段光信号到达成像单元的第二图像传感器；

步骤四：经过成像光路单元的第二分光片分光后的第二光束沿光路到达成像光路单元的反射镜，反射后的光束经过滤镜单元的第三滤光片，过滤后保留相应波段光信号到达成像单元的第三图像传感器；

步骤五：图像计算处理单元以所获得的各个波段图像为基础，利用离焦深度还原算法恢复场景的深度信息，即对于场景中任意物点，获取其对应的深度信息。

在一较佳实施例中：所述步骤五中，深度恢复算法可采用离焦深度法、对焦深度法等多种深度恢复方法。

本发明与现有技术比，其显著优点在于：

本发明提出了基于色散透镜与滤光片的视觉测距系统，是一种容易实现的基于多幅窄带光谱图像的3d成像系统设计方案，可以在同一时间获取同一景物多幅窄带光谱图像，提高图像采集的效率；使用增强纵向色差的色散透镜，扩大各波段成像焦距差异，可同时获取多幅不同散焦程度的图像；本发明的系统结构简单，可避免复杂的图像配准，实现实时动态计算，且计算高效。

附图说明

图1为本发明优选实施例中基于色散透镜与滤光片的视觉测距系统的示意图。

具体实施方式

以下结合附图及实施例对本发明进行进一步的详细说明。

参考图1，基于色散透镜与滤光片的视觉测距系统，包括沿光路方向依次设置的成像透镜、成像光路单元、滤光单元、成像单元和图像计算处理单元；

所述成像透镜为色散透镜；所述成像光路单元包括多片分光片以及反射镜，用于将来自目标景物的入射光分为多个光束并分别进入多个并行光路；

所述滤光单元位于每一个并行光路的末端，用于保留每个光路的对应窄带波段光信号；所述成像单元包括多个图像传感器，用于采集各窄带波段光信号；所述图像计算处理单元与成像单元相连，用于对所采多幅图像数据进行计算，通过采用深度恢复算法实现目标景物深度恢复。

所述成像透镜为增强纵向色差并抑制其他像差尤其是横向色差的色散透镜；所述滤光单元为光密度值大于的窄带滤光片。

本发明还提供了如上所述的基于色散透镜与滤光片的视觉测距系统的测距方法，包括以下步骤：

步骤一：来自目标场景中的入射光经过成像透镜，形成成像焦距差异较大的各波长的光束，进入成像光路单元；

步骤二：进入成像光路单元的光束被第一分光片分为两路，分光后的第一光束经过滤镜单元的第一滤光片，过滤后保留相应波段光信号到达成像单元的第一图像传感器；

步骤三：经过成像光路单元的第一分光片分光后的第二光束沿光路到达成像光路单元的第二分光片，二次分光后的第一光束经过滤镜单元的第二滤光片，过滤后保留相应波段光信号到达成像单元的第二图像传感器；

步骤四：经过成像光路单元的第二分光片分光后的第二光束沿光路到达成像光路单元的反射镜，反射后的光束经过滤镜单元的第三滤光片，过滤后保留相应波段光信号到达成像单元的第三图像传感器；

步骤五：图像计算处理单元以所获得的各个波段图像为基础，利用离焦深度还原算法恢复场景的深度信息，即对于场景中任意物点，获取其对应的深度信息。

所述步骤五中，深度恢复算法可采用离焦深度法、对焦深度法等多种深度恢复方法。

本实施例中，步骤五采用离焦深度恢复算法，包括以下步骤：

步骤一：通过图像滤波等算法对所述第一图像传感器、第二图像传感器、第三图像传感器所形成的图像一、图像二及图像三进行预处理后，分别得到预处理图一、预处理图二及预处理图三。

步骤二：分别使用边缘检测算法及梯度算法对上述预处理图一、预处理图二及预处理图三进行处理，分别得到对应的边缘梯度图一、边缘梯度图二及边缘梯度图三，分别以符号i1，i2及i3表示。

步骤三：根据模糊图像边缘模型，对于上述得到的不同波段图像一、图像二及图像三在点(x，y)处的边缘梯度可以表示为：

其中，i＝1，2，3。σ为点(x，y)处的模糊度。

为消除各波段图像梯度i1,i2,i3间幅值的差异需要进行归一化处理，通过对i1,i2,i3相除得到：

其中，i≠j，i，j∈(1，2，3)。

对于位于边缘中心(0，0)处存在：

图像的成像模糊度σ与物体真实距离d间存在如下式所示函数关系：

其中，k为常数，b为图像成像光斑模糊直径，d为光学系统通光孔径，s为成像系统像距，df为清晰成像时物体的距离，d为物体真实距离。

根据所述(公式四)，所述(公式三)可转化为下列形式：

其中，i≠j，i，j∈(1，2，3)，di为第i幅图对应波段清晰成像的对准面距离，dj为第j幅图清晰成像对准面的距离。

由上述(公式五)可推导得：

通过所述(公式六)即可计算出物体真实距离d。

上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。