工业机器人视觉系统中双目摄像头标定算法研究

Ｖ０１．４３　Ｎｏ．４　５６２　计算机与数字工程　Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　总第３０６期　２０１５年第４期　工业机器人视觉系统中双目摄像头标定算法研究　孙凤连李扬　广州　５１０００６）　（广东工业大学信息工程学院摘要在三维立体视觉系统中，摄像机的标定是一项必不可少的工作。针对现有的摄像机标定法在进行角点提取　时，由于光线变化产生的干扰问题，论文提出了一种将Ｈａｒｒｉｓ算法与梯度阈值算法相结合的新方法。实验过程中采用大小　各为６００ｍｍ、１５０ｍｍ的基线距离对该方法进行验证，实验证明，基线为６００ｍｍ的轴位移为５８２．０６８，基线为１５０ｍｍ的轴位　移为１６２．１２５，误差大小约为１５ｍｍ。因此，该算法在光线较弱或者光线变化的情况下能够准确的对双目视觉系统进行标　定，且易于实现，标定结果准确且稳定，满足双目立体视觉应用的需求。　关键词视觉系统；摄像机标定；角点提取；Ｈａｒｒｉｓ；梯度阈值　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎｌ６７２—９７２２．２０１５．０４．００６　中图分类号　ＴＰ２４２．２　Ｃａｌｉｂｒａｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｏｆ　Ｂｉｎｏｃｕｌａｒ　Ｃａｍｅｒａ　ｉｎ　Ｉｎｄｕｓｔｒｉａｌ　Ｒｏｂｏｔ　Ｖｉｓ　ｉｏｎ　Ｓｙｓｔｅｍ　ＳＵＮ　Ｆｅｎｇｌｉａｎ　ＬＩ　Ｙａｎｇ　（Ｇｕａｎｇｄｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｚｈｏｕ　５１０００６）　Ａｂｓｔｒａｃｔ　Ｃａｍｅｒａ　ｃａｌｉｂｒａｔｉｏｎ　ｉＳ　ａｎ　ｉｎｄｉｓｐｅｎｓａｂｌｅ　ｉｓｓｕｅ　ｉｎ　３Ｄ　ｓｔｅｒｅｏ　ｖｉｓｉｏｎ　ｓｙｓｔｅｍ．Ｔｈｅ　ｄｉｓｔｒａｃｔｉｏｎ　ｐｒｏｂｌｅｍ　ａｒｉｓｅｓ　ｗｈｅｎ　ｏｐｅｒａｔｉｎｇ　ｔｈｅ　ｃｏｒｎｅｒ　ｐｏｉｎｔ　ｅｘｔｒａｃｔｉｏｎ　ｂｅｃａｕｓｅ　ｏｆ　ｔｈｅ　ｌｉｇｈｔ　ｃｈａｎｇｅｓ　ｄｉｓｔｒａｃｔｉｏｎ　ｐｒｏｂｌｅｍ，ＳＯ　ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｎｅｗ　ｍｅｔｈｏｄ　ｗｈｉｃｈ　ｃｏｍｂｉｎｅｓ　Ｈａｒｒｉｓ　ａｌｇｏｒｉｔｈｍ　ｗｉｔｈ　ｇｒａｄｉｅｎｔ　ｔｈｒｅｓｈｏｌｄ　ａｌｇｏｒｉｔｈｍ．Ｉｎ　ｔｈｅ　ｐｒｏｃｅｄｕｒｅ　ｏｆ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ，ｓｉｚｅ　６００ｍｍ　ａｎｄ　１５０ｍｍ　ａｒｅ　ｕｓｅｄ　ｔｏ　ｖａｌｉｄａｔｅ　ｔｈｅ　ｍｅｔｈｏｄ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｂａｓｅｌｉｎｅ　ａｘｉａ１　ｄｉｓｐｌａｃｅｍｅｎｔ　ｉＳ　５８２．０６８　ｗｈｅｎ　ｂａｓｅｌｉｎｅ　ｄｉｓｔａｎｃｅ　ｉＳ　６００ｒａｍ，ａｎｄ　ｔｈｅ　ｂａｓｅｌｉｎｅ　ａｘｉａｌ　ｄｉｓｐｌａｃｅｍｅｎｔ　ｉＳ　１６２．１２５　ｗｈｅｎ　ｂａｓｅｌｉｎｅ　ｄｉｓｔａｎｃｅ　ｉＳ　１５０ｍｍ．ｔｈｅ　ｅｒｒｏｒ　ｌｉｍｉｔ　ｉＳ　ａｂｏＵｔ　１５ｒａｍ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｎ　ｔｈｅ　ｃａｓｅ　ｏｆ　ｗｅａｋ　ｌｉｇｈｔｏｒ　ｔｈｅ　ｌｉｇｈｔ　ｃａｎ　ｇｅｔ　ａｃｃｕｒａｔｅ　ｃａｌｉｂｒａｔｉｏｎ　ｏｆ　ｂｉｎｏｃｕｌａｒ　ｖｉｓｉｏｎ　ｓｙｓｔｅｍ，ａｎｄ　ｉｔ’Ｓ　ｅａｓｙ　ｔＯ　ｉｍｐｌｅｍｅｎｔ，ａｌｓｏ　ｔｈｅ　ｃａｌｉｂｒａｔｉｏｎ　ｒｅｓｕｌｔｓ　ａｒｅ　ａｃｃｕｒａｔｅ　ａｎｄ　ｓｔａｂｌｅ，ｍｅｅｔｉｎｇ　ｔｈｅ　ｒｅ－　ｑｕｉｒｅｍｅｎｔｓ　ｏｆ　ｂｉｎｏｃｕｌａｒ　ｓｔｅｒｅｏ　ｖｉｓｉｏｎ　ａｐｐｌｉｃａｔｉｏｎ．　Ｋｅｙ　Ｗｏｒｄｓ　ｖｉｓｉｏｎ　ｓｙｓｔｅｍ，ｃａｍｅｒａ　ｃａｌｉｂｒａｔｉｏｎ，ｃｏｒｎｅｒ　ｐｏｉｎｔ　ｅｘｔｒａｃｔｉｏｎ，Ｈａｒｒｉｓ，ｇｒａｄｉｅｎｔ　ｔｈｒｅｓｈｏｌｄ　ＣＩａｓｓ　Ｎ●耵１ｂ甜　ＴＰ２４２．２　１　引言　近年来，由于分布式人工智能的发展，越来越　多的人投入到对机器人的研究。机器人要想得到　的标定方法大致被分为两类：传统摄像机标定法和　摄像机自标定法［２￣３３。建立现实三维坐标中任意　一点与对应的图像坐标之间的关系，传统摄像机标　定法较为准确，但校准过程相对复杂。摄像机自标　现实世界未知环境的三维信息，视觉系统的研究必　不可少。一个对于人类来说无需思维意识的动作，　机器人执行的时候是很困难的。　定方法是通过图像之间的约束关系来求的内外参　数，具有自主性，但相对传统自标定法来说，结果没　那么准确。张正友标定法根据位于同一平面上的　因此，在机器人的视觉系统中［１］，摄像机的标　定是一项重要的而又基本的工作。近年来，摄像机　定标点可以建立起关于摄像机内部参数的两个方　程这一特点，提出可以根据通过不同位置和方向的　＊收稿日期：２０１４年ｌＯ月２０日，修回日期：２０１４年１１月２９日　作者简介：孙凤连，女，硕士研究生，研究方向：工业机器人视觉系统。李扬，男，博士，教授，研究方向：触摸屏控制器、　工业组网与数据监控平台、智能控制算法、感知车间等。　２０１５年第４期　计算机与数字工程　５６３　几个平面来求解内部参数，然后再计算摄像机外部　参数的标定方法＿４］。这种方法可用普通Ａ４纸打　印模板来进行标定，简单实用。本文采用简单实用　的张正友标定法，因为张正友标定法使用起来灵　活、准确，已经被广大研究者广泛采用。尽管摄像　机标定已经比较成熟，迄今为止，还没有任何一种　方法能够适应不同的场合，因此，对摄像机标定方　法的研究，是一项必要且非常有意义的工作。　在本文中，以Ｖｉｓｕａｌ　ｓｔｕｄｉｏ２０１２为实验平台，　基于ｏｐｅｎｃｖ标定算法，提出将Ｈａｒｒｉｓ算法＿５］与梯　度阈值算法相结合，提取平面棋盘上的角点，该算　法能在光线较弱或是光线改变的情况下使用。　２摄像机的图像模型　在分析图像分析之前，一般要定义三个坐标系　框架。　１）在世界坐标系中：坐标系上的任意一点标　记为（　，　，乙）。　２）摄像机坐标系中：坐标系上的任意一点标　记为（Ｘｃ，ｙｆ，　）。　３）图像坐标系中：光轴与图像平面的交点通　常被称为原点，假设在Ｏｕｖ坐标系中任意一点为　（　。，ＶＯ），在像素平面中，Ｘ轴和Ｙ轴上，每个像素　的物理长度为ｄｘ，ｄｙ，因此，对于图像坐标系与像　素坐标系来说，有如下关系：　Ｈ—ｚ／ｄｚ＋ｕｏ　一　／ｄｙ＋ＶＯ　即：　Ｉ　Ｉ『＿　０　Ｍｏ］　Ｌ．１Ｊ　Ｌ—ｌ　－　００　１　／０ｄｙ　ｏ　１　　Ｊｌ　　摄像机坐标系与世界坐标系之间的关系可以　用平移向量ｔ和旋转矩阵Ｒ来表示，可以写成　Ｘｆ］　一（１）　ｚｃ　［　Ｚ　１　１　其中，Ｒ为一个３×３的正交矩阵，ｔ为平移矢量。　由摄像机的针孔成像模型，可得到相机坐标平　面上的一个标准点Ｐｃ（　，　，　），根据机器视觉原　理，能够得到其在图像像素坐标系的坐标ｐ（ｘ，　），　其中　一ｆＸｃ　ｃ　——，一ｆＹ——“　ｚ　ｃ　Ｚ　ｃ　又可用齐次坐标以及矩阵表示为　Ｙ　ｃ　（２）　Ｚｃ　１　式（２）中，Ｌ厂为相机的有效焦距。　在摄像机的畸变中，通常考虑到的是摄像机的　径向畸变和切向畸变，本文规定考虑摄像机畸变的　图像坐标为　（ｚ　，Ｙｄ），摄像机的畸变模型为　Ｘｄ一（１＋忌ｌ　＋　２ｒ２）ｘ＋Ｅ２ｐ１．ｙ＋　２（ｒ２＋２ｘ　）］　一（１＋志１　＋志２ｒ２）　＋［　１（，上＋２ｙ　）＋２ｐｚｚ］　可简化为　圈　（３）　数，户　，　ｚ为切向畸变参数。　一　。＋　＋　Ｖｏ－｝　Ｙ　ｄ　］㈤　上式中，（　，７３。）为相机光轴与图像平面的相交点，　ｄｘ和ｄｙ为像素平面的像素长度，５为相机的倾斜　［　一［　毒　］Ａ　ｃ５　厂Ｌ＿Ｒ　Ｔ］ｊ　　ｌＩ　—Ｍ　（６）　ｏ　１　‘　１　Ｉ　１　式中，Ｍ１是摄像机内部参数，它包括ｄｘ，ｄｙ，　。，　７ｄ０，ｆ，ｋ　，ｋｚ，　，Ｐｚ；Ｍ２是摄像机外部参数，包括旋　转矩阵Ｒ和平移矩阵丁。　３双目摄像机标定　摄像机的内外参数除外，通过双目摄像机标　定［６］，还可以得出两台摄像机之间的相对位置关　系Ｌ７ｑ］。如果摄像机对着同一位置的两个标定板拍　照，得出其外部参数［Ｒ，　］，［Ｒ，Ｔｒ］。因此，如果　世界坐标系中的一个点　，在左边摄像机的坐标为　ｚ　，右边摄像机的坐标为　。则可得到以下公式：　５６４　ＲＲ孙凤连等：工业机器人视觉系统中双目摄像头标定算法研究　第４３卷　【ｚ，一　＋　羔　Ｔｒ　㈩　测，如果检测出的角点数与图像角点数相符则直接　２）将图像信息经过Ｈａｒｒｉｓ算法ｒ１］进行角点检　两台摄像机之间的空间几何位置关系可用　Ｒ。，丁。表示如下：　ｌ　Ｔｏ　—Ｔｒ—ＲｒＲ　ＴｚＴ　　㈣　４摄像机标定过程　本文的实验一致采用棋盘格作为标定模版。　在摄像机的标定中，棋盘格的角点提取是至关重要　的，它直接影响了摄像机标定的准确性。在标定过　程中，如果没有很好地提取出图像上的大部分角　点，在使用最小二乘法计算标定参数的过程中，准　确性是难以保证的。另外，如果一幅图像的大部分　角点没被准确提取，就不能采用此幅图像，以防其　在摄像机参数计算过程中占据内存空间的分配。　文献［９～１１３使用ｏｐｅｎｃｖ已经能提取出棋盘的角　点，但是准确率还不是很高。当光线因为阻挡或者　其他因素而变得很暗时，采用ｏｐｅｎｃｖ角点提取算　法提取的角点数与标定板的角点数不符。因此，在　摄像机标定中，角点提取失败是必须要考虑的，本　文提出了一种新的算法，将梯度阈值角点提取算法　与Ｈａｒｒｉｓ算法相结合，先经过Ｈａｒｒｉｓ算法处理，对　结果不理想的标定板在经过梯度阈值算法处理，直　到所有角点都被正确提取出来。　本实验在光线较差的环境下，进行角点提取。　经过实验证明，新提出的算法能够很好地适应光线　差的环境，实验结果如图１所示。　＿＿　－（ｃ）ｈａ　ｓ＋梯度阈　黼　（ｄ）提取的角点　值算法处理　图１　Ｈａｒｒｉｓ算法与梯度阈值算法结合实验结果　根据摄像机标定原理，基于张正友标定法，本　文将Ｈａｒｒｉｓ算法与梯度阈值算法相结合，对双目　系统进行标定。本文以Ｖｉｓｕａｌ　ｓｔｕｄｉｏ２０１２，　ｏｐｅｎｃｖ２．０为实验平台进行实验，具体算法流程图　如图２所示。　标定步骤如下：　１）读取左右摄像机的图像数据。　跳到步骤３），否则，再将图像进行梯度阈值算法，读　入图像数据到函数ＦｉｎｄＣｏｍｅｒｓ，如果输出结果为１：　此步骤检测到的数量与Ｈａｒｒｉｓ算法检测到的数量之　和与设置值相符，则直接保存图像并跳转到步骤３）；　如果输出结果为０：此步骤检测到的数量与Ｈａｒｒｉｓ　算法检测到的数量之和与设置值不相符，则角点检　测失败，将图像信息送入到Ｔｈｒｅｓｈｏｌｄ重新设置阈　值，直到此步骤检测到的数量与Ｈａｒｒｉｓ算法检测到　的数量之和与设置值相符。若Ｔｈｒｅｓｈｏｌｄ输出数据　为０，则可能因为摄像机的角度或者其他特殊原因导　致焦角点提取失败，放弃该图像，重新回到步骤１。　本文试验中以０．５为单位对阈值进行递增或者递　减，直到所有角点被检测出来。　３）将成功提取出来的角点的图像信息读取到　ＦｉｎｄＣｏｒｎｅｒＳｕｂＰｉｘ函数，得到更加准确的亚像素坐　标。　４）读取角点坐标，得出左右摄像头的内外部　参数矩阵及畸变参数，并保存结果。　５）计算双目摄像头之间的相对参数即：Ｒ０，Ｔ０。　图２算法流程图　５实验结果及分析　根据上述标定步骤，本论文在Ｗｉｎｄｏｗｓ　７平　台上，以Ｖｉｓｕａｌ　ｓｔｕｄｉｏ２０１２，ｏｐｅｎｃｖ２．０为实验工　具，对双目视觉系统中的双目摄像头进行标定。双　目视觉系统采用低噪声且灵敏度极高的ＣＭＯＳ成　像仪，并使用支持１２８０×９６０和６４０×４８０分辨率　的接口ＩＥＥＥ１３９４来传输数据。本文采用边长　１５ｍｍ，中心间距１５ｍｍ的方块组成９×７的方阵构　建标定模版，因此有８×６个角点。每个摄像机拍　摄了不同基线下（基线大的距离为６００，小的为　２０１５年第４期　计算机与数字工程　５６５　１５０）的两组１Ｏ张照片。表１是各组图像标定结果　蛳伽　取平均值得到的数据。　表１摄像机标定结果　１１００．２６０　１１０２．８９０　２５２．９８７　２２３．５７１　—１１１４．８９０　１１２２．４４０　２５２．７７７　２３０．３７２　—０．４０３１５　０．３９８４　０．００１５　０．００１４５　１１０７．７６０　１１０７．５８０　２５５．７５０　１１１９．７５０　１１２４．５８０　２５３．３４５　２２５．３６３　——２２９．６５２　——０．３６Ｉ６４　０．３８６５　０．００４６５　０．００１１４　０．４４８８０　０．３８２１７０．４６６４　０．００３０９　０．００８８４　０．４１０４１　０．００１５２　０．００４２８　ｒ　０．９９９９５　Ｌ　０．０００５５　０．００５６２　—０．００１８５、　０．００７９４　０．９９９９４　ｊ　ｆ　０．９９９８２　Ｌ　０．０００５５　０．００３１２　—０．００５１１１　０．００７９４　０．９９９９４　Ｊ　＜一０．００７６５　０．９９９９７　—０．００７８９＞　＜一０．００７６５　０．９９９９６　—０．００７８９＞　　ｌ一５８２．０６８６９　—４．０９７６３　３２．８１２０２　ｌ　ｌ一１６２．１２５０４　１．８３３１５　５．８５１５６　ｌ从实验数据来看：在左右摄像机之间，由于制　ａｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｈａｒｂｉｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，　２００７，１１：１７１９—１７２２．　造或者安装的原因，内部参数有一定的差异。但对　于不同的基线而言，内部参数虽略有不同，且差别　较小，两部摄像机之间的相对位置参数矩阵Ｒ０近　似为单位矩阵，这说明两部摄像机之间没有旋转，　而只有平移。从平移矩阵Ｔ０来看，ｙ轴和Ｚ轴的　ｒ３］刘中河．基于特征点匹配的摄像机非线性标定算法研　究［Ｄ］．哈尔滨：哈尔滨理工大学，２０１３．　ＬＩＵ　Ｚｈｏｎｇｈｅ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｎｏｌｉｎｅａｒｃａｍｅｒａ　ｃａｌｉｂｒａｔｉｏｎ—　ｂａｓｅｄ　ｏｎ　ｆｅａｔｕｒｅ　ｐｏｉｎｔ　ｍａｔｃｈｉｎｇ［Ｄ］．Ｈａｒｂｉｎ：Ｈａｒｂｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，２０１３．　变化是很小的，这与实际情况相符。从　还可以　看出，轴的平移距离与基线之间的误差相对较小，　基线６００ｍｍ的轴位移为５８２．０６８，基线１５０ｒａｍ的　轴位移为１６２．１２５，误差大概为１５ｍｍ，说明该系统　［４］Ｚｈｅｎｇｙｏｕ　Ｚｈａｎｇ．Ａ　Ｆｌｅｘｉｂｌｅ　Ｎｅｗ　Ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　Ｃａｍ—　ｅｒａ　Ｃａｌｉｂｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．Ｐａｔｔｅｒｎ　Ａｎａ１．Ｍａｃｈ．　Ｉｎｔｅｌ１．，２０００，２２．　［５１王崴，唐一平，任娟莉，等．一种改进的Ｈａｒｒｉｓ角点提取　算法ＥＪ］．光学精密工程，２００８，ｌ０：１９９５—２００１．　ＷＡＮＧ　Ｗｅｉ，ＴＡＮＧ　Ｙｉｐｉｎｇ，ＲＥＮ　Ｊｕａｎｌｉ，ｅｔ　ａ１．Ａｎ　是稳定且可靠的。因此，本文的算法在光线较弱或　者光线变化的情况下能够准确地对双目视觉系统　进行标定。　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｈａｒｒｉｓ　ｃｏｒｎｅｒ　ｄｅｔｅｃｔｉｏｎ［Ｊ］．　Ｏｐｔｉｃｓ　ａｎｄ　Ｐｒｅｃｉｓｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００８，１０：１９９５—２００１．　６　结语　通过对双目视觉系统摄像机模型的研究，针对　光照不良的复杂场景，本文提出了一种新的算法，　将Ｈａｒｒｉｓ算法与梯度阈值算法相结合，成功的提　取出了标定模版角点并进行了双目摄像机的标定　实验，实验结果表明，该方法对于大型和小型基线　ｒ６］刘金颂，原思聪，张庆阳，等．双目立体视觉中的摄像机　标定技术研究［Ｊ］．计算机工程与应用，２００８，６：２３７—２３９．　ＬＩＵ　Ｊｉｎｓｏｎｇ，ＹＵＡＮ　Ｓｏｃｏｎｇ，ＺＨＡＮＧ　Ｑｉｎｇｙａｎｇ，ｅｔ　ａ１．Ｃａｍｅｒａ　Ｃａｌｉｂｒａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｂｉｎｏｃｕ—　ｌａｒ　Ｓｔｅｒｅｏ　Ｖｉｓｉｏｎ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉ—　ｃａｔｉｏｎｓ，２００８，４４（６）：２３７—２３９．　［７］赵ｔ，ｌ＇，Ｊ　ｒ１．机器人技术创意设计Ｉ－Ｍ］．北京：北京航空航　天大学出版社，２０１３．　视觉系统是相对稳定的。　参考文献　ＺＨＡ０　Ｘｉａｏｃｈｕａｎ．Ｒｏｂｏｔｉｃｓ　Ｃｒｅａｔｉｖｅ　ＤｅｓｉｇｎｒＭ］．Ｂｅｉ—　ｊｉｎｇ：Ｂｅｉｊｉｎｇ　ｕｎｉｖｅｒｓｉｔｙ　ｐｒｅｓｓ，２０１３．　［１］Ｘｕ　Ｄｅ，Ｌｉ　Ｙｏｕ　Ｆｕ，Ｔａｎ　Ｍｉｎ，ｅｔ　ａ１．Ａ　ｎｅｗ　ａｃｔｉｖｅｖｉｓｕａｌ　ｓｙｓｔｅｍ　ｆｏｒ　ｈｕｍａｎｏｉｄ　ｒｏｂｏｔｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ，Ｐａｒｔ　Ｂ：Ｃｙｂｅｒｎｅｔｉｃｓ，　２００８，３８２．　Ｉ－８］李洪海．双目立体摄像机标定方法研究［Ｊ］．微计算机　信息，２０１０，１０：２２４—２２５，２２３．　ＬＩ　Ｈｏｎｇｈａｉ．Ｒｅｓｅａｒｃｈ　ｏｎ　Ｂｉｎｏｃｕｌａｒ　Ｓｔｅｒｅｏ　Ｃａｍｅｒａ　Ｃａｌ—　ｉｂｒａｔｉｏｎ　Ｍｅｔｈｏｄ［Ｊ］．Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ｉｎｆｏｒｍａｔｉｏｎ，２０１０，　１０：２２４－２２５，２２３．　［２］李瑞峰，李庆喜．机器人双目视觉系统的标定与定位算　法Ｉ－ｊ］．哈尔滨工业大学学报，２００７，１１：１７１９—１７２２．　ＬＩ　Ｒｕｉｆｅｎｇ，ＬＩ　Ｑｉｎｇｘｉ．Ｃａｌｃｕｌａｔｉｏｎ　ｏｆ　ｔｈｅ　ｐｏｓｉｔｉｏｎ　ｂｅ－　［９］李跃，汪亚明，黄文清，等．基于ＯｐｅｎＣＶ的摄像机标定　方法研究［Ｊ］．浙江理工大学学报，２０１０，３：４１７—４２０，　ｔｗｅｅｎ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ａｎｄ　ｏ４ｅｃｔｂａｓｅｄ　ｏｎ　ｔｗｏ　ＣＣＤ　ｃａｍｅｒ—　４４０．　（下转第６２９页）