下面的方程给出了视差与距离的关系以及单个相机中世界坐标与像坐标的关系： Z = ； bf d X Z = ； u f Y Z = v f 其中： （X，Y，Z）是 3D 点在世界坐标系中的位置 f 是相机的焦距 （u，v）是像坐标 d 是视差值 b 是相机间的基线长度 Triclops 库中的数据流程 Triclops 库中的数据流程如下图所示。系统首先从相机模型中获得 raw 格式的图像，最终将 其处理成深度图像。在系统中有两个主要的处理模块。第一个处理模块是一个应用了低通滤 波、图像校正和边缘检测的预处理模块。第二个处理模块用来做立体匹配、结果确认和亚像 素插值。最后的处理结果就是一幅深度图像。 预处理（Pre-processing） 为了校正一幅图像，事先对其进行平滑是非常重要的。所以如果要校正一幅图像，事先将低 通滤波器打开是很好的方法。当然不使用低通滤波器同样可以校正图像，但校正后的图像可 能会出现混淆的现象。如果要提高处理速度，可以将低通滤波器关掉。 http://robot.up-tech.com 3 

校正（Rectification） 校正是用来修正镜头所产生的畸变的。在原始图像中可以看到镜头所带来的这种畸变。例如， 场景中的一条直线在原始图像中会变成一条曲线，这种效果在图像的边角处尤为明显。校正 就是为了修正这种类型的畸变。 进一步来讲，如果没有正确的校正，那么沿着行或者列所做的特征搜索将可能产生错误的结 果。 边缘检测（Edge detection） 边缘检测是一项任选的特性，它使用亮度的变化来匹配特征。当系统中的相机具有自动增益 功能时，这项功能是非常有用的。如果每个相机的自动增益的变化是不一致的，那么图像间 的绝对亮度是不一致的，而虽然绝对亮度是不一致的，但亮度的变化却是一个常数。因此边 缘检测适用于光照有很大变化的环境当中。虽然边缘检测可以改善检测的结果，但这相当于 又引入了另外的处理步骤，因此要权衡结果的改善状况和速度之间的关系来使用这项功能。 注意，确认功能仅在边缘检测模式下有效。 立体处理（Stereo processing） 立体处理使用前面所讲过的绝对相关偏差和的算法。 视差范围（Disparity range） 视差范围是立体算法为了在两幅图像中搜寻最佳匹时，所搜寻的像素的范围。在 Triclops 系 统中 0 个像素的视差代表了无穷远处的物体。最大的视差定义了能被检测到的最近的物体。 我们需要根据实际的任务来设置合适的视差范围。减小视差范围可以加快系统的运行速度， 并降低误匹配的几率。 相关模板（Correlation mask） 相关模板是围绕着一个像素的一个正方形邻域，这个像素就是系统想要为其寻找匹配的像 素。我们可以设定这个相关模板的尺寸。大的模板会产生更密集更平滑的深度图像，然而， 在识别不连续深度位置的精度上会有所欠缺。另一方面，小的模板所产生的图像较为稀疏且 会有更多的噪声，但在定位不连续深度的时候会有上佳的表现。 为了生成相同的结果，模板的尺寸要与被处理图像的分辨率成一定的比例。就是说为了得到 具有可比性的结果，对于 160x120 图像的 5x5 的模板，对于 320x240 图像的时候模板要增大 到 9x9。模板的尺寸必须是奇数。3x3，5x5，7x7 是有效的模板尺寸，而 4x4，6x6，8x8 则 是无效的模板尺寸。Triclops 提供了最大为 15x15 和最小为 1x1 的模板。另外，Triclops 中 提供了一个新的用于实验的函数：troclopsSetAnyStereoMask，这个函数允许用户设置任意尺 寸的相关模板。 确认（Validation） 在一些情况下，例如封闭的缺乏变化的质地，是无法建立图像之间的相关的。如果相关建立 的不正确，那么测量的结果也就是不正确的了。为了避免不正确的测量，系统引入了两个确 认的方法： 质地确认（Texture validation）是基于相关模板的质地的水平的，它决定了视差值是否有效。 如果质地的水平不足以产生一个正确的匹配，这个像素就会被声明为无效。 唯一性确认（Uniqueness validation）是指对于一个特定像素的最佳匹配和这个相关模板下的 其他匹配比起来是不是足够好。即使相关模板的质地满足要求，由于封闭的原因，可能还是 http://robot.up-tech.com 4 

得不到正确的匹配。如果相关的结果不足够强，这个像素就会被声明为无效。 用户可以设定两个阈值来控制确认的严格程度——一个是质地另一个是唯一性。 http://robot.up-tech.com 5