基于机器视觉的火源定位方法研究

王宽振

摘要：针对目前高大空间建筑消防炮定位技术的不足，提出采用双目立体视觉定位技术来实现高大空间建筑火源定位，此方法可以很好的弥补目前消防炮定位实时性问题，具有很高的利用价值。

Abstract: For now the defects of fire monitors location technology in large space building, the binocular stereovision is applied to orientating fire in these buildings, the problem of real-time of fire monitor is well solved，having very high use value.

关键词：高大空间建筑双目立体视觉火源定位

Key Words: Large Space Building, Binocular Stereovision, Fire Location

中图分类号：G267文献标识码：A 文章编号：

1.概述

改革开放以来，我国各种民用建筑类型都得到了长足的发展。特别是近年来高大空间建筑日益增多。高大空间建筑由于建筑结构的特殊性和使用功能的复杂性，导致其防火分隔很困难，常规的灭火设施功能难以施展。针对这一情况，人们对适合于此类建筑的灭火技术进行了大量的研究，已有相关产品（智能消防炮）应用到实际工程中。目前消防炮定位技术主要集中在红外线、紫外线火灾探测器的扫描搜索定位以及基于机器视觉技术进行火灾空间自动定位，这一方法是利用安装在炮管上的单目摄像机进行扫描定位。然而这两种装置完成对一个火源的定位，需要把探测器调整到两个理想位置，硬件调整所需时间较算法实现所需时间要长的多，因而系统定位过程所需时间主要花费在探测器位置调整上，因而具有明显滞后性，不符合火灾扑救实时性要求[1]。针对这一情况，本文采用双目立体视觉定位技术来实现火源定位来弥补滞后性问题，具有很高的利用价值。

2.双目立体视觉定位基本理论介绍

2.1双目立体视觉原理[3]

双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。己知两摄像机之间的位置关系，便可以获取两摄像机公共视场内物体的三维尺寸及空间物体特征点的三维坐标。

2.2摄像机模型

摄像机采集到的图像二维信息，要想根据这个二维信息得到物体实际的三维信息，就要建立图像坐标系与世界坐标系之间的映射模型。本文用经典针孔摄像机模型来描述这一关系，如图1所示。其中XWYWZW为世界坐标系，XCYCZC为摄像机坐标系，xy为图像物理坐标系，uv为图像像素坐标系。

图1 摄像机针孔模型

上述模型存在以下关系：

（2-1）

M1为内部参数矩阵，M2为外部参数矩阵。

2.3双目立体视觉三维测量原理

双目立体视觉三维测量是基于视差原理，图2所示为简单的平视双目立体成像原理图，两摄像机的投影中心连线的距离，即基线距为B。两摄像机在同一时刻观看空间物体的同一特征点P，分别在“左眼”和“右眼”上获取了点P的图像，它们的图像坐标分别为Pleft=(Xleft,Yleft)，Pright =(Xright,Yright)。假定两摄像机的图像在同一个平面上，则特征点P的图像坐标的Y坐标相同，即Yleft = Yright ，则由三角几何关系得到：

（2-2）

图2 双目立体成像模型

则视差为:D =Xleft-Xright。由此可计算出特征点P在摄像机坐标系下的三维坐标为：

（2-3）

因此，左摄像机像面上的任意一点只要能在右摄像机像面上找到对应的匹配点，就可以确定出该点的三维坐标。这种方法是点对点的运算，像面上所有点只要存在相应的匹配点，就可以参与上述运算，从而获取其相应的三维坐标。

3.双目立体视觉定位关键技术

双目立体视觉系统包括图像采集、摄像机标定、特征提取和立体匹配等部分，其中最关键的是摄像机标定和立体匹配这两项技术[2]。

所谓摄像机标定，就是确定摄像机内外参数M1、M2的过程，本文使用Zhang Z.Y.提出的基于2D平面靶标的摄像机标定方法[3]。

立体匹配其基本原理是从两个视点观察同一景物以获取立体像对，匹配出相应像点,从而计算出视差并获得三维信息。从各具特色的双目立体匹配算法框架来看,算法有效性主要依赖3 个因素,即选择准确的匹配基元（决策变量）、寻找相应的匹配准则（目标函数和约束条件）和构建能够准确匹配所选基元的稳定算法（求解过程）。

在本文中，考虑到火灾火焰定位报警这种实时性要求较高的场合，我们采用的匹配算法主要是局部匹配算法中的区域匹配法。区域匹配是直接对图像像素进行匹配，匹配结果不受特征检测精度和密度的影响，可得到较高的定位精度，使得区域匹配的鲁棒性有很大提高，同时也能满足实事性需求。匹配准则利用双目立体视觉中的极线几何约束条件。

4.实验平台

4.1硬件平台实现

采用陕西维视数字图像技术有限公司提供的系统开发平台方案搭建硬件平台，整个系统总体构架如图3所示。

图3 硬件系统总体架构

该系统介绍如下，用两部微型高清晰黑白工业相机获得火灾图像，该两部摄像机摄像机水平平行放置。经两路工业高清图像采集卡（MV-采集后送至台式电脑，该采集卡支持VB、VC、DELPHI二次开发，提供开发实例源代码。带软压存储软件，支持多种操作系统。利用安装在电脑里的开发软件（Visual C++ 2008 + OpenCV 2.0）来实现摄像机标定以及火源空间定位软件的开发工作。利用开发的软件计算出火源空间三维坐标后，电脑给机器视觉可精确控制运动高速云台发出指令，来验证定位的准确性和实时性。该云台可通过运动控制卡（内置）来精

确控制。控制范围水平面不小于－157度到＋157度，垂直平面内不小于－36度到＋36度，控制精度0.0129°，60步/s-1000步/s数字化加速度控制，运动速度可控可调，用于自动控制、自动跟踪、视觉仿真等机器视觉平台的搭建,可以二次开发。

4.2软件平台实现

OpenCV(open source Computer vision Library)[4]是Intel公司开发的开源计算机视库，它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方而的很多通用算法，具备强大的图像和矩阵运算能力。它拥有包括300多个c/c++函数的跨平台的中、高层API，不依赖于其它的外部库(尽管也可以使用某些外部库),通过调用OpenCV算法库，研究者们可以在前人己完成的成熟算法基础上迅速开展自己的工作。作为一个基本的计算机视觉、图像处理和模式识别的开源项目，OpenCV可以直接应用于很多领域,作为二次开发的理想工具。

该平台基于 Windows7操作系统，利用Visual C++ 2008 开发了一个基于OpenCV2.0的火源定位系统。

图4软件平台模块功能图

图5是在本系统在OpenCV下生成的Tsukuba三维重建图，由此可见我们便可以借助三维重建的方法，达到对火灾火源空间定位。

图5 Tsukuba图相对的三维重建图

5.结论

随着经济和社会的不断发展进步，大空间建筑越来越多，随之带来的高大空间建筑的火灾扑救问题受到更多的关注。本文针对目前消防炮定位技术的不足，提出了双目摄像机立体视觉空间火源定位技术，将定位和联动独立开来，可以更实时地实现定点灭火，把火灾造成的损失减小到最小程度，必将具有广阔的应用前景和使用价值。

参考文献

[1]侯杰，钱稼茹等.高大空间建筑火灾探测及扑救技术发展思考[J].华中科技大学学报(城市科学版)，2008，25（4）：196-201.

[2] 原思聪，刘金颂等.双目立体视觉中的图像匹配方法研究[J].计算机工程与应用，2008,44（8):75-77.

[3] Zhang Zhenyou. A flexible new technique for camera calibration[J]. IEEE Transactions on pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[4] OpenCV 中文网站http://www.opencv.org.cn ,2012.