（4）图像特征匹配模块 本模块的功能是在物体在两台摄像机上成的像之间建立起正确的对应关系，找到三维空间中物体在二位图像上的映射，相匹配的一组特征点就是最后计算距离的依据。图像特征匹配模块还包括一个错误消除算法，将两幅图像之间匹配错误的特征点对排除， 尽可能的保证匹配的正确性。

（5）距离计算模块 最后将通过数学的方法计算每对特征点的信息，综合摄像机焦距和摄像机距离等信息计算出成像平面到每个特征点的距离。通过数学的方法继续优化结果，剔除掉上一步 骤中没有排除的错误匹配点和非目标物体（背景）上特征点的匹配对计算结果的影响， 最后求出所有结果的统计平均值就是最后计算出的实际距离。

此课题为两人合作完成，根据分工本人主要负责图像获取、图像预处理、特征提取、 特征匹配和距离计算的内容，另一个同学主要负责人机交互界面设计、摄像头标定、数 据库的建立和图像矫正等内容。

2。4 论文内容安排

本文主要讨论了视差法测距的原理与实现的方法，以及系统到开发板的移植。首先 在 Windows 计算机上进行系统的设计与开发，在完成系统各模块的级联之后移植到英伟 达 JK1 开发板中，这款开发板是具有图像处理核心，相比于普通的处理器，处理图像相 关运算的时候可以拥有更快的速度，体现了 CPU+GPU 异构体的优势。

第一章主要介绍本课题研究的背景与意义，国内外研究的现状和概述本课题要完成 的主要内容。第二章主要对课题进行需求分析和整体设计的介绍，第三章介绍本课题的 原理与具体实现的细节，介绍图像获取模块和图像预处理模块的设计原理与实现的功 能，图像获取与图像预处理是后续特征点检测和匹配的基础。之后分步骤介绍利用 sift 算法对图像特征点进行检测。下一节主要介绍了使用方法和 K-D 树搜索算法和改进的 BBF 查询算法的特征点检测点匹配的原则。之后主要介绍了在成功的匹配到了相似特征 点之后利用 RANSAC 算法对结果中可能存在的错误的消除，这一步是为了提高最终数 据的准确性。第四章的内容为最终对系统进行的测试，包括测试计划、测试流程、测试 结果以及根据测试的结果对系统做出的改进。文献综述

第三章 系统的详细设计与实现

3。1 图像获取与图像预处理

3。1。1 环境搭建

OpenCV 是一种开源的计算机视觉函数库，OpenCV 库中的函数多是与计算机视觉 和图像处理相关的，在进行计算机视觉相关课题的研究时可以直接调用 OpenCV 函数库 中的函数以达到省时高效的目的[1]。除此之外，OpenCV 库中的函数十分的成熟，使用 起来还可以节省内存资源，加快程序的运行速度。本课题使用了大量的 OpenCV 库函数。

OpenCV 库中的函数大部分是由 C 语言编写，辅以少量的 C++类，在 Windows 和 Linux 上都可以很好的运行，而且 OpenCV 还为 MATLAB，Java，Python 等提供了友好 的接口，使用起来十分的方便[2]。

OpenCV 的使用既避免了使用一些研究性代码所产生的稳定性和兼容性的问题，也 避免了使用一些商业化软件所产生的高昂的费用。可以说 OpenCV 兼具了稳定性高、兼 容性好、成本低廉、使用方便等优点于一身，OpenCV 正在向成为计算机视觉软件的标 准化 API 而迈进。来-自~优+尔=论.文,网www.youerw.com +QQ752018766-

OpenCV 在 Windows 系统中配置方法如下，首先到 OpenCV 的官方网站下载 OpenCV 安装文件，下载下来的。exe 文件是一个自解压文件，将其解压到任意文件夹，我这里是 将他解压到 D:\program file 文件夹下。解压之后要将 bin 文件夹的路径添加到环境变量 的 path 路径中。然后新建一个工程，打开工程的属性管理器，在包含目录中添加安装目 录下的 include 文件夹和 include 文件夹下的 OpenCV 和 OpenCV2 文件夹，完成此步骤 后，再程序进行编译的时候，编译器就可以找到代码中包含的 OpenCV 头文件的位置， 此为工程包含目录的配置。