双目3D相机自动调焦系统及方法

1.一种双目3D相机自动调焦系统，其特征在于，包括：依次相连的光学模块、摄像模块、控制模块和驱动模块，其中，
所述光学模块用以调整光圈和焦距，实现光路控制；
所述摄像模块用以采集3D图像，并将采集到的3D图像发送至所述控制模块；
所述控制模块用以对接收到的3D图像进行分析处理，确定场景最佳聚焦位置，并根据确定的最佳聚焦位置向所述驱动模块输出判决量；
所述驱动模块用以根据接收到的判决量驱动所述光学模块准确聚焦；
所述控制模块包括：
纹理分析子模块：与所述摄像模块连接，用以对3D图像的高频分量进行分析，检测图像的模糊程度；
深度分析子模块：与所述摄像模块连接，用以对双目3D图像计算深度图，根据深度图计算深度信息熵；
综合判断子模块：分别与所述纹理分析子模块和深度分析子模块连接，用以对所述纹理分析模块和深度分析模块的计算结果做混合处理，产生唯一的信息量，并根据对该信息量的遍历，最终确定最佳聚焦位置。
2.根据权利要求1所述的双目3D相机自动调焦系统，其特征在于，所述光学模块包括两个百摄宝Icarex 35S‐EOS变焦镜头。
3.根据权利要求1所述的双目3D相机自动调焦系统，其特征在于，所述摄像模块包括两个CMOS摄像头。
4.根据权利要求1所述的双目3D相机自动调焦系统，其特征在于，所述控制模块采用ARM11ProcessorS3C 6410芯片。
5.根据权利要求1所述的双目3D相机自动调焦系统，其特征在于，所述驱动模块包括D/A变换电路和模拟放大器，所述D/A变换电路与所述控制模块连接，用以将控制模块输出的判决量数值控制信号线性变换为模拟量；所述模拟放大器与所述D/A变换电路连接，用以实现对D/A信号的放大，使其具有足够的功率驱动调焦镜头。
6.一种双目3D相机自动调焦方法，其特征在于，包括以下步骤：
步骤一，摄像模块采集场景3D图像，并将采集到的3D图像发送至控制模块；
步骤二，控制模块对接收到的3D图像进行深度分析和纹理分析处理，并根据纹理分析和深度分析计算结果做综合判断，确定最佳聚焦位置；
深度分析处理过程为：首先，双目3D图像经过预处理降低噪声等无效信息；然后，将处理后的双目3D图像采用对极约束进行匹配处理，获取匹配点对；最后，在匹配点对的基础上，计算视差信息，并将视差信息与深度进行转换，计算出深度图场景；
纹理分析处理过程为：选取图像中心区域为聚焦窗口A、B，窗口A包含窗口B，对聚焦窗口采用阈值梯度检测图像的模糊程度，采用对梯度矩阵进行阈值M处理，去掉较小的梯度值，减小其负面影响，并给梯度矩阵加一个大的阈值N，去掉梯度值中很大的部分即噪声部分；
步骤三，控制模块根据得到的最佳聚焦位置向驱动模块发出判决信号，驱动模块根据接收到的判决信号驱动光学模块准确聚焦。
7.根据权利要求6所述的双目3D相机自动调焦方法，其特征在于，步骤二中所述的深度分析处理具体为：首先，双目3D图像经过预处理降低包含噪声在内的无效信息；然后，将处理后的双目3D图像采用对极约束进行匹配处理，获取匹配点对；最后，在匹配点对的基础上，计算视差信息，并将视差信息与深度进行转换，计算出深度图场景。
8.根据权利要求6所述的双目3D相机自动调焦方法，其特征在于，步骤二中所述的纹理分析处理具体为：选取图像中心区域为聚焦窗口A、B，窗口A包含窗口B，窗口大小可根据实际情况调整，对聚焦窗口采用阈值梯度检测图像的模糊程度，采用对梯度矩阵进行阈值处理，去掉较小的梯度值，减小其负面影响，并给梯度矩阵加一个大的阈值，去掉梯度值中很大的部分即噪声部分。
9.根据权利要求6所述的双目3D相机自动调焦方法，其特征在于，步骤二中所述的综合判断采用自适应变步长登山搜索算法，在离焦点较远的位置采用图像边缘点判据和大步长进行快速粗调，而在焦点附近由改进的聚焦评价Tenengrad函数精确细调，具体为：
首先，采用式(2)计算序列图像相邻两帧图像窗口A中各点像素的G(x，y)，比较满足阈值条件的边缘点数目，并边缘点数目被该区域内的深度熵乘性加权，进行粗略聚焦，其中：
式(2)为：
式中：Gx(i,j)和Gy(i,j)为图像与Sobel边缘算子的卷积在(i，j)处的值；
设当前图像i窗口A的边缘点数目为N(Ai)，前一帧图像i-1窗口A的边缘点数目为N(Ai-
1)，则：
(1)若N(Ai)与N(Ai‐1)相差不大，表明以上一次的步长进行搜索对调焦效果的影响不大，则保持聚焦搜索方向不变，增大调焦步长；
(2)若N(Ai)与N(Ai‐1)相差较大，表明以上一次的步长搜索对调焦效果的影响较大，搜索已经进入了聚焦点附近区域，则保持聚焦搜索方向不变，减小搜索步长；
(3)若N(Ai)与N(Ai‐1)相比明显减少，则说明聚焦峰值已出现，应改变搜索方向，进入精确细调聚焦；
之后，在粗略聚焦后，采用改进的聚焦评价Tenengrad函数对相邻两帧采样图像窗口B进行分析，每次过峰值之后，调整步长减为原来的一半，直至最后准确聚焦；其中，所述改进的聚焦评价Tenengrad函数为：
式中G(x，y)如式(2)，M，N为梯度阈值处理的上下门限。

暂无