基于扩展卡尔曼滤波的摄像机标定方法研究

论文摘要

摄像机标定技术是从二维平面图像信息中获取三维信息这一过程的关键步骤,是计算机视觉技术的第一步,在机器视觉、虚拟现实等计算机图像应用领域有着广泛的应用,标定精度直接影响着计算机视觉的精度。摄像机标定方法可以分为传统标定方法、自标定法方法和基于主动视觉的标定方法。传统方法精度高,但其高精度是建立在实验设备及靶标图像的高质量基础上;自标定方法精度低鲁棒性差;基于主动视觉的标定方法需要预知摄像机的详细运动信息,实验成本较高。本文针对已有摄像机标定方法的不足,在对传统摄像机标定方法研究的基础上,提出一种基于扩展卡尔曼滤波的摄像机标定方法,以观测到的特征点图像坐标和对应的世界坐标作为滤波器的输入,摄像机参数估计值作为滤波器的输出,根据扩展卡尔曼滤波算法可得到摄像机各参数精确的最优估计。为解决因靶标图像噪声大,精度低而引起角点检测不精确,角点提取时需要人为设定阈值等问题,提出基于Hough变换的Harris角点检测改进算法。首先利用Hough变换检测出区域内的角点数以及角点的大体位置,再利用Harris角点检测原理在确定的邻域内自适应的提取角点,最终获得具有亚像素精度角点坐标。为了验证基于扩展卡尔曼滤波的摄像机标定方法的有效性,设计了仿真及实验,仿真表明该方法有很好的鲁棒性。与传统Tsai两步法及张正友方法的比较实验表明该方法在精度、运算时间等评价指标方面优于传统方法。在此基础上,将该方法应用于实际机器人视觉动态在线标定,进一步验证了该方法灵活性和实时性,为三维重建、视觉导航等进一步的研究做了准备。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源及研究的目的和意义
• 1.2 摄像机标定技术国内外研究现状
• 1.2.1 传统标定方法
• 1.2.2 自标定方法
• 1.2.3 基于主动视觉的标定方法
• 1.3 角点检测算法国内外研究现状
• 1.3.1 基于图像边缘信息的角点检测
• 1.3.2 基于图像灰度信息的角点检测
• 1.4 本文研究内容
• 第2章 基于扩展卡尔曼滤波的摄像机标定方法
• 2.1 引言
• 2.2 摄像机成像模型
• 2.2.1 线性摄像机模型
• 2.2.2 非线性摄像机模型
• 2.3 摄像机传统标定两步法
• 2.3.1 Tsai 基于RAC 约束的两步法
• 2.3.2 张正友基于平面模板标定方法
• 2.3.3 传统两步法分析
• 2.4 基于扩展卡尔曼滤波的摄像机标定方法
• 2.4.1 线性卡尔曼滤波器
• 2.4.2 扩展卡尔曼滤波器
• 2.4.3 基于扩展卡尔曼滤波的摄像机参数估计
• 2.5 本章小结
• 第3章 基于Hough 变换的改进Harris 角点检测算法
• 3.1 引言
• 3.2 Hough 变换基本原理
• 3.3 Harris 角点检测原理
• 3.4 改进的算法实现及结果分析
• 3.4.1 改进算法实现
• 3.4.2 结果分析
• 3.5 本章小结
• 第4章 摄像机标定仿真与实验
• 4.1 引言
• 4.2 基于空间点的摄像机标定仿真实验
• 4.3 基于平面棋盘模板的摄像机标定实验
• 4.3.1 实验系统的介绍
• 4.3.2 标定实验过程与结果
• 4.3.3 标定结果分析
• 4.4 应用于机器人视觉的在线标定实验
• 4.4.1 标定实验过程与结果
• 4.4.2 标定结果分析
• 4.5 本章小结
• 结论
• 参考文献
• 致谢