摄像机标定算法研究

论文摘要

摄像机标定是估计成像过程中的像机参数。这些参数可以分为内部参数和外部参数,内部参数描述了像机成像的几何特征,外部参数描述了像机坐标系和世界坐标系之间的关系。存在的像机标定方法可以分为两类：自标定方法和基于物体的标定方法。自标定方法在场景不可控下使用,但是场景信息变化不大时标定可能失效,基于物体标定的方法是在已知标定物的几何信息下进行的,标定结果可靠,如果物体的几何信息未知或场景信息不可控时,标定将不能进行。国内外有大量基于标定物体的算法,其主要思想是寻找物体和像之间的对应关系。本文在对点对点、线对线、面对面摄像机标定算法研究的基础上提出了一种基于面积摄像机标定算法。圆在线性投影成像的过程中,其像始终为椭圆。标定圆上的点集与像椭圆上的点集,之间的对应关系是常用来标定摄像机参数的方法。点集的集合形成图形的面积,本文算法的思想是目标图形的面积与其像图像上图形的面积是一一对应的关系。在本算法中,标定圆在理想投影的情况下为椭圆,让理想椭圆和实际拍摄椭圆达到面积的最大重合度,来求解理想参数。在计算像机理想参数过程中,本文提出了二种算法：算法一：一个椭圆参数信息有,长轴、短轴、中心及旋转角度组成,只有确定了上述五个参数一个椭圆就可以确定。在畸变很小的情况下,建立理想椭圆和实际椭圆的五个参数信息与两个椭圆面积达到最大的重合度之间的关系用以解摄像机的初始参数。根据泰勒展开式的思想求解最大重合度目标函数。算法二：用方法一得到标定平面坐标系和像平面坐标系之间的单应矩阵的基础上在进一步优化得到的相机单应矩阵求解针孔相机的内部参数。具体过程为,过实际图像的上椭圆的中心,作多条分割线这样理想椭圆和实际椭圆同时被分为多个小块面积,以两椭圆公共部分的面积与两个椭圆总面积之比为目标,让目标函数达到最大来求解相机初始参数。利用遗传算法来寻找最优解,其初值为算法一的解。只要对实际椭圆分割份数越多得到的标定初值参数就越精确,但是如果没有算法法一中的初值给定任意的初值将很难找到最优解,且对实际椭圆分割的越细计算的复杂程度越高,但随着计算机计算速度的快速发展,这将不会成为本算法的制约因素。通过对上述两种方法的结合得到了高精度的摄像机的初始参数,在摄像机标定的非线性过程中可得到更精确的摄像机的畸变参数。且基于面积的标定方法比基于点对应的方法在存在一定相机抖动的情况下结果更为稳定。真实实验的结果证明了本算法的高精度和鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 机器视觉
• 1.2 摄像机标定主要内容和国内外研究现状
• 1.2.1 传统标定方法
• 1.2.2 自标定方法
• 1.3 本文的结构和创新点
• 第2章 特征点提取和匹配及椭圆边界提取
• 2.1 特征点的提取
• 2.1.1 Harris角点检测
• 2.2 特征曲线的提取
• 2.2.1 非极大值抑制
• 2.2.2 阈值化
• 2.3 特征点的匹配
• 2.4 实验结果和总结
• 第3章 摄像机成像模型和传统摄像标定方法
• 3.1 摄像机成像模型
• 3.1.1 摄像机的光学系统
• 3.1.2 坐标系建立
• 3.1.3 针孔成像模型
• 3.1.4 非线性模型
• 3.2 传统摄像标定方法
• 3.2.1 张正友基于平面网格标定法
• 3.2.2 基于同心圆方法
• 3.2.3 利用球体图像的摄相机标定
• 第4章 基于椭圆面积的非线性标定方法
• 4.1 摄像机模型
• 4.2 本文算法一
• 4.3 本文算法二
• 4.4 综合标定结果
• 第5章 总结与展望
• 参考文献
• 致谢
• 附录A
• 攻读学位期间的研究成果