基于图像的模拟相机标定方法的研究

论文摘要

相机标定是计算机视觉中第一步,目前己经成为计算机视觉研究中的热点。如果要将二维图像精确地进行三维重建,或是进行精密测量以及空间运动分析,就必须准确标定相机。本论文详细论述了相机标定的基本理论,包括相机的理想数学模型和实际数学模型,分析了成像过程中的畸变因素,。并介绍了几种常用的相机标定方法,包括直接线性标定方法、二步标定法和基于相机纯旋转的自标定方法,讨论了它们的优缺点和适用范围。为了提高测试精度,本文使用了亚像素细分算法。在亚像素细分算法部分,对比了几种常见的亚像素细分算法之后,本文采用了一种最为有效的细分算法,试验表明亚像素级数据比像素级数据精度大大提高。最后,介绍了本文使用的相机标定方法,根据光学中心处的像素畸变为零以及相机成像的原理,通过引入全数字经纬仪,无需相机作任何运动即可实现相机内参数的标定,从而解决了CCD摄像系统的畸变校正问题。实验结果表明,本文相机标定方法应用范围广泛,是一种简单、有效、实用的标定方法。本文在VC++6.0软件平台下用数字图像处理方法编程实现,数字图像处理方法补偿了光学系统的几何畸变问题,这使得低精度光学测量系统能够满足高精度测量要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 相机标定过程
• 1.4 研究的主要内容
• 第二章 相机的数学模型
• 2.1 引言
• 2.2 相机标定的理想数学模型（针孔线性模型）
• 2.3 相机标定的实际数学模型
• 2.4 需要标定的参数
• 2.5 本章小结
• 第三章 相机标定原理与方法
• 3.1 相机标定方法的分类
• 3.2 相机标定方法
• 3.3 本章小结
• 第四章 基于亚像素细分的相机标定方法
• 4.1 亚像素细分算法研究现状
• 4.2 亚像素细分原理
• 4.3 亚像素细分算法研究
• 4.4 本文使用的亚像素细分算法
• 4.5 本章小结
• 第五章 相机标定试验
• 5.1 测试系统的组成
• 5.2 图像数据处理软件系统
• 5.3 相机标定试验
• 5.4 结论
• 总结
• 致谢
• 参考文献