《机器视觉中的摄像机标定和自标定分析.docx》由会员分享，可在线阅读，更多相关《机器视觉中的摄像机标定和自标定分析.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、机器视觉中的摄像机标定和自标定分析网络转载导语：机器视觉的根本任务之一是从摄像机获取图像信息并计算三维空间中物体的几何信息，以由此重建和识别物体。的根本任务之一是从摄像机获取图像信息并计算三维空间中物体的几何信息，以由此重建和识别物体。而空间物体外表某点的三维几何位置与其在图像中对应点之间的互相关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。在大多数条件下，这些参数必须通过实验与计算才能得到，这个经过被称为摄像机定标(或者称为标定)。标定经过就是确定摄像机的几何和光学参数，以及摄像机相对于世界坐标系的方位。由于标定精度的大小，直接影响着计算机视觉(的精度。因此，只有做好了摄
2、像机标定工作，后续工作才能正常展开，可以讲，进步标定精度也是当前科研工作的重要方面。1摄像机透视投影模型摄像机通过成像透镜将三维场景投影到摄像机二维像平面上，这个投影可用成像变换(即摄像机成像模型)来描绘。摄像机成像模型分为线形模型和非线性模型。针孔成像模型就属于线形摄像机模型，本文就讨论在这种模型下，某空间点与其图像投影点在各种坐标系下的变换关系。图1所示为三个不同层次的坐标系在针孔成像模型下的关系。其中(Xw，Yw，Zw)为世界坐标系，(x，y，z)为摄像机坐标系，XfQfYf为以像素为单位的图像坐标系，XOY为以毫米为单位的图像坐标系。图像中某点在以毫米为单位的图像坐标系中的坐标与其在以
3、像素为单位的图像坐标系中的坐标的变换关系如下：空间某点在世界坐标系中的坐标与其在摄像机坐标系中的坐标变换关系如下：其中，为3TImes;3正交单位矩；t为三维平移向量；M2为4TImes;4矩阵。由于针孔成像模型有如下关系：所以，将(1)，(2)代入上式的齐次坐标和矩阵表示可得：其中，M1为摄像机内参数，M2为摄像机外参数。确定某一摄像机参数称为摄像机定标。2标定分类总的来讲，摄像机标定可以分为传统的摄像机标定方法和摄像机自标定方法两大类。传统摄像机标定的根本方法是在一定的摄像机模型下，通过对特定标定参照物进展图像处理，并利用一系列数学变换公式计算及优化，来求取摄像机模型内部参数和外部参数。然
4、而，该方法在场景未知和摄像机任意运动的一般情况下，其标定很难实现。20世纪90年代初，Faugeras，Luong，Maybank等人首次提出了摄像机自标定方法。这种自标定法利用摄像机本身参数之间的约束关系来标定，而与场景和摄像机的运动无关，所以更为灵敏。2.1基于3D立体靶标的摄像机标定基于3D立体靶标进展摄像机标定是将一个3D立体靶标放置在摄像机前，靶标上每一个小方块的顶点均可作为特征点。每个特征点相对于世界坐标系的位置在制作时应准确测定。摄像机获得靶标上特征点的图像后，由于表现三维空间坐标系与二维图像坐标系关系的方程是摄像机内部参数和外部参数的非线性方程，假如忽略摄像机镜头的非线性畸变并
5、把透视变换矩阵中的元素作为未知数，来给定一组三维控制点和对应的图像点，那么，就可以利用直接线性变换法来求解透视变换矩阵中的各个元素。所以，由靶标上特征点的世界坐标和图像坐标，即可计算出摄像机的内外参数。2.2基于2D平面靶标的摄像机标定该方法又称为张正友标定法，这是一种合适应用的新型灵敏方法。该方法要求摄像机在两个以上不同的方位拍摄一个平面靶标，摄像机和2D平面靶标都可以自由挪动，且内部参数始终不变，假定2D平面靶标在世界坐标系中的Z=0，那么，通过线性模型分析就可计算出摄像机参数的优化解，然后用基干最大似然法进展非线性求精。在这个经过中得出考虑镜头畸变的目的函数后就可以求出所需的摄像机内、外
6、部参数。这种标定方法既具有较好的鲁棒性，又不需昂贵的精制标定块，很有实用性。但是，张正友方法在进展线性内外参数估计时，由于假定模板图像上的直线经透视投影后仍然为直线，进而进展图像处理，这样，实际上会引入误差，所以，嘎方法在广角镜畸变比拟大的情况误差较大。2.3基于径向约束的摄像机标定Tsai(1986)给出了一种基于径向约束的两步法标定方法，该方法的核心是先利用RAC(径向一致约束)条件用最小二乘法解超定线性方程，以求出除t(摄像机光轴方向的平移)外的其他像机外参数，然后再在摄像机有和无透镜畸变等两种情况下求解摄像机的其他参数。Tsai方法的精度比拟高，适用于精细测量，但它对设备的要求也很高，
7、不适用于简单的标定。这种方法的精度是以设备的精度和复杂度为代价的。3摄像机自标定方法不依靠于标定参照物，仅利用摄像机在运动经过中四周环境图像与图像之间的对应关系来对摄像机进展的标定的方法称为摄像机自标定方法。目前已有的自标定技术大致可以分为基于主动视觉的摄像机自标定技术、直接求解Kruppa方程的摄像机自标定方法、分层逐步标定法、基于二次曲面的自标定方法等几种。3.1基于主动视觉的自标定法所谓主动视觉系统，是指摄像机被固定在一个可以准确控制的平台上，且平台的参数可以从计算机准确读出，只需控制摄像机作特殊的运动来获得多幅图像，然后利用图像和已知的摄像机运动参数来确定摄像机的内外参数。其代表性的方
8、法是马颂德提出的基于两组三正交运动的线性方法，后来杨长江，李华等人提出了改良的方案，即分别是基于4组平面正交以及5组平面正交运动并利用图像中的极点信息来线性标定摄像机参数。此种自标定方法算法简单，可以获得线性解，缺乏之处在于必须有可以准确控制的摄像机运动平台。3.2基于Kruppa方程的自标定方法Faugeras,Luong,Maybank等提出的自标定方法是直接基于求解Kruppa方程的一种方法，该方法利用绝对二次曲线像和极线变换的概念推导出Kruppa方程。基于Kxuppa方程的自标定方法不需要对图像序列做射影重建，而是对两图像之间建立方程，这个方法在某些很难将所有图像统一到一致的射影框架
9、场合会比分层逐步标定法更具上风，但代价是无法保证无穷远平面在所有图像对确定的射影空间里的一致性，当图像序列较长时，基于Kruppa方程的自标定方法可能不稳定。且其鲁棒性依靠于给定的初值。3.3分层逐步标定法近年来，分层逐步标定法已成为自标定研究中的热门，并在实际应用中逐渐取代了直接求解Kruppa方程的方法。分层逐步标定法首先要求对图像序列做射影重建，再通过绝对二次曲线(面)施加约束，最后定出仿射参数(即无穷远平面方程)和摄像机内参数。分层逐步标定法的特点是在射影标定的根底上，以某一幅图像为基准做射影对齐，进而将未知数数目缩减，再通过非线性优化算法同时解出所有未知数。缺乏之处在于非线性优化算法
10、的初值只能通过预估得到，而不能保证其收敛性。由于射影重建时，都是以某参考图像为基准，所以，参考图像的选取不同，标定的结果也不同相。3.4基于二次曲面的自标定方法Triggs是最早将绝对二次曲面的概念引入自标定的研究中来的，这种自标定方法与基于Kruppa方程的方法在本质上是一样的，它们都利用绝对二次曲线在欧氏变换下的不变性。但在输入多幅图像并能得到一致射影重建的情况下，基于二次曲面的自标定方法会更好一些，其根源在于二次曲面包含了无穷远平面和绝对二次曲线的所有信息，且基于二次曲面的自标定方法又是在对所有图像做射影重建的根底上计算二次曲面的，因此，该方法保证了无穷远平面对所有图像的一致性。4完毕语传统的摄像机标定需要标定参照物。为了进步计算精度，还需确定非线性畸变校正参数。摄像机自标定相对于传统方法有更好的灵敏性和实用性，通过十多年的不懈努力，理论上的问题已根本解决，目前研究的重点是怎样进步标定算法的鲁棒性以及怎样很好地用这些理论来解决实际视觉问题。为了进步鲁棒性，建议更多的使用分层逐步自标定方法，并应对自标定的结果进展线性优化。0