摄像机标定算法.pdfVIP

请关注【精敏视觉实验室】博客网站 /blog/user1/98/index.html 摄像机标定 一、 概述 计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物 体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其 在图像中对应点之间的相互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， 这个过程被称为摄像机定标(或称为标定) 。标定过程就是确定摄像机的几何和光学 参数，摄像机相对于世界坐标系的方位。标定精度的大小，直接影响着计算机视觉 （机器视觉）的精度。迄今为止，对于摄像机标定问题已提出了很多方法，摄像机 标定的理论问题已得到较好的解决，对摄像机标定的研究来说，当前的研究工作应 该集中在如何针对具体的实际应用问题，采用特定的简便、实用、快速、准确的标 定方法。 二、 摄像机标定分类 1 根据是否需要标定参照物来看，可分为传统的摄像机标定方法和摄像机自标定方法。 传统的摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺寸已知的 标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的内部参 数和外部参数（分为最优化算法的标定方法、利用摄像机透视变换矩阵的标定方法、进一步考 虑畸变补偿的两步法和采用更为合理的摄像机模型的双平面标定法）； 不依赖于标定参照物的摄像机标定方法，仅利用摄像机在运动过程中周围环境的图像与图 像之间的对应关系对摄像机进行的标定称为摄像机自标定方法，它又分为：基于自动视觉的摄 像机自标定技术（基于平移运动的自标定技术和基于旋转运动的自标定技术）、利用本质矩阵和 基本矩阵的自标定技术、利用多幅图像之间的直线对应关系的摄像机自标定方以及利用灭点和 通过弱透视投影或平行透视投影进行摄像机标定等。自标定方法非常地灵活,但它并不是很成 熟。因为未知参数太多,很难得到稳定的结果。 一般来说，当应用场合所要求的精度很高且摄像机的参数不经常变化时，传统标定方法为 首选。而自标定方法主要应用于精度要求不高的场合，如通讯、虚拟现实等。 2 从所用模型不同来分有线性和非线性。 所谓摄像机的线性模型，是指经典的小孔模型。成像过程不服从小孔模型的称为摄像机的 非线性模型。线性模型摄像机标定, 用线性方程求解，简单快速，已成为计算机视觉领域的研 究热点之一，目前已有大量研究成果。但线性模型不考虑镜头畸变，准确性欠佳；对于非线性 模型摄像机标定，考虑了畸变参数，引入了非线性优化，但方法较繁，速度慢，对初值选择和 噪声比较敏感，而且非线性搜索并不能保证参数收敛到全局最优解。 3 从视觉系统所用的摄像机个数不同分为单摄像机和多摄像机 在双目立体视觉中，还要确定两个摄像机之间的相对位置和方向。 4 从求解参数的结果来分有显式和隐式。 隐参数定标是以一个转换矩阵表示空间物点与二维像点的对应关系，并以转换矩阵元素作 为定标参数，由于这些参数没有具体的物理意义，所以称为隐参数定标。在精度要求不高的情 况下，因为只需要求解线性方程，此可以获得较高的效率。比较典型的是直接线性定标(DLT) 。 DLT 定标以最基本的针孔成像模型为研究对象，忽略具体的中间成像过程，用一个 3 ×4 阶矩阵 请关注【精敏视觉实验室】博客网站 /blog/user1/98/index.html 表示空间物点与二维像点的直接对应关系。为了提高定标精度，就需要通过精确分析摄像机成 像的中间过程，构造精密的几何模型，设置具有物理意义的参数(一般包括镜头畸变参数、图像 中心偏差、帧存扫描水平比例因子和有效焦距偏差) ，然后确定这些未知参数，实现摄像机的显 参数定标。 5 从解题方法来分有解析法、神经网络法和遗传算法。 空间点与其图像对应点之间是一种复杂的非线性关系。用图像中的像元位置难以准确计算 实际空间点间的实际尺寸。企图用一种线性方法来找到这种对应关系几乎是不可能的。解析方 法是用足够多的点的世界坐标和相应的图像坐标，通过解析公式来确定摄像机的内参数、外参 数以及畸变参数，然后根据得到的内外参数及畸变系数，再