双目摄像机标定讲述.docx

1.摄像机标定技术的发展和研究现状 计算机视觉的研究目标是使计算机能通过二维图像认知三维环境，并从中获取需要的信息用于重建和识别物体。真实的3D场景与摄像机所拍摄的2D图像之间有一种映射关系，这种关系是由摄像机的几何模型或者参数决定的。求解这些参数的过程就称为摄像机标定。摄像机标定实质上是确定摄像机内外参数的一个过程，其中内部参数的标定是指确定摄像机固有的、与位置参数无关的内部几何与光学参数，包括图像中心坐标、焦距、比例因子和镜头畸变等；而外部参数的标定是指确定摄像机坐标系相对于某一世界坐标系的三维位置和方向关系。 总的来说, 摄像机标定可以分为两个大类: 传统的摄像机标定方法和摄像机自标定法。传统摄像机标定的基本方法是, 在一定的摄像机模型下, 基于特定的实验条件如形状、尺寸已知的参照物, 经过对其进行图像处理, 利用一系列数学变换和计算方法, 求取摄像机模型内部参数和外部参数。 另外, 由于许多情况下存在经常性调整摄像机的需求, 而且设置已知的参照物也不现实, 这时就需要一种不依赖参照物的所谓摄像机自标定方法。这种摄像机自标定法是利用了摄像机本身参数之间的约束关系来标定的, 与场景和摄像机的运动无关, 所以相比较下更为灵活。 1966年，B. Hallert研究了相机标定和镜头畸变两个方面的内容，并首次使用了最小二乘方法，得到了精度很高的测量结果。1975年，学者W. Faig建立的一种较为复杂的相机成像模型，并应用非线性优化算法对其进行精确求解，但是仍存在两个缺点，一是由于加入了优化算法导致速度变慢，二是标定精度对相机模型参数的初始值的选择有严重的依赖性，这两个缺点就导致了该标定方法不适于实时标定。1986年Faugeras提出基于三维立方体标定物通过拍摄其单幅图像的标定方法，该方法是基于理想线性模型的，标定精度较高，但是对标定立方体的制作和加工的精度要求太高，维护起来困难且并未考虑畸变参数的影响。1986年，在非线性优化标定理论的基础上R. Y. Tsai提出了Tsai摄像机模型，对应这种Tsai摄像机模型提出了经典的Tsai两步标定法。Tsai两步标定法的主要思想是：为了使迭代次数明显减少，计算速度也就得到加快，所以采用了除了少数标定参数利用了非线性的迭代方法求解，而标定过程中其他大部分参数则采用了常规的线性方法直接求解。不过这种Tsai两步标定法设定的相机模型畸变量较简单，没办法解决实际中比较复杂的畸变标定问题。由于Tsai两步标定法中存在的明显不足，J. Weng对Tsai的畸变模型进行改进之后，在此基础上对应的标定方法就能够很好的进行运用和实现较好的标定效果。1999年，微软研究院的张正友提出了一种基于移动平面模板的摄像机标定方法，该方法缩小了相机标定的成本，而且简单明了，并且标定的精度也明显提高了很多。 目前已有的自标定技术大致可以分为几种：利用绝对二次曲线和极线变换性质解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、基于主动视觉的摄像机自标定技术以及其他改进的摄像机自标定技术。 20世纪90年代初，Faugeras，Luong，Maybank等首先提出了自标定的概念, 使得在场景未知和摄像机任意运动的一般情形下标定成为可能。Faugeras等从射影几何的角度出发证明了每两幅图像间存在着两个形如Kruppa方程的二次非线性约束，通过直接求解Kruppa方程组可以解出内参数。鉴于直接求解Kruppa方程的困难，人们又提出了分层逐步标定的思想，即首先对图像序列做射影重建，在此基础上再仿射标定和欧氏标定。分层逐步标定的方法以Hartley的QR分解法，Triggs的绝对二次曲面法，Pollefeys的模约束法等为代表。 由于我们的需求总是在不断发生变化，研究效率需要不断提高，因此我们需要使用更灵活方便、运算更快、精度更高的标定方法，同时这也意味着我们需要更好地解决优化问题中存在的缺陷，这也是目前学者们不断提高标定技术的主要方向和研究的重要内容，而所说的优化缺陷指的就是冗余参数、模型表达、方程病态等问题。 2.视觉测量的基础理论 2.1 坐标系定义 一、世界坐标系（World Coordinate System） 用户定义的三维坐标系，用来描述真实物理世界中的物体坐标。 二、摄像机坐标系（Camera Coordinate System） 原点为摄像机光心，一般为镜头中心点。轴沿光轴指向景物方向，轴和轴分别与像素行和列平行。 三、像平面坐标系（Image Coordinate System） 原点为光轴与像平面的交点，轴和轴分别与轴和轴平行且指向相同。 四、像素坐标系（Pixel Coordinate System） 像素坐标（，）实际上是像点在像素阵列中的行数与列数，选择轴和轴分别平