基于主动视觉摄像机线性自标定方法.docVIP

基于主动视觉摄像机线性自标定方法 　　摘要： 为了解决传统摄像机标定方法的精确度差和使用不方便，本文提出了一种基于主动视觉的摄像机线性自标定方法，该方法通过控制摄像机做一次纯轴向运动来确定主点坐标，再做一次纯旋转运动利用单应性矩阵与旋转矩阵的关系确定摄像机的其他三个内参数。这种基于主动视觉的自标定方法原理简单、实现方便、可操作性强。实验结果表明，该方法能够比较准确地标定出摄像机的所有内参数。摄像机标定是计算机视觉中的一项基本任务。传统的标定方法是通过结构的物体（如标定块，标定板等）在图像中的投影计算摄像机的内参数。但是这种方法必须要有标定物，在很多实际应用中难以实现。为了解决传统摄像机标定方法的精确度差和使用不方便， Abstract： To solve the problem of inaccuracy and inconvenience of the traditional camera calibration， a new active vision based linear camera self-calibration approach is proposed in this paper. The coordinate value of the principal point of the camera can be calculated linearly by controlling the camera to undergo a pure axial motion and the intrinsic parameters of the camera can be calculated linearly by controlling the camera to undergo a pure whirl motion. This method owns the characteristics of simplicity in theory， case in implementation and good maneuverability. Experimental results show that the intrinsic parameters can be calculated precisely by applying this technique. Camera calibration is a fundamental computer vision tasks. The traditional calibration method is the structure of objects （such as block calibration， calibration plate， etc.） in the image， the camera intrinsic parameters of projection calculation. However， this method must have a calibration object， in many applications difficult to achieve. 关键词： 主动视觉； 摄像机自标定；单应性矩阵 Key words： active vision；camera self-calibration；homography 中图分类号：TN948.41 文献标识码：A 文章编号：1006-4311（2013）22-0258-02 0 引言 近年来，摄像机自标定技术以其应用的灵活性得到了很多研究者的重视，但自标定[1]方法最大的不足是鲁棒性差.这主要是由于自标定方法不论何种形式出现，均是基于绝对二次曲线（absolute conic）和绝对二次曲面（absolute quadric）的方法，需要求解复杂的多元非线性方程来计算摄像机的内参数，从而导致运算速度和结果的精度都不理想。而基于主动视觉的摄像机自标定[2，3]可以克服这个缺点，它是通过控制摄像机做某些特定的运动来获取图像从而标定摄像机的内参数。一般来说，摄像机的模型参数可以线性的求解，因而算法的鲁棒性较高。因此，该文提出了一种基于主动视觉的摄像机线性自标定方法。 1 基础知识和概念 1.1 摄像机模型 摄像机的线性模型为经典的针孔模型，如图1所示。在图像上定义直角坐标系u，v。每一像素的坐标（u，v）分别是该像素在数组中的列数与行数。另外建立以物理单位（例如毫米）表示的图像坐标系。该坐标系以光轴和图像平面的交点，即主点O1为原点，x轴与y轴分别与平行。基于主动视觉的摄像机线性自标定方法。 设主点坐标为（u0，v0），每一个像素在x轴与y轴