双目视觉标定（答辩模板）.pptVIP

双目视觉系统的定位标定 主讲人： 班 级： 指导老师： 2011年毕业设计答辩 contents 软件界面设计 4 课题介绍及任务说明 1 图像中角点的提取 2 摄像机的标定 3 总 结 5 课题介绍 双目视觉系统的标定 图像角点的提取 标定算法的研究 角点提取 基于边缘的角点提取 基于二值图像的角点提取 基于图像灰度的角点提取 标定算法研究 1966年B.Hallert首先考虑畸变，引入最小二乘法，对结果进行优化。 1975年W.Fig建立复杂的成像模型，并用非线性优化求解。 1986年，R.Y.Tsai建立经典的Tsai摄像机模型，提出两部标定法 1999年张正友提出了基于移动模板的摄像机标定法，张正友标定法 课题 任务 能够实现对图像角点的提取 实现对摄像机的标定 界面设计与误差分析 图像中角点的提取 Harris角点提取的特点 A B C D E A 计算简单 B 提取的点特征均匀而合理 C 算法稳定 D 它对尺度很敏感，不具有尺 度不变性 E 提取的角点是像素级的 Harris角点提取算法实现 图像的预处理 A 图像锐化求出X、Y方向梯度 B 高斯滤波窗口，对图像滤波 C 求出灰度强度 变化值 D 设定阙值，进行非极大值抑制，求出角点 E Harris角点提取实验结果 如图，红色’+’表示的是识别出来的角点。从图中可以看出，图像中的角点全部识别出来，效果较好 Harris角点提取实验结果 x y 1 498 203 2 530 202 3 567 200 4 601 198 5 640 196 6 675 195 图像中局部角点坐标 亚像素级角点提取 图像中某一点（x，y），它的灰度值为是关于x和y的一个二元函数f(x,y)。我们可知一点的梯度值H为fx’, fy’)。为了计算方便，我们用差分代替微分：fx’=f(x+1,y)-f(x,y);fy’=f(x,y+1)-f(x,y)。 P不在边缘上，梯度H为0，则H点乘pq向量为0. P在边缘上，梯度H不为0，但H与pq向量垂直，点乘依然为0 亚像素级角点提取 由于噪声的存在，一般H点乘pq向量不为0，会有误差θ 调用像素级的角点坐标 设定邻域窗口大小，在点的邻域内求出各点的梯度值 为了使θ最小，在每个角点邻域内采用优化算法，求出亚像素级的角点坐标 亚像素级角点提取结果 如图，绿色’*’表示提取的图像中的角点。很显然，效果较像素级角点提取要好。 亚像素级角点提取结果 x y 1 497.837 202.566 2 530.244 201.817 3 566.557 199.798 4 601.244 197.828 5 639.706 195.729 6 675.354 194.797 图像中的局部角点坐标 摄像机的标定 张正友标定法 ，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移动。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行非线性求精。在这个过程中得出考虑镜头畸变的目标函数后就可以求出所需的摄像机内、外部参数 优点 方法简单灵活 具有较好的鲁棒性 不需要昂贵器材，很有实用性 张正友算法的实现 张正友算法 不考虑畸变时参数求解 考虑畸变时参数求解 不考虑畸变时算法的实现 （一） 对空间变换矩阵H的求解优 对已求得的H, 进行优化，得到较准确值 通过H矩阵，求出相机的内外参数 空间变换矩阵H 观察右边的坐标系图，空间变换矩阵H,即是世界坐标系中的一个三维物理坐标，投影到二维像平面得到像素坐标，所要经过的变换。 空间变换H矩阵包括 1 2 3 世界坐标系到摄像机坐标系变换M1=[R T] 摄像机坐标系到图像中物理坐标系的变换M2 图像坐标系中物理坐标系到像素坐标系的变换M3 H= M1*M2* M3 = A *M1 根据自己设制的模板，求出一系列三维物理坐标[x y 1] 根据前面Harris角点提取方法，提取模板上的像素坐标[u v 1] 列出方程，通过最小二乘法，求出H 为了得到更加精确的值，对H进行优化，得到精确值 已知H矩阵后，求内外参数 我们知道，M1中的旋转矩阵R中的3个列向量满足正交性。 H与R、M2 、M3向量之间存在转换关系，3个列向量都可以用H表示，进而我们可以列出两个方程。再考虑到标定的一系列的角点坐标，我们可以通过最小二乘法，求出内部参数。得到内外参数后，求外部参数就轻而易举了！！ 考虑畸变时算法实现 （二） 此处，我们仅考虑镜头的径向畸变的前面两个系数k1和k2 列出理想的图像坐标与畸变后实际坐标间的对应关系 根据已知的图像中角