数码相机精确定位模型.doc

PAGE PAGE 1 数码相机精确定位模型 摘要 本文研究了数码相机定位问题，运用了算子及最小二乘法、透镜成像、求重心的积分等原理，针对不同的问题，建立了相应的数学模型。 第一问，先通过对靶标标定方法的分析，建立了线性模型Ⅰ；然后引入镜头畸变系数后，建立了非线性模型Ⅱ。再利用透镜成像原理求出及CCD图的中心点像素坐标，确定内部参数；根据最小二乘法原理，计算出隐参数以确定外部参数。再次利用最小二乘法算法，求出径向畸变系数，从而精确确定像平面上点的坐标。 第二问，根据一问的模型和算法思想，先基于算子，通过软件对图像矢量化，再基于求重心的积分原理，运用软件求其重心，确定图像像素坐标，然后带入详细的靶标参数和相机参数，利用软件对模型求解，求出靶标上圆的圆心在像平面上的像坐标。 第三问，结合牛顿迭代法和下山法，通过改进下山因子，设计出一种加速收敛的检验方法，对非线性模型进行检验。通过检验结果的讨论，体现了检验方法精度较高，稳定性较好。 第四问，基于相机标定的非线性模型，根据双目定位原理，建立了双目相机模型Ⅲ，并给出相应的算法，从而确定出两部固定相机的相对位置。 本文采用由浅入深的建模思想，目标明确，层次清晰。最后对结果进行了残差检验和数据分析，体现了数码相机标定的非线性模型的合理性；对模型的灵敏度分析，说明了模型具有较好的稳定性，并对模型进行了评价，具有较高的实用价值。 关键词: 靶标标定 DLT模型 非线性模型 牛顿迭代法 最小二乘法 1、问题的提出 数码相机定位在交通监管（电子警察）等方面有广泛的应用。所谓数码相机定位是指用数码相机摄制物体的相片确定物体表面某些特征点的位置。最常用的定位方法是双目定位，即用两部相机来定位。对物体上一个特征点，用两部固定于不同位置的相机摄得物体的像，分别获得该点在两部相机像平面上的坐标。只要知道两部相机精确的相对位置，就可用几何的方法得到该特征点在固定一部相机的坐标系中的坐标，即确定了特征点的位置。于是对双目定位，精确地确定两部相机的相对位置就是关键，这一过程称为系统标定。 标定的一种做法是：在一块平板上画若干个点， 同时用这两部相机照相，分别得到这些点在它们像平面上的像点，利用这两组像点的几何关系就可以得到这两部相机的相对位置。然而，无论在物平面或像平面上我们都无法直接得到没有几何尺寸的“点”。实际的做法是在物平面上画若干个圆（称为靶标），它们的圆心就是几何的点了。而它们的像一般会变形，如图1所示，所以必须从靶标上的这些圆的像中把圆心的像精确地找到，标定就可实现。 图 1 靶标上圆的像 有人设计靶标如下，取1个边长为100mm的正方形，分别以四个顶点（对应为A、C、D、E）为圆心，12mm为半径作圆。以AC边上距离A点30mm处的B为圆心，12mm为半径作圆，如图2所示。用一位置固定的数码相机摄得其像，如图3所示。 图 2 靶标示意图 图3 靶标的像 则根据以上信息，结合数码相机定位原理解决以下问题： 建立数学模型和算法以确定靶标上圆的圆心在该相机像平面的像坐标, 这里坐标系原点取在该相机的光学中心，x-y平面平行于像平面； 对由图2、图3分别给出的靶标及其像，计算靶标上圆的圆心在像平面上的像坐标, 该相机的像距（即光学中心到像平面的距离）是1577个像素单位(1毫米约为3.78个像素单位)，相机分辨率为1024×768 设计一种方法检验你们的模型，并对方法的精度和稳定性进行讨论； （4） 建立用此靶标给出两部固定相机相对位置的数学模型和方法。 2、基本假设 假设各个方向上光强度较好，不影响图像成像质量。 假设题中所给图3为数码相机像平面真实图像。 以相机光学中心为原点，平面平行于像平面建立坐标系。 假设题中选用数码相机的内部参数相同。 假设软件能较精确的处理图像，不存在较大随机误差。 假设物体与物体通过相机所成图像间存在函数关系。 部分假设在题中给出。 3、建立模型 3.1问题分析 3.1.1相机成像原理 调节相机的焦距，使照相机相对于被测点处于聚焦位置，并把照相机的像距和焦距作为已知，由透镜成像公式求得物距，这是聚焦法的基本原理[1]。 因为拍摄的是中远距离的物体，对于有，所以数码相机的焦距可以认为等于像距，就相当于透镜的中心到感光器件CCD（Charge-Coupled Device）或CMOS（Complementary Metal-Oxide Semiconductor）的距离（如图4）。根据等比三角形定理有，所以，再根据就可以得到物距。因此要求物距，则只需要知道感光器件上像的大小、焦距和物体的实际大小就行了。所以当拍摄远近不同的景物时要调整选择不