改进基本矩阵计算和优化的多摄像机并行标定算法.docxVIP

改进基本矩阵计算和优化的多摄像机并行标定算法 0 引言 随着摄像机制造成本的下降， 多摄像机系统已经成为目标跟 踪及三维重构等领域的发展趋势。多摄像机系统在机器人导航、 人体动作捕获、 导弹定位和无人机等领域广泛应用。 早期多摄像 机系统由于受到硬件限制，通常由 3?10个摄像机组成[1]。近 年来，大规模集成电路迅速发展， 多摄像机系统中摄像机的数目 也急剧增加。 如斯坦福并行 128 个摄像机组成的大型摄像机阵列 [2] ，瑞士的 360 度环绕式多摄像机系统 [3] 。在大量摄像机组成 的多摄像机系统中，传统的摄像机标定技术不再适用 [4] 。一方 面，传统摄像机标定方法针对单个摄像机标定， 在多摄像机系统 中，如果使用传统标定法对每个摄像机进行单独标定， 那么整个 标定过程将变得十分繁琐和耗时； 另一方面， 多摄像机系统着重 整体优势， 传统的摄像机标定技术研究单个摄像机的性能而忽视 整体性能。 多摄像机标定技术成为现在摄像机标定的研究热点 [5] 。摄 像机标定的方法依据标定物的维数分为四类：三维立方体标定 法、二维平面标定法、一维直线标定法和自标定。由于存在自身 的遮挡，三维立方体标定法和二维平面标定法不适用于多摄像机 系统标定。一维标定法采用已知彼此距离且共线的标记点组成。 一维标定物具有制作简单， 而且不会被自身遮挡的优势， 已经成 为多摄像机系统标定的主要手段[6]。Zhang[7]最早提出一维标 定法，但是真正将一维标定法应用于多摄像机系统是 de France 等[8] 。在国内，吴朝福 [9] 提出一维标定物做任意刚体运动，标 定多摄像机系统的内外参数的方法； 王涛等 [10] 研究表明一维标 定法可以获得同二维平面标定法相同的精度。 自标定是基于绝对 二次曲线或者对偶绝对二次曲线， 理论不成熟， 现在还处于研究 阶段。就目前而言， 自标定理论还没有应用于多摄像机系统的标 定中 [3] 。 多摄像机系统在工程中被广泛应用， 多摄像机系统标定的理 论成为机器视觉的研究热点。 但是现在多摄像机系统标定基本都 集中在摄像机标定的精度问题上，很少关注标定的时间复杂度。 相比于单摄像机标定， 多摄像机系统标定的时间是一个不可忽视 的问题。由 32 个摄像机组成的多摄像系统，整个标定过程需要 消耗60?90min。目前多摄像机系统标定都是串行的标定算法， 这必然使得标定时间会随摄像机数目的增加而递增。 一旦多摄像 机系统中摄像机数目过多， 标定不可能在预定的时间内完成。 近 年来，已经有学者开始对摄像机的并行标定算法进行探索和研 究。国内， 熊九龙等 [11] 结合摄像机成像模型与神经网络技术提 出了摄像机标定的并行算法， 通过将三维世界坐标分成三个独立 分量分别处理实现并行处理；李超等[12]采用GPU技术加快标定 所需的图像特征点的计算，实现了摄像机的实时标定。但是，这 些算法主要针对单个摄像机而设计， 并行化的思路也主要是简单 对数据分组处理来实现。 在多摄像机系统中随着摄像机数目的增 多，传统单摄像机标定算法是低效的； 并且传统算法考虑的是单 个摄像机的精度，而不是系统整体的精度。国外，现有的摄像机 并行标定技术主要针对摄像机的自标定。 自标定算法对于噪声比 较敏感，计算复杂度高，很少应用于多摄像机系统。本文针对多 摄像机系统的标定算法， 以系统整体性能最优为目标， 改进了多 摄像机标定中基本矩阵的计算和迭代优化中增量的计算， 降低了 多摄像机标定算法的时间复杂度。 多摄像机系统标定分为两个阶段： 第一阶段， 使用线性方法 对摄像机标定参数进行初始值估计； 第二阶段， 利用迭代法对线 性算法的结果进行优化。 多摄像机系统的标定， 首先需要对摄像机进行两两分组， 通 过基于随机抽样一致性( RANdom SAmple Consensus， RANSA)C 算法求解每组对应的基本矩阵和极点坐标。 基本矩阵的计算是整 个计算过程中最复杂的部分，串行基于 RANSA算法基本矩阵的 计算效率低。 因此， 改进基本矩阵的计算是提高线性标定算法的 有效手段。根据苗青等 [13] 提出的并行改良随机抽样一致性思 想，结合八点法的求解过程，提出计算基本矩阵的并行算法。求 得基本矩阵和极点坐标后， 利用 Kruppa 方程计算出摄像机焦距， 再联合内参矩阵和基本矩阵求解本质矩阵；对本质矩阵进行分 解，即得到摄像机的旋转矩阵和平移向量。 在得到所有摄像机参 数的初始值后， 以第一个摄像机坐标为世界坐标， 统一其他摄像 机的坐标系。第二步，使用迭代算法求解欧氏重构下极大似然解， 在摄像机标定中常使用捆绑调整方法。 捆绑调整方法本质是一种 基于梯度方向更新自变量值的迭代法， 优化过程中自变量值的更 新是关键步骤。传统自变量更新是通过