一种相机自动标定方法.docxVIP

一种相机自动标定方法 1 外来机参数标定 相机校正是恢复图像中二维物体三维坐标的重要步骤。 空间坐标系分为世界坐标系OWXwYwZw,相机坐标系OCXXYCZC,图像坐标系OIXIYI和CUV,如图1. 三维空间场景一点(X,Y,Z)在二维平面坐标系OIXIYI和CUV的坐标分别是(x,y)和(u,v),OI在坐标系CUV中的坐标为(u0,v0),像素在轴上的物理尺寸为dx,dy.由图2得: u=u0+xdx?xcotθdx,v=v0+ydysinθ 写为矩阵形式: ???uv1???=???fu00?fvcotθfv/sinθ0u0v01??????xy1???=K???xy1???(1.1) 其中fu=1dx,fv=1dy,K为相机内部参数矩阵,包含5个参数fu,fv,u0,v0,θ,相机标定就是如何确定这5个参数. 传统相机标定方法利用模板标定相机内参数.用于标定的模板是N×N国际象棋图案,在保持焦距不变的条件下采集多幅模板图像.对于每幅图像,需采用手工方式从图像左上方开始从图像的四个角顺时针精确选取四个标记点,然后检测计算特征点位置坐标并存储,带入(1.1)式求解 相机内参数.该方法需要用人工方式反复的精确选取模板图像上的标记点,速度慢,工作量大. 2 种多系统融合的多机联合标定方法 针对传统相机标定方法实现方式复杂,需要人工交互操作的缺陷,提出了一种改进的相机标定方法,把特征点检测技术和相机标定技术结合起来,实现相机标定自动化. 2.1 打印模板图像 实验采用自制模板,12×12格的国际象棋图案,每格边长为20 mm,选取棋盘内10×10处的四个特征点用红色标记,标记点的半径为3 mm.将模板打印在A3幅面的纸上.图3(a)是模板图像,图3(b)是打印好的模板图像. 2.2 图像捕获 在不改变相机焦距的前提下,从不同方向拍摄同一标定模板的多幅图像,编号并存储,如图4. 2.3 分量检测和分析 采用YIQ色彩空间对已标记的特征点进行检测,Y分量代表图像的亮度信息,I、Q两个分量携带颜色信息,因而使用图像的I分量或者Q分量作为检测分量,能够检测到标记点的位置,图5描述了分离后各分量的信息. 2.4 阈值t的选择 将Q分量图二值化处理.算法如下:计算图像直方图,选择图像灰度范围的中值作为阈值T;使用T分割图像,产生两组像素,将亮度值大于等于T的所有像素的亮度值置1,亮度值小于T的所有像素的亮度值置0,如图6. 2.5 标记点中心坐标的计算 首先确定特征点检测区域,然后求解标记点的中心的精确坐标.算法如下: (1) 遍历二值化图像的所有像素点.若f(x,y)=0,则继续遍历;若f(x,y)=1,则选取以当前点为中心点的子区域作为检测区域.子区域的选取半径依据图像模板中标记点的尺寸而定,设子区域的半径设置为图像尺寸的1/12,如图7. (2) 遍历子区域,记录子区域内所有f(x,y)=1的点的横坐标和纵坐标,分别放入集合X={x1,x2,……,xn},集合Y={y1,y2,……,yn},再计算出标记点的中心坐标,其计算公式如下: IX=∑i=1nxin,IY=∑i=1nyin 其中,n为已记录像素的总数,xi为像素横坐标,yi为像素纵坐标. (3) 获取标记点中心坐标后,将子选区内f(x,y)=1的所有点置0,即将亮点变为暗点,以适应迭代算法,如图8: (4) 重复以上步骤,直到计算出四个标记点的中心坐标:I={I1,I2,I3,I4}. 2.6 标记点排序算法描述 通过遍历二值图像获取的标记点,在顺序上存在随机性,如图9.为了适应之后的特征点检测算法,需要对标记点进行排序.标记点的期望顺序如图10所示.标记点排序算法描述如下: (1) 计算标记点中心坐标的横坐标均值H,计算公式为:H=14∑k=14Ikx (2) 使用H对已检测到的四个标记点划分为两组,横坐标大于等于H的标记点组成集合R,横坐标小于H的标记点组成集合L,如图11. (3) 比较集合R中两点的纵坐标.若R1R2,则R1的序号为4,R2的序号为3;同理,比较集合L中两点的纵坐标,确定L1和L2的序号. 2.7 基于hads特征点检测算法的特征点估计 根据四个标记点的中心坐标,粗略估算特征点的位置,将估算结果映射至Y分量空间,然后利用Harris特征点检测算法,在Y分量空间精确定位特征点.估算方法如下:分别计算四个标记点组成的四边形的边长,并将每边十等分,再模拟画出水平等分线和垂直等分线,等分线的交点即为特征点可能出现的位置. 2.8 计算相机的参数 将检测到的特征点坐标带入(1.1)式求解相机内参数. 3 传统相机标定 标定实验使用CCD数码相机图像采集,分辨率为2048×1536.在不同的方位拍摄了20幅图像并编号(图12列出部分图像). 从图像序列的所有组