大视场相机图像特征点检测及标定方法研究.pdfVIP

大视场相机图像特征点检测及标定方法研究

摘要

相机标定技术建立了二维图像和空间三维世界的映射关系，在摄影测量、安防监控、

虚拟现实及视觉导航等3D视觉领域，相机标定都是非常重要的基础性工作。然而，由

于大视场(LargeFieldofView，LFOV)相机拍摄图像存在较大畸变，导致相机标定精度较

低，严重影响了后端任务的准确性。提高大视场相机标定精度对于提升机器视觉环境感

知能力具有重要意义。

本文首先分析归纳了国内外特征点检测和相机标定方法研究现状，并以小孔成像模

型为例说明了大视场相机的标定流程，然后介绍了几种常用的大视场相机标定模型。为

了提高大视场相机的标定精度，本文分别从大视场相机图像特征点检测、相机模型参数

优化及相机标定验证三方面开展研究，主要工作如下：

第一，大视场相机图像特征点检测方法。针对在畸变较大图像上特征点检测存在特

征点漏检、检测时间长的问题，提出了一种基于自适应ROI的区域扩散特征点检测方

法。首先，通过两种特征点模型以及非极大抑制得到初始候选特征点；其次，基于自适

应阈值的ROI识别进行进一步筛选，再经过亚像素精细化搜索；然后，通过自适应的梯

度强度与特征点相似度筛除杂点；最后，通过棋盘格图案的几何结构进行区域扩散获取

特征点像素值。实验结果表明，本章方法在大视场甚至环视相机拍摄图像中都能以亚像

素级别的精度检测出相机标定所需的特征点，具有检测准确性高，检测速度快的优点。

第二，大视场相机参数优化方法。针对最小二乘法在优化相机参数时易陷入局部最

优，标定精度不高的问题，提出一种基于最小灰色粒子群的大视场相机标定优化方法。

首先，使用Scaramuzza模型，通过泰勒函数对大视场相机投影模型进行近似，更准确地

建模投影过程中的非线性畸变。其次，通过最小二乘法对相机参数进行估计，并对每张

图像分别采用灰色关联分析方法获取动态的个体、群体置信度以及惯性参数，再使用粒

子群算法精细化搜索。实验结果表明，本章方法提高了大视场相机的标定精度，FOV为

120°的大视场相机重投影误差降低31.24%，环视相机重投影误差降低35.33%。

第三，大视场相机标定验证方法。相机标定领域普遍通过二维图像平面上的重投影

误差评价相机标定精度，不能直接体现相机标定结果在3D视觉应用中的实际精度，且

不同分辨率相机的重投影误差不能直接比较。本文基于三角测量方法验证相机标定结果

的准确性，首先，搭建验证测试环境，分别采用K6小孔模型和KB鱼眼模型对待测相

机进行标定，获得相机标定参数；其次，推导了K6小孔模型和KB鱼眼模型的逆投影

哈尔滨工程大学硕士学位论文

变换表达式；最后，旋转相机采集不同间距的目标标靶图像，应用逆投影模型并结合辅

助测距信息，获取目标标靶的世界坐标系位置，计算目标标靶之间的计算距离和计算夹

角。实验结果表明，K6小孔模型的测距误差达到0.34%，角度误差达到0.17°，KB鱼

眼模型的测距误差达到0.36%，角度误差达到0.04°，验证了相机标定方法的有效性。

关键词：相机标定；大视场相机；图像特征点检测；参数优化；相机标定验证

大视场相机图像特征点检测及标定方法研究

Abstract

Cameracalibrationtechnologyestablishesthemappingrelationshipbetweentwo-

dimensionalimageandthree-dimensionalspaceworld.Cameracalibrationisaveryimportant

basicworkin3Dvisionfieldssuchasphotogrammetry,securitymonitoring,virtualrealityand

visualnavigation.However,duetotheLargeFieldofView(LFOV)cameraimagedistortion,

thecameracalibrat