基于张正友平面标定法的摄像机标定及GUI实现.docVIP

基于张正友平面标定法的摄像机标定及GUI实现

摘要:本文首先对标定的概念以及相关基础知识做了阐述，分析了实验所用CCD摄像机的硬件配置和相关参数，然后介绍了几种常用的摄像机标定方法，然后重点对张正友的算法进行了分析，并且利用该算法进行了标定试验，最后在此基础之上开发出了摄像机标定的GUI界面。标定实验结果表明:与过去传统的标定方法相比，张正友的平面标定法不需要太过精密的装置即可完成，实现起来相对快捷方便，且精度较高，是一种比较令人满意的标定方法

关键词:摄像机标定;张正友;GUI;边缘提取

0引言

视觉是人类感知外界信息的主要途径，也是适应复杂、变化环境的感知基础。而摄像机标定是计算机视觉实现的前提和基本问题，是视觉系统不可缺少的前提和基础部分，因此长期以来受到国内外学者的广泛关注[1]。深入研究摄像机标定技术将为计算机视觉在相关的各个领域的广泛应用奠定了坚实的基础。

从摄像机标定方法看，传统的摄像机标定一般是利用一个标准参照物与其对应图像的约束关系，来确定摄像机模型的参数，可以应用一幅以上的图像进行标定，方法和理论都己比较成熟。如果不考虑镜头像差的影响，可以使用线性方法标定，如直接线性变换法。但是由于没有考虑成像畸变因素，标定精度较低。

提高标定精度永远是人们追求的目标。为了提高计算精度，必须考虑非线性畸变。1966年，B.Hallert发表了他在镜头与相机标定方面的研究成果，首次将最小二乘法用于对镜头标定多余观察数据的处理，并将其应用在野外立体坐标测量仪上，得到了高精度的测量结果。

B.Hallert为非线性优化在摄像机标定中的应用开启了大门。1975年，W.Faig考虑了摄像机成像过程中的各种因素，建立较为复杂的摄像机成像模型并用非线性优化来求解[4]。非线性优化对提高摄像机标定精度提供了一条很好的途径，非常适合于采用多参数的非线性畸变模型的标定，在能提供较好初值的情况下，可以较快地收敛，得到高精度优化结果。现在大部分标定程序都采用了非线性优化。它的缺点是标定的结果依赖摄像机模型参数的初始给定值，而且计算速度慢，不适于实时标定。R.Y.Tsai综合上述方法，于1986年建立了经典的Tsai摄像机模型，提出了两步标定法[2]，其中大部分参数采用线性直接求解，少数参数采用迭代方法求解，因而迭代少，计算速度较快。但该模型畸变模型较简单，不能较好地解决图像畸变问题。J.Weng改进了Tsai模型的畸变模型，使之能适应视场较大和畸变较严重的场合。Reg.G.Willson在1994年利用Tsai模型，用C语言编程，分两步对固定焦距摄像机进行了标定，并将标定程序公开在互联网上，极大地促进了该方法的应用[5]。

随着桌面视觉系统(DVS，DesktopVisionSystem)进入大众消费领域，方便、灵活、简单、精度较好的摄像机标定程序需求增加，以满足拥有DVS的用户偶尔用在计算机视觉方面的应用，微软研究院的张正友(Z.Y.Zhang)在1999年前后对此做了大量研究工作，提出了基于移动平面模板的方便灵活的摄像机标定方法[3]，较好地解决了这一问题。本文也是利用这种标定方法，对摄像机标定的各方面做了探讨，并设计出了其对应的GUI实现。

1张正友平面标定法

1.2利用约束条件线性求解内参数A(4.5)其中，B是对称矩阵，可以表示为下面的六维向量，基于绝对二次曲线原理求出B以后，再对B阵求逆，利用Choleski分解，便可从B中导出内参数矩阵A。再由A和映射矩阵H计算每幅图像相对于平面模板的外参数旋转矩阵R和平1.3最大似然估计采用极大似然准则(Maximumlikelihoodestimation)对上述参数进行优化。假设有n幅关于模板平面的图像，而模板平面上有m个标定点，那么极大似然估计值就可以通过使下式最小化得到(即制定评价函数):

1.2标定板图样采集目标图样的采集过程就是通过CDC摄像机和图像采集卡等数字图像采集系统将其获取至计算机中成为灰度图像的过程。在本文的实验中，图像信号的采集是通过大恒DH-SV1410FC/FM摄像机完成的，见图2。然后由CDC摄像机图像采集卡对镜头所成的模拟图像离散化而完成图像的采样和量化。

图2大恒DH-SV1410FC/FM摄像机经过DH-SV1410FC/FM对图像的采集，我们获得了5张不同位姿的标定板图像，见图32.3边缘检测与中心提取因为canny算法相对于其他算法而言可很好刻画出有效区的边界，可以算出较好的结果，因此我们利用该算法进行边缘检测。使用matlab图像处理工具箱中的函数，我们可以得到处理后的图像:

图4边缘检测图像再通过在边缘取出5个点，利用几何关系，对其中心提取，最后对得到的中心点进行排序，如图5:

1.3摄像机标定试验结果我们将从上一小节中提取出的中心点作为参照点