基于任意已知运动的单目摄像机标定方法

摘要

本发明基于任意已知运动的单目摄像机标定方法属于计算机视觉检测和图像处理领域，涉及大型锻件尺寸测量系统中单目摄像机的标定方法，具体是指一种基于任意已知运动的单目摄像机标定方法。标定方法利用四组已知运动获取12张图像，然后根据12张图像求取摄像机参数，包括主点坐标和尺度因子；首先，利用三坐标测量仪的实现靶标的已知运动获取靶标图像；再将畸变校正后的12张图像分组进行消隐点估计；采用最优化方法获取消隐点和“拟合直线簇”，标定单目摄像机。本发明基于极大似然估计的消隐点鲁棒性算法，提高消隐点估计的稳定性，是一种简单易实现的标定方法，特别适用于快速准确实现实验现场的标定。

主权项

一种基于任意已知运动的单目摄像机标定方法，其特征是，标定方法利用四组已知运动获取12张图像，然后根据12张图像求取摄像机参数，包括主点坐标(u₀,v₀)、尺度因子f_x、f_y；具体步骤如下：步骤1：利用三坐标测量仪的实现靶标的已知运动获取靶标图像控制三坐标测量仪带动靶标的做四组运动，每组运动含有X方向和Y方向两次纯平移，纯平移运动方向位移为D₀，摄像机在每次运动中停留三个位置，其中摄像机光心位置分别为O₀,O₁,O₂，进而得到三张图像I₀,I₁,I₂，而且在确保靶标在视场内的前提下，每组正交运动之间摄像机均有不小于5度的俯仰角度或扫视角度，通过四组的两次纯平移运动得到共12张靶标图像；根据三坐标测量仪运动位置的三维坐标计算每组运动中两次纯平移运动的夹角θ_i,i＝1,2,3,4；步骤2：消隐点的鲁棒估计对纯平移运动前、后摄取的两幅图像中的特征点的像点进行畸变校正后，采取由交于同一点的“拟合直线簇”来确定消隐点和对应像点连线的最大似然估计；设定消隐点坐标为v＝(u_x,v_x)，则经过消隐点的“拟合直线簇”l_i的方程为：y‑v_x＝k_j(x‑u_x)                    (1)其中，k_j为对应像点A_j＝(u_j,v_j)、A′_j＝(u′_j,v′_j)连线的最大似然估计(即“拟合直线”)所对应的斜率，则对应像点到“拟合直线”的距离之和表示如下：$d(A_j,l_i)+d(A_j^{\prime },l_j)=\frac{|k_j{u}_j-v_j+(v_x-k_j{u}_x)|}{\sqrt{k_j^2+1}}+\frac{|k_j{u}_j^{\prime }-v_j^{\prime }+(v_x-k_j{u}_x)|}{\sqrt{k_j^2+1}}---\left(2\right)$采用最优化方法获取消隐点和“拟合直线簇”，最优化目标为最小化所有像点到相应“拟合直线”距离之和，见式(3)；优化变量为消隐点坐标分量以及各“拟合直线”的斜率；其中，n为“拟合直线簇”中直线的数目；采用该方法分别计算4组运动的消隐点；步骤3：标定单目摄像机采用步骤2的方法，将畸变校正后的12张图像分组进行消隐点估计，每组3张图像中对应点连线得到2个消隐点，4组共8个消隐点；将得到的8个消隐点坐标、主点坐标以及两平移运动度带入下式中：$\cos {\theta }_i=\frac{v_{i1}^{T}w{v}_{i2}}{\sqrt{v_{i1}^{T}w{v}_{i1}}\sqrt{v_{i2}^{T}w{v}_{i2}}},i=\mathrm{1,2,3,4}---\left(4\right)$其中，θ为第i组运动中两平移运动之间的角度，v_i1、v_i2为第i组正交运动下的两次平移运动获取的消隐点对的像素坐标(齐次形式)，w＝K^‑TK^‑1是绝对二次曲线的图像，其具体形式如下：通过公式(4)、(5)以及八个消隐点坐标得到包含四个非线性方程的二元方程组，用非线性最小二乘法迭代求解出尺度因子f_x和f_y和主点坐标(u₀,v₀)；因此，得到单目摄像机参数主点坐标(u₀,v₀)、尺度因子f_x、f_y，最终完成标定过程。