一种摄像机分步自标定方法

摘要

本发明提供一种摄像机分步自标定方法，包括：第1阶段，对同一场景拍摄两张在不同焦距下的图像，对图像进行特征提取和匹配并剔除误匹配点，利用匹配点对求解摄像机的主点坐标；第2阶段，从不同角度对同一场景进行拍摄获得三幅可供匹配的图像，对图像进行特征提取和匹配并剔除误匹配点，然后基于Kruppa方程，将已获得的主点坐标代入方程实现倾斜因子以及摄像机在成像平面u、v轴方向上的尺度因子三个参数的求解。通过本发明的方法，摄像机的主点坐标的标定精度较高，并减小了Kruppa方程系数矩阵规模，降低了求解运算量，具有实时性。该方法适用于视觉系统的摄像机标定，可在三维测量、三维重建、机器导航以及增强现实等领域使用。

主权项

一种摄像机分步自标定方法，所述摄像机采取的成像矩阵为：$K=\left(\begin{array}{ccc}{f}_u& s& u_0\\ 0& f_v& v_0\\ 0& 0& 1\end{array}\right),$其中，(u₀，v₀)是摄像机主点坐标，s是倾斜因子，f_u、f_v分别为摄像机在成像平面u轴、v轴方向上的尺度因子；其特征在于，所述方法分为2个阶段进行：第1阶段，标定摄像机的主点坐标(u₀，v₀)；第2阶段，结合第1阶段获得的主点坐标，标定摄像机其他三个参数，即倾斜因子s以及摄像机在成像平面u轴、v轴方向上的尺度因子f_u、f_v；其中在第1阶段中，通过调节摄像机的焦距，同时保持摄像机的位姿状态不变，对同一场景拍摄两张在不同焦距下的图像，对图像进行特征提取和匹配，并剔除误匹配点，最后利用匹配点对求解摄像机的主点坐标；在第2阶段中，控制摄像机的内参数不变，从不同角度对同一场景进行拍摄获得三幅的可供匹配的图像，对图像进行特征提取和匹配，并剔除误匹配点，然后基于Kruppa方程，确定Kruppa方程的比例因子初始值并利用遗传算法对其进行优化，通过优化后的比例因子以及第1阶段获得的主点坐标代入Kruppa方程实现摄像机其他三个参数的求解；其中所述第1阶段的具体流程包括：步骤1.1：保持摄像机的位姿状态不变，调整摄像机的焦距，获得摄像机对同一场景分别在焦距f₁和f₂条件下的两张图像；步骤1.2：利用SURF算法对获取的两张图像进行特征提取，然后对两图像所含的特征点进行初匹配操作，得到两图像特征点的匹配对集合；步骤1.3：采用对极几何约束的RANSAC算法对步骤1.2中得到的匹配对集合进行误匹配剔除操作，将误匹配点对从匹配点对集合中去除，然后将剩余的匹配点对集合保存起来；步骤1.4：判断步骤1.3中所获得的匹配点对数P是否大于第一阈值T1，若大于T1，则进行步骤1.5操作，否则转入步骤1.1，其中T1≥8；步骤1.5：将步骤1.4所获得的P个匹配特征点对写成如下的方程组形式：$\left\{\begin{array}{c}({y_1}^{\prime }-y_1)u_0+(x_1-{x_1}^{\prime })v_0=x_1{y_1}^{\prime }-{x_1}^{\prime }{y}_1\\ ({y_2}^{\prime }-y_0)u_0+(x_2-{x_2}^{\prime })v_0=x_2{y_2}^{\prime }-{x_2}^{\prime }{y}_2\\ .......\\ ({y_P}^{\prime }-y_P)u_0+(x_P-{x_P}^{\prime })v_0=x_P{y_P}^{\prime }-{x_P}^{\prime }{y}_P\end{array}\right.,$利用最小二乘法求解该方程组，得到的解(u₀，v₀)便是摄像机的主点坐标，其中，(x_i，y_i)和(x′_i，y′_i)是两图像的匹配特征点对集合中第i对特征点坐标，i＝1，2，…，P。