[發(fā)明專利]一種用于視覺測量的攝像機參數(shù)優(yōu)化方法

無效

• 申請?zhí)枺?/td>: 201210035098.5
• 申請日: 2012-02-16
• 公開（公告）號: CN102622747A
• 公開（公告）日: 2012-08-01
• 發(fā)明（設計）人: 周富強;崔毅
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明屬于測量技術領域，涉及一種用于視覺測量的攝像機參數(shù)優(yōu)化方法。

背景技術

攝像機標定是視覺測量中一個重要而關鍵的環(huán)節(jié)，所謂攝像機標定就是指根據(jù)攝像機模型，利用特征點的提取圖像坐標和已知世界坐標求解模型參數(shù)，從而建立物體空間和圖像平面的映射關系。攝像機模型參數(shù)通常分為內(nèi)部參數(shù)和外部參數(shù)，其中內(nèi)部參數(shù)為攝像機固有參數(shù)，不會因為攝像機位置變化而改變，外部參數(shù)則反映的是攝像機坐標系與世界坐標系的位置關系。

為了獲得較高的標定精度，一般需要采用優(yōu)化方法估計出攝像機內(nèi)部參數(shù)和外部參數(shù)。傳統(tǒng)的攝像機參數(shù)優(yōu)化方法是根據(jù)攝像機模型，將已知物空間特征點投影到圖像平面上，得到特征點的模型圖像坐標，模型圖像坐標與攝像機實際探測到的圖像坐標存在偏差，通過非線性優(yōu)化的過程使得這種偏差達到最小，從而求出偏差最小時的參數(shù)，即攝像機參數(shù)的最優(yōu)解。例如：Weng?Juyang，et?al.的論文“Camera?calibration?with?distortion?models?and?accuracy?evaluation.IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence[J].1992，14(10)：965-980”和Zhang?Zhengyou的論文“A?flexible?new?technique?for?camera?calibration.IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence[J].2000，22(11)：1330-1334”，上述兩篇論文采用的是不同的攝像機標定方法，但是攝像機參數(shù)的優(yōu)化均是在二維圖像平面內(nèi)討論：根據(jù)攝像機模型以及參數(shù)的初始估計值將特征點在測量空間中的坐標重投影到圖像平面，得到一系列模型像素坐標，將模型像素坐標與采用圖像處理方法獲取的實際圖像坐標逐一比較，兩種坐標對應點的偏差之和作為優(yōu)化目標函數(shù)，利用非線性優(yōu)化算法(例如Levenberg-Marquardt算法或Newton-Raphson算法)求解目標函數(shù)最小化時的模型參數(shù)，即攝像機參數(shù)的最優(yōu)解。

傳統(tǒng)的攝像機參數(shù)優(yōu)化方法是建立在二維圖像平面上，以最小化圖像像素距離誤差作為目標函數(shù)，反復迭代搜索獲取參數(shù)的最優(yōu)解。然而，實際的視覺測量流程是在三維物體空間中進行的，例如最基本的距離和角度測量都需要在世界坐標系或者攝像機坐標系下進行，傳統(tǒng)的參數(shù)優(yōu)化過程與實際測量流程各自的坐標系并不一致，會帶來測量精度下降等問題。

發(fā)明內(nèi)容

本發(fā)明的技術解決問題是：克服現(xiàn)有技術的不足，提供一種用于視覺測量的攝像機參數(shù)優(yōu)化方法。

本發(fā)明的技術解決方案為：一種用于視覺測量的攝像機參數(shù)優(yōu)化方法，其特征在于該方法包含以下步驟：

1、在攝像機的視場范圍內(nèi)，自由移動靶標至少3個位置，每移動一個位置，拍攝一幅圖像，稱為標定圖像，靶標上所有的特征點應包含在標定圖像中；提取標定圖像中的特征點的圖像坐標，并與特征點的世界坐標對應；

2、利用步驟1提取的所有特征點的圖像坐標與對應的世界坐標標定攝像機內(nèi)部參數(shù)和外部參數(shù)，攝像機內(nèi)部參數(shù)包括攝像機的有效焦距、主點及畸變系數(shù)；采用以圖像特征點重投影誤差最小為目標函數(shù)的傳統(tǒng)優(yōu)化方法對攝像機參數(shù)進行初次優(yōu)化，優(yōu)化結果作為第二次優(yōu)化計算的初始值；

3、利用步驟2標定的攝像機畸變參數(shù)對特征點的圖像坐標進行畸變矯正，求出特征點的無畸變圖像坐標；

4、以投影中心為端點，連接投影中心與無畸變圖像特征點的射線稱為投影射線，在攝像機坐標系下，計算投影射線的方程；

5、在攝像機坐標系下，計算步驟1所述的不同拍攝位置的靶標平面方程，并計算投影射線與對應靶標平面的交點，將交點稱為計算特征點；

6、計算各個已知特征點在攝像機坐標系下的坐標，將其與步驟5獲得的攝像機坐標系下的計算特征點的坐標比較，以二者距離和最小作為目標函數(shù)對攝像機參數(shù)再次進行非線性優(yōu)化。

步驟1所述的靶標為玻璃材質的平面靶標，靶標特征點為平面上的10×10個格點，格點之間的最小距離為9mm，其距離精度為0.001mm～0.01mm。

步驟2和步驟6所述的非線性優(yōu)化均采用Levenberg-Marquardt算法處理目標函數(shù)的極小化問題。

本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于：