基于圆形特征的摄像机标定.docx
- 文档编号:11264017
- 上传时间:2023-02-26
- 格式:DOCX
- 页数:19
- 大小:128.84KB
基于圆形特征的摄像机标定.docx
《基于圆形特征的摄像机标定.docx》由会员分享,可在线阅读,更多相关《基于圆形特征的摄像机标定.docx(19页珍藏版)》请在冰豆网上搜索。
基于圆形特征的摄像机标定
1.课题的研究背景及意义
本课题为自选课题,即基于圆形特征的摄像机标定技术研究。
1.1课题研究背景
视觉是人类感知环境世界,认识外部世界的主要途径。
据统计人类约有80%信息是通过视觉获得的[1]。
计算机视觉的基本任务之一也是从摄像机获取的图像信息出发计算三维空间中物体的何信息,并由此重建和识别物体。
虽然,目前人们还不能让计算机也具有像生物那样高效、灵活的视觉系统,但这种希望正在逐步实现。
视觉测量技术,是以机器视觉技术为基础,融合电子技术、计算机技术、近景测量技术、图像处理技术为一体的测量系统。
其试图通过对图像对被测目标进行测量,无须基础被测物体本身,这一间接测量的特点,使得视觉测量系统具有受外界条件影响小,信息获取和测量数据处理在时间上是接近同步的。
机械化、自动化程度高。
因此,该视觉测量系统特别适合对于大量目标点的实时快速测量,也能实现对于动态目标的快速坐标测量、位置跟踪以及目标质量的检测,其操作方便,自动化程度较高。
对于操作人员的技术水平要求不高,在有毒、有害预计人无法进入的环境下也能进行测量[2]。
摄像机标定首先是在摄影测量了学中提出,随着计算机视觉的发展,成为该领域中的一个经典问题。
摄像机标定是三维重建必不可少的步骤,摄像机标定结果的好坏直接决定着三维重建结果以及其他计算机视觉应用效果的好坏,所以,研究摄像机的标定方法具有重要的理论研究意义和重要的实际应用价值。
计算机视觉检测技术以其非接触、快速、高精度、自动化程度高等诸多优点,在许多领域得到越来越广泛的应用,如三维重构、导航、视觉监控、大型复杂曲面的三维检测、大型工件平行度的垂直测量、机械零件的自动识别与几何测量、字符识别、汽车牌照识别、医学图像分析、飞船或者导弹三维姿态测量、未来外星车导航等。
计算机视觉检测中,在对景物进行定量分析或对物体进行精确定位时都需要进行摄像机标定,即准确确定摄像机的内部参数和外部参数,因此,寻找新的快速有效的摄像机标定计算方法是计算机视觉应用中的一个重要问题。
1.2课题研究意义
摄像机标定技术来源于摄影测量学。
摄影测量学中所使用的方法是数学解析方法,在标定过程通常要利用数学方法对从图像中取得的数据进行处理。
通过数学处理手段,摄像机标定提供了非测量摄像机与专业测量摄像机之间的联系。
对摄像机的标定有着重要意义:
1.对于计算机视觉研究而言,在利用计算机技术是想对三维景物的描述。
识别和理解这一任务时,CCD摄像机是对物理世界进行三维重建的一种基本测量工具,这时摄像机标定被认为是实现三维欧氏空间立体视觉的基本而关键的一步。
总体来说,其计算方法与摄影测量学所使用的基本相同,但是也存在着一定的差异:
首先,在计算机视觉系统中使用的CCD摄像机作为价格低廉的非测量摄像机,其参数未知或者不稳定,且CCD摄像机数字化图像分辨率低,存在量化误差,存在非线性镜头畸变等因素;其次,在计算机视觉中,进行三维重建需要大量的图像点,有时要求实时地处理数据并给出结果。
因此,摄像机标定是计算机视觉实现的前提和基本问题。
2.在高精度测量中,对摄像机进行高精度标定的根本目的是找出成像畸变的因素,进而对图像畸变作出修正,为后续实验处理提供理想的图像,从而提高测量结果的精度。
因此,尽管目前的标定方法校多,但是我们对摄像机标定方法的研究没有尽头。
因为我们总是需要运算更精确、精度更高、使用更方便灵活的标定方法,这意味着在特征点提取、运算瓶颈、方程病态、冗余参数、模型表达等各个方面都需要更好地解决。
3.不同的应用背景也对摄像机标定技术提出了不同的要求。
在立体计算机视觉中,如果系统的任务是物体识别,则物体相对于某一个参考坐标系的绝对定位显得并不特别重要,更重要的是物体特征点间相对位置的精度。
举例来说,在一个基于CAD的物体识别系统件,所研究的物体上的特征的相对位置必须具有足够高的精度,才能进行有效的匹配和识别。
如果系统的任务是物体的实时定位,相对于某一个参考坐标系的绝对定位精度和数据的实时处理就显得特别重要了。
例如,在一个自主导航系统中,自主式移动机器人必须准确地知道其自身的位置、作空间中障碍物的位置、以及障碍物的运动情况,才能有效地、安全地进行导航。
又或者系统的任务是非接触测量或三维重建,则对数据实时处理的能力要求的就不是特别的重要了,其主要侧重于测量精度。
例如,车轮定位系统中,用于四轮定位的摄像机设备的参数稳定,在一次标定后可以直接利用,从而准确计算出必要的参数。
CCD摄像机的上述特点和应用问题的要求使得定标技术、精度和实时性等问题的研究显得特别重要,同时也导致了研究成果的多样性。
2摄像机标定技术的理论基础
摄像机标定的途径是根据摄像机模型,由已知特征点的图像坐标和世界坐标求解摄像机的模型参数。
摄像机需要标定的模型参数分为摄像机内部几何与光学特性参数即内部参数和摄像机在三维空间坐标系中位置和方向参数即外部参数。
2.1摄像机模型
不同的摄像机成像模型对应不同的参数集合;不同的参数集合又对应不同的求解方法。
摄像机成像模型包括线性成像模型和非线性成像模型。
线性模型是根据小孔成像原理,建立像点和对应物体表面空间的几何位置关系,描述的是理想情况,即像点、投影中心和相应的空间点三者是共线关系。
实际应用中,由于立体视觉系统,摄像机的物理构造产生各种畸变,使得实际像点位置会偏离理想像点位置,造成像点、投影中心和相应的空间点之间的贡献关系遭到破坏,所以需要建立畸变校正模型,即非线性模型。
一个完整的成像模型应当包括线性模型和非线性模型。
为将实际像点坐标值代入畸变校正模型,修正为近似理想像点坐标值后,才能代入线性模型求解摄像机参数。
2.1.1线性模型摄像机标定
在摄像机模型中,一般需要用到三种坐标系,即图像坐标系、摄像机坐标系和世界坐标系,如图2-1所示,
图2-1图像坐标系、世界坐标系以及摄像机坐标系
1)世界坐标系(XW,YW,ZW)是在环境中选择的一个基准坐标系,用来描述摄像机的位置,可以根据描述和计算的方便等原则来自由选取,我们把世界坐标中的任一点用(xw,yw,zw)表示。
对于有些摄像机模型,选择适当的世界坐标系可以大大简化模型的数学表达式。
2)摄像机坐标系(XC,YC,ZC)以摄像机镜头光心OC为坐标原点,XC、YC轴平行于图像平面,ZC轴垂直于图像平面,与图像平面的交点在图像坐标系上的坐标为(u0,v0)即摄像机的主点。
需要注意的是该点一般位于图像平面的中心处,但出于摄像机的制作原因,有时也会有偏离,因此摄像机主点坐标一般也是需要标定的两个参数。
摄像机镜头光心与主点之间的距离就是焦距f。
对于图像中的任一点,我们用(u,v)表示。
3)图像坐标系(u,v)是定义在二维图像上的直角坐标系,分为以像素为单位和以物理长度(如毫米)为单位两种,分别用(u,v)和(x,y)表示,如图2-2所示,其坐标原点一般定义在图像的左上角。
图2-2图像坐标系
摄像机采集的图像以标准电视信号的形式输入计算机,经计算机中的专用数模转换板变换成数字图像。
每幅数字图像在计算机内为M×N数组,M行N列的图像中的每一个元素(像素)的数值即是图像点的亮度(或称灰度)。
如图3-2所示,按照习惯,在图像上定义直角坐标系u,v,每一像素的坐标(u,v)分别是该像素在数组中的列数与行数。
(u,v)是以象素为单位的图像坐标系的坐标。
由于(u,v)只表示象素位于数组中的列数与行数,并没有用物理单位表示出该象素在图像中的位置,因而,需要再建立以物理单位(例如毫米)表示的图像坐标系。
该坐标系以图像内某一点O1为原点,x轴与y轴分别与u,v轴平行,如图2-2所示。
在x,y坐标系中,原点O1定义在摄像机光轴与图像平面的交点,该点一般位于图像中心处,但由于摄像机制作的原因,也会有偏离,若Ol在u,v坐标系中的坐标为(u0,v0),每一个象素在x轴与y轴方向上的物理尺寸为dx,dy,则图像中任意一个象素在两个坐标系下的坐标有如下关系:
(2.1)
我们用齐次坐标与矩阵形式将上式表示为:
(2.2)
2.1.2成像关系推导
摄像机坐标系和世界坐标系之间的关系可以理应旋转矩阵R和平移矩阵T来表示,所以在世界坐标系的任意一点P(XW,YW,ZW,1)和它在相机坐标系中的对应点(XC,YC,ZC,1)就存在以下关系:
(2.3)
其中旋转矩阵R是一个3×3的矩阵,平移向量T是一个3×1的矩阵。
摄像机的成像过程就是将世界坐标系中的物体信息转换到摄像机坐标系,再由摄像机坐标系转换到图像坐标系的过程。
光学成像的理论模型是针孔模型,也就是常说的透视投影模型。
根据针孔模型理论,相机坐标系到图像坐标系的转换过程可以利用以下关系式表示:
(2.4)
为了以后计算和说明方便,将关系式展开为:
(2.5)
将关系式(3.2)(3.3)和(3.4)带入关系式(3.5),我们就可以得到世界坐标系中的点P的世界坐标(XW,YW,ZW)与它的投影点在图像坐标系中的坐标(u,v)的转换关系:
(2.6)
若令A〔RT〕=H,则称矩阵H为单应性矩阵(homography)。
由于ax,bx,u0,v0等参数完全与摄像机内部结构有关,所以我们把这些参数叫做摄像机的内参数,而矩阵R和T中的参数完全是由摄像机坐标系相对于世界坐标系的位置决定的,我们把这些参数叫做摄像机的外部参数。
2.1.3引入畸变的摄像机模型
由于理想摄像机模型的“镜头”是一个小孔,而实际的摄像机镜头是一个由若干块有一定面积和厚度的透镜组成的光学系统,这样一个系统会使投影成像过程发生一定的畸变。
由于镜头畸变是因素,投影得到的实际图像坐标P(xd,yd)T并不是按照上面理想针孔投影下的图像坐标,其关系式下式表示:
(2.7)
其中,δx和δy为畸变量。
镜头畸变包括径向畸变、切向畸变、离心畸变等。
如下所示:
(2.8)
其中,
,k1,k2为径向畸变;p1,p2为离心向畸变;a为切向畸变。
因此,为了提高标定精度,必须对摄像机镜头的非线性畸变进行校正。
2.2摄像机参数模型
摄像机需要标定的模型参数如表2-1所示。
参数
表达式
自由度
透视变换
A=
5
径向畸变,切向畸变
K1,k2,p1,p2
4
外部参数
R=
,T=
6
表2-1摄像机需要标定的模型参数
摄像机的内部参数指的是摄像机成像的基本参数。
表3-1中,ax,ay,u0,v0,是线性模型的内部参数,其中,ax和ay分别是u轴和v轴的尺度因子,或成为有效焦距,u0和v0是光学中心,是u轴和v轴的不垂直因子;R和T分别是旋转矩阵和平移矩阵,成为外部参数;对于非线性模型的内部参数,除了线性模型的内部参数外,还包括径向畸变参数K1、k2和切向畸变参数p1、p2。
3.摄像机标定技术技术的发展现状
3.1摄像机标定技术的分类
就现有的研究成果而言,摄像机标定的方法有很多种,一般都是由实验和算法两部分组成。
根据实验部分对摄像机标定的方法进行分类是目前较为常用的分类方法,其中比较直观和全面的方法是根据标定参照物空间维数的不同,把摄像机标定方法分为四类,其中包括无须标定物的摄像机自标定技术以及基于标定物的摄像机标定技术。
摄像机自标定使用方便,无需专门制作标定物,但是精度往往无法满足高精度三维重建和高精度测量的需要,鉴于对精度的要求,因此许多学者将研究重点放在基于标定物的摄像机标定算法上。
常见的标定物包括一维标定物(包括数个标志点的线状物体【】),二维标定物(或者成为平面标定物,如棋盘格【】、平面圆【】、一般平面二次曲线【】等),三维标定物(立方格【】、球、旋转体【】等)。
一维标定物适合于有公共视场的多摄像机标定,因为所有的摄像机都可以同时看到标定物体;三维标定物体的标定精度非常高,但是制作高精确度的三维标定物比较复杂,成本较高,不适合普通应用;二维标定物是在标定精度和制作难度之间的一个良好折中,在计算机视觉领域得到了广泛的应用。
3.2摄像机标定技术的国内外现状
鉴于摄像机标定技术在理论与实践中的重要价值,在过去的十几年时间里引起了学术界的广泛注意和重视,经过多方面的探索和研究基于不同的出发点和思路取得了一系列成果。
一般来说,线性模型计算方便,运算速度块,能得到解析解,但很难完整表达镜头的像差与摄像机复杂的成像过程;而非线性模型能更好地模拟和补偿各种像差,提高模型的精度,但计算量大,往往需要采用非线性优化,鲁棒性降低。
3.2.1传统摄像机标定方法
传统摄像机标定是利用个标准参照物与其对应图像的对应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,己经有较成熟的方法和理论。
在高精度标定算法,中,两步法是目前较好的方法,其是由Tsai首先提出的【】,该方法虽然简单、快速,但仅考虑了镜头畸变,且对图像原点没有修正。
之后张正友提出有平面模板两步法来标定摄像机,其在本质上是一种传统的摄像机标定方法,只是用一个平面模板代替了传统摄像机标定中的标定块,其特点是方法简单方便,成本低,标定的稳定性和精度相对于自标定来说要高。
该方法使用的标定模板如图3-1(a)所示,首先确定模板中的每个小方格的角点在世界坐标系中的坐标,为了简化计算,张假设世界坐标系的Zw=0平面位于模板表面上;然后用摄像机获得三幅(或三幅以上)不同方位的模板图像,并利用图像处理方法提取图像中的每个角点的像素坐标;再将这两组坐标带入公式(2.6)中计算出单应性矩阵,并将其线性分解出内参数矩阵和外参数举证;最后带入畸变模型公式计算出畸变系数,再利用非线性算法优化所有参数。
AihuaChenBingweiHe在Zhang方法的基础上提出的基于几何特征的摄像机标定方法使用的模板时有尺寸相同的黑、白小方格交错拼接而成的棋盘状模板(如图3-1(b)所示),和Zhang方法飞模板不同,这种模板的各角点之间的距离相等,因此角点图像坐标的提取更简单。
随后,由JanneHeikkilä提出新的标定技术,该方法使用的模板如图3-1(c)所示,这种模板是以圆孔中心为标定参照点,优点是圆孔中心坐标对图像处理中的阈值化操作不敏感。
图3-1(a)图3-1(b)图3-1(c)
3.2.2基于圆形特征的平面模板的摄像机标定
采用上述方法传统摄像机标定方法时,都需要先确定标定模板和图像的对应信息,然后精确地检测到模板上的点与图像上的点的对应信息,然后通过计算得到摄像机的内外参数,而确定标定模板与图像对应信息的精度则直接影响到后面的标定精度,因此角点检测的精度就显得更为重要了。
目前存在很多角点检测的方法,大致可分为四类:
基于边缘的检测方法、基于灰度的检测方法、基于参数模型的检测方法以及基于局部能量的检测方法等[3]。
而角点检测算法通常需要确定模板上点阵的物理坐标以及图像和模板之间的点匹配,当图像和选取的点较多时,这种匹配关系的确定回成为一种极大的负担,给使用者带来不便。
类似的利用平面场景进行摄像机标定的方法还有Sturm和Stephen提出的类似的方法,并对算法的奇异性进行了详细的讨论,基于圆环点的标定技术和基于平面二次曲线的标定技术也都是属于基于平面标定物的标定算法。
杨长江、孙凤梅、胡占义等提出的基于二次曲线的标定方法,采用的模板如图3-2所示,利用图像和模板之间的二次曲线对应来标定摄像机,而不再是利用点与点之间的对应。
从而减轻了由于匹配关系复杂而给使用者带来的负担。
而而此二次曲线也是一种更简洁、更全局化的机缘,因而可以进一步提高算法的稳定性。
另外,此方法还可以得到摄像机自标定问题的解析解,解的过程不需要迭代,所有的计算只涉及线性代数中的一些简单的矩阵处理技术。
随后为了摆脱标定过程中人工干预,孟晓桥、胡占义提出了的一种新的机遇圆环点的标定技术,该标定方法采用了一种新型的标定模板(如图3-3(a)所示),即一个圆和通过圆心的若干条直线,也可以是模板(如图3-3(b))。
该方法仅要求摄像机在3个(或3个以上)不同方位摄取一个含有若干条直径的圆的图像,既可线性求解出全部摄像机内参数。
采用这种模板的标定方法不存在匹配问题,也不需要知道任何模板上的物理度量,完全摆脱了人工干预,使得整个标定过程非常简单,能够全自动的进行。
但是该方法要求在图像中精确定位圆形的像点,而在有噪声的情况下,各条直径的像直线并不是总是较于一点,于是只能规定一条最优点作为圆心的像,这就大大降低的方法的鲁棒性。
孟首先将虚原点的概念引入到基于圆的摄像机标定技术中来,成为后续算法的基础。
图3-2图3-3(a)图3-3(b)
由于确定二次曲线比确定一个点或者是一条直线需要更多的参数,因此,基于二次曲线的方法应该具有更高的鲁棒性。
Jun-SikKim分析了同心圆在透视投影条件下的性质,提出了基于同心圆的摄像机标定方法,首先提取图像信息中的二次曲线坐标,根据其坐标信息利用Cholesky矩阵分解算法求解出摄像机的内参数,再根据相应关系式求解摄像外参数。
作者指出该方法具有较强的实用性,对于部分遮挡等情况,同样具有较高的精度。
吴艺红等提出了基于平行圆的摄像机标定算法,其标定物是两个相离的共面圆,或者两个平行的圆。
该方法把基于两个圆的标定算法进一步完善,但是无法应用于两个内含的平面圆。
INRIA科学家[34]彻底分析了两个共面圆的射影性质,从而建立了统一的基于平面圆的摄像机内参数标定算法。
该方法适用于部分两个内含圆的情形。
3.3基于圆形特征的摄像机标定技术存在的问题
相对于其他平面标定物而言,圆形标定物具有制作减点,无需特征对应,标定精度高,几何意义清晰等优点,从而更多学者对圆形标定物的几何性质进行研究,并提出很多实用的算法。
但是在实际应用过程中也存在很多的问题。
1.基于圆形特征的摄像机标定在图像采集的过程,平面圆在像面上的投影为椭圆,由于要确定二次曲线比确定一个点或者是一条直线需要更多的参数,因此我们在图像处理的时候需要对图像信息进行特征检测与提取。
2.根据投影几何原理,由于摄像机的物理构造导致的畸变现象使得图像信息中的椭圆中心点并不是平面中心的投影点,因此,我们需要对其中心投影点进行校正,精确提取圆心的像面坐标。
非对称性投影的校正方法(Heikkilä)
3.传统是摄像机标定算法根据特征点匹配建立约束关系,通常需要拍摄三幅(或三幅以上)不同方位的模板图像,而在实际的变焦距摄像机中,通常改变的参数只有焦距,其主点、纵横比和倾斜因子往往保持不变。
因而,没有必要利用多幅视图进行完全内参数标定。
4.综上所诉,现存的基于平面圆的摄像机标定算法多是侧重于摄像机内参数的标定,而忽略了外参数的标定。
总之,目前需要针对圆形特征的摄像机标定算法进行研究,从而使运算更精确,精度更高,使用更方便灵活。
4.研究内容及研究方案
4.1研究内容
课题研究工作从传统摄像机标定技术的研究出发,侧重于基于圆形特征的摄像机标定技术,并着重研究基元二次曲线的求解摄像机参数。
主要包括以下几个方面:
(1)图像处理;
(2)圆心像点坐标的精确定位;
(3)图像信息中特征值的提取;
(4)智能优化算法提高摄像机标定精度;
(5)双目全局标定;
4.2研究方案及拟采用技术
4.2.1图像处理
各种图像数据,在形成、传输、接受和处理过程中,不可避免的存在外部干扰和内部干扰,这些随机干扰使得图像信号质量下降,图像处理中常采用图像增强技术和图像恢复技术来改善图像质量。
图像增强是指按特定的需要突出图像的某些信息,同时,削弱或除去某些不需要的信息。
图像增强的主要目的是提高图像的可读性。
图像恢复是指利用图像退化现象的某些先验知识来重建或恢复图像,使其尽量逼近于理想的、未退化的原图像。
图像复原的主要目的是提高图像质量的逼真度。
标定过程中的图像处理是指对视觉图像的特征信息提取。
摄像机对不同位置的标靶平面拍摄形成图像,然后利用图像增强技术提取特征信息为摄像机参数的求解提供数据。
因此,不论是基于特征点匹配的摄像机标定还是基于二次曲线的摄像机标定技术都需要进行图像处理。
边缘是图像的最基本信息,因此利用边缘检测技术可以有效提取图像中的特征信息。
边缘检测我一般过程为:
图像滤波、图像增强、图像检测和图像定位。
4.2.2圆心像点坐标的精确定位
基于特征点匹配的摄像机标定方法往往需要对角点坐标进行高精度提取,若采用图3-1(c)模板对摄像机内部参数进行标定,则其圆心就是标定点,首先就要获得圆心的像点坐标,根据射影几何原理,标靶上的圆在图像中为椭圆,但椭圆的像点中心未必是圆心圆心的投影。
由于图像与标靶的对应为摄影对应,而摄影对应应该保持结合性,所以如图4-1,图4-2所示,标靶上的圆的切线变为图像上椭圆的切线,两圆的公切线变为两椭圆的公切线,圆心变为椭圆两对切点连线的交点,图4-2中,A'、C'两椭圆的公切线为A1C1,A2C2,A'、E'两椭圆的公切线为A1E1,A2E2,对切点连线之交点A1A2×A3A4即为A的像A'。
图4-1标定物图4-2从某方位拍摄标靶的图像
4.2.3椭圆/二次曲线的提取
二次曲线可由公式(4-1)表示:
(4-1)
并且当5个自由参数a、b、c、d、e、f中的a、b、c满足b2-ac<0则二次曲线为椭圆。
在景物中大量存在的圆形、椭圆形物体经过透视成像后会变成椭圆,因而椭圆成为计算机视觉中常常遇到的特征元,因此高精度的椭圆提取是后续物体辨识与测量的先决条件。
根据二次曲线参数方程可知椭圆由五个参数描述
,即中心点
,长轴a,短轴b,以及长轴a与x轴的夹角
。
如图4-3所示:
图4-3椭圆及其参数示意图
目前有许多椭圆提取算法,它们大致可分为基于Hough变换及基于边缘编组拟合的两类算法。
前者首先利用Hough变换实现从图像空间到椭圆描述参数空间的映射,然后在参数空间中,通过峰值检测来提取椭圆参数,这类方法虽抗噪性能好、鲁棒性强,但同时也有存储量大、计算复杂、精度与速度难以兼顾的缺点,而且当图像中存在多个目标时,高维参数空间中的峰值检测将非常困难;后者则首先检测出图像中的边缘,然后根据邻接关系将边缘编组为长边缘,最后通过分析长边缘的曲率及凹凸等几何性质拟合出椭圆,该类方法的缺点是处理过程复杂和算法的抗噪能力不强。
本课题提出一种基于Hough变换并利用最小二乘法进行椭圆拟合的检测算法。
拟采用随机Hough变换。
其每次取2点计算,可得到惟一参数空间点,计算次数达到一定值时,根据投票规则,提取局部线段,然后移去属于该曲线段的点,对剩下的点采用相同的方法检测,直至结束。
特征提取算法从某种意义上看,它是由局部边缘信息中恢复全局结构,若引入除局部的边缘信息之外更多的诸如形状、位置、相关性等先验信息,将极大地提高算法的精度、速度与鲁棒性,而提取结果也同时给出了一种对数据的本质描述。
4.2.4智能优化算法提高摄像机标定精度
智能优化算法
4.4.5基于二次曲线参数求解摄像机参数
传统
4.4.6多摄像机的全局标定
车轮定位视觉检测系统中左右摄像机采用单目视觉测量后,还需进行系统全局标定。
摄像机的标定是影响测量的重要步骤,特别是在多摄像机的情况下,全局标定是整个系统实现测量目标的关键,影响着整个系统的测试精度。
多摄像机的全局标定,是把各个传感器的数据统一到总体的世界坐标系中,即求出各个摄像机世界坐标系下的模型参数。
目前常用的方法是同名坐标统一法和中介坐标统一法。
这两种方法都要分别对各个摄像机局部标定和多次坐标变换,由此带来了精度的损失[21]。
李等提出了利用激光跟踪仪的多摄像机全局标定方法,只需一次坐标变换即可完成多摄像机的全局标定,但是需要特殊的三维测量仪器(激光跟踪仪);张广军等提出了一种基于单经纬仪和平面靶标的多摄像机全局标定方法,将平面靶标作为中介来实现三维数
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 圆形 特征 摄像机 标定