平移初值操作的自标定方法技术

本发明专利技术揭示了一种平移初值操作的自标定方法，包括如下步骤：步骤１：构造目标函数ｆ（ｃ）；步骤２：控制摄像机相对于某一初始位置，保持姿态不变，作３次线性无关的平移运动，分别获取相对于初始位置的３个平移矢量，选取３次平移运动后的像平面上的匹配点对，确定摄像机内参数初值ｋ＝Ａ↑［－１］ｂ；步骤３：确定Ｃ的初值，用非线性优化目标函数法精化初值；步骤４：求出精化后的内参数矩阵Ｋ。本发明专利技术的自标定方法能有效改善计算机视觉的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种自标定方法，特别涉及一种。
技术介绍
人类正在进入信息时代，计算机将越来越广泛地进入几乎所有领域。 一方面是更多未经 计算机专业训练的人也需要应用计算机，而另一方面是计算机的功能越来越强，使用方法越 来越复杂。这就使人在进行交谈和通讯时的灵活性与目前在使用计算机时所要求的严格和死 板之间产生了尖锐的矛盾。人可通过视觉和听觉，语言与外界交换信息，并且可用不同的方 式表示相同的含义，而目前的计算机却要求严格按照各种程序语言来编写程序，只有这样计 算机才能运行。为使更多的人能使用复杂的计算机，必须改变过去的那种让人来适应计算机， 来死记硬背计算机的使用规则的情况。而是反过来让计算机来适应人的习惯和要求，以人所 习惯的方式与人进行信息交换，也就是让计算机具有视觉、听觉和说话等能力。这时计算机 必须具有逻辑推理和决策的能力。具有上述能力的计算机就是智能计算机。智能计算机不但使计算机更便于为人们所使用，同时如果用这样的计算机来控制各种自 动化装置特别是智能机器人，就可以使这些自动化系统和智能机器人具有适应环境，和自主 作出决策的能力。这就可以在各种场合取代人的繁重工作，或代替人到各种危险和恶劣环境 中完成任务。计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑 完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解 世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目 标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种 程度的智能完成一定的任务。计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何 信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之 间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。在大 多数条件下，这些参数必须通过实验与计算才能得到，这个过程被称为摄像机定标(或称为标 定)。标定过程就是确定摄像机的几何和光学参数，摄像机相对于世界坐标系的方位。标定精度的大小，直接影响着计算机视觉(机器视觉)的精度。目前各种文献中各式各样摄像机自标定方法的研究，究其本质均是基于绝对二次曲线 (The absolute conic)或其对偶绝对二次曲面(The absolute quadric)的方法。绝对二次曲 线或其对偶绝对二次曲面在图像中的像或其对偶的位置与摄像机的刚体运动无关、而只与摄 像机的内参数有关，根据这一性质，我们就可以通过绝对二次曲线或其对偶绝对二次曲面标 定摄像机内参数。基于传统的kruppa方程的摄像机自标定是基于绝对二次曲线的摄像机自标 定，但理论研究和实践都表明，基于传统的kruppa方程的摄像机自标定方法鲁棒性都较差。为了提高基于传统kr叩pa方程摄像机自标定方法的鲁棒性，本专利技术提出了一种新的二步 式摄像机自标定方法。
技术实现思路
本专利技术的目的是提供一种鲁棒性及标定精度较高的。 本专利技术方法的步骤包括步紅'构造目标函数:斥)^[(^g^-+其中，n为从n对拍摄的图像中提取对应点对信息，n23;步骤2:控制摄像机相对于某一初始位置，保持姿态不变，作3次线性无关的平移运动，分 别获取相对于初始位置的3个平移矢量，选取3次平移运动后的像平面上的匹配点对，确定摄像机内参数初值A:-(1^步骤3:通过C = Xi^确定C的初值，用非线性优化目标函数法精化初值； 步骤4:将C进行Cholesky分解可求出精化后的内参数矩阵《。作为本专利技术的一种优选方案，步骤2具体为控制摄像机相对于某一初始位置，保持姿 态不变，作N次线性无关的平移运动，分别获取相对于初始位置的N个平移矢量，选取N次平移运动后的像平面上的匹配点对，确定摄像机内参数初值& = ,16，其中N大于1。 本专利技术的有益效果在于能有效改善计算机视觉中的鲁棒性。附图说明图l为本专利技术方法的流程图。图2为基于传统的kru卯a方程的摄像机自标定和本专利技术提出的基于kr叩pa方程摄像机 自标定方法进行求精后求出的^的实验结果与理论值的绝对误差随噪声水平的变化曲线。图3为基于传统的kru卯a方程的摄像机自标定和本专利技术提出的基于kr叩pa方程摄像机 自标定方法进行求精后求出的^的实验结果与理论值的绝对误差随噪声水平的变化曲线。图4为基于传统的kruppa方程的摄像机自标定和本专利技术提出的基于kruppa方程摄像机 自标定方法进行求精后求出的r的实验结果与理论值的绝对误差随噪声水平的变化曲线。图5为基于传统的kruppa方程的摄像机自标定和本专利技术提出的基于kruppa方程摄像机自标定方法进行求精后求出的w。的实验结果与理论值的绝对误差随噪声水平的变化曲线。图6为为基于传统的kruppa方程的摄像机自标定和本专利技术提出的基于kruppa方程摄像机自标定方法进行求精后求出的v。的实验结果与理论值的绝对误差随噪声水平的变化曲线。具体实施例方式由于传统的基于Kruppa方程的摄像机自标定方法的鲁棒性差，本专利技术提出了一种新的二 步式标定方法。首先对Kruppa方程进行简化，确定了经简化后的非线性优化目标函数，再通 过摄像机的三次线性无关的任意平移运动确定初值，然后用非线性优化目标函数法精化初值。 这种方法可以大大提高基于kruppa方程标定方法的鲁棒性及标定精度。假设摄像机的模型是常用的线性模型"针孔模型"。因此从三维空间点^-"，y，z，""到二维图像点M-("，v，1)『的成像关系可以表示为<formula>formula see original document page 5</formula>是摄像机的内参数矩阵，是摄像机坐标系相对于世界坐标系的旋转矩阵与平移向量。其基本矩阵形式为:i^s^-r[4^iT1,其中表示在相差一个常数因子意义下的相等，Wx表示由向量^-(^GA)f定义的反对称矩阵，gPx =<formula>formula see original document page 6</formula>由计算/r'推出x—r[aiT、丄[^L，因极点e'三/:"则irr[a/r^[e'L ，故 f s K，a及ir1 s irr[^rtiwr1 s [eu及/r1 。即存在非零常数义，使得<formula>formula see original document page 6</formula>由式(2.2)得 <formula>formula see original document page 6</formula>将上两式等式两边分别相乘，可得 又因为及<=五，五为单位矩阵，所以可以推出FCFr =;i2xC(Kruppa方程)成立，其中C二^0^ (2.3)由上述结论可知，只要求出C，便可唯一的分解出摄像机的内参数矩阵X 。 Kr叩pa方程 还有另一种表示形式(FCFQu — (,CFr)12 二 (FCFr)13 — (，r)22 —(群 (舒 ^中 (xCxCxCx —(xqy]xr)22 — (xqy ]:)" 本文档来自技高网...

【技术保护点】
一种平移初值操作的自标定的方法，其特征在于，包括如下步骤：　步骤１、构造目标函数ｆ（ｃ）；　步骤２、控制摄像机作平移运动，确定摄像机内参数初值ｋ；　步骤３、确定Ｃ的初值，用非线性优化目标函数法精化初值；　步骤４、求出精化后的内参数矩阵Ｋ。

【技术特征摘要】

【专利技术属性】
技术研发人员：郝泳涛，
申请(专利权)人：同济大学，
类型：发明
国别省市：31[中国|上海]