本发明专利技术属于测量技术领域，将提供一种基于未知坐标共线特征点的摄像机畸变标定方法和基于预计算模板的畸变校正快速实现方法。根据直线透视投影不变性，以计算理想图像坐标到拟合直线距离和最小为目标，在未知摄像机的内外参数和特征点的世界坐标条件下，通过非线性优化函数估计镜头的畸变系数。由摄像机畸变系数，预计算理想图像坐标对应的畸变坐标，并存入模板矩阵，在图像畸变校正过程中直接查找模板矩阵读取理想图像坐标对应的畸变坐标，通过线性插值得到理想图像像素点的灰度值，从而完成图像畸变的快速校正。本发明专利技术提出的畸变系数标定方法成本低，算法简单，容易实现。提出的畸变校正快速实现方法计算量小，速度快。
【技术实现步骤摘要】
本专利技术属于测量
，涉及对摄像机畸变标定和校正实现方法的改进。
技术介绍
在计算机视觉、图像处理等领域，由于光学镜头畸变的存在，导致其成像模型与理想针孔模型不一致，拍摄出的图像存在几何失真。特别是在使用广角镜头时，在远离图像中心处会有较大的畸变。然而，计算机视觉领域中的大部分算法都是基于理想的针孔成像模型的。因此，如何求解摄像机的畸变系数并对图像进行畸变校正是计算机视觉领域的重要课题。理论上镜头的畸变会同时存在径向畸变和切向畸变，但一般来讲切向畸变比较小，大多数情况下只需要考虑一次径向畸变。 目前标定并校正镜头畸变的方法主要分为两大类。一类是计算机视觉领域中最常用的基于摄像机标定的方法，其特点是畸变系数的标定与摄像机其他参数的标定融合在一起。Roger Y.Tsai在文章“一种利用普通摄像机和镜头进行高精度三维机器视觉测量的通用摄像机标定技术”(A Versatile Camera CalibrationTechnique for High-Accuracy 3D Machine Vision Metrology Using Off-the-Shelf TVCameras and Lenses)，IEEE《机器及自动化》期刊，第RA-3卷，第4期，第323～344页，1987年(IEEE Journal of Robotics and Automation，Vol.RA-3，No.4，1987)中陈述了这种方法，此类方法首先建立世界坐标系中的特征点与图像坐标系中的二维图像点的对应，然后通过非线性优化来得到摄像机的畸变系数以及其他参数，该方法需要大量已知世界坐标的特征点，畸变系数的求解依赖于摄像机的其他内外部参数。另一类是未标定镜头的畸变系数求解，其特点是一般根据透视投影不变性的原理来求解镜头的畸变系数。贺俊吉等在文章“基于交比不变性的镜头畸变参数标定方法”(仪器仪表学报，Vol.5，No.25，pp.597～599，2004)中提出了基于交比不变性的镜头畸变参数标定方法，该方法要求特征点的世界坐标已知，因此需要高精度的标定靶标，有一定局限性。FREDERIC D.等在文章“直线一定是直的-结构环境中场景畸变的自动标定和消除”(Straight lineshave to be straight-Automation calibration and removal of distort from scenes ofstructure environments)，国际期刊《机器视觉及应用》，第13期，第14～24页，2001年(Machine Vision and Applications，No.13，pp.14-24，2001)中研究了基于直线透视投影不变性的镜头畸变参数标定方法，该类方法要求图像具有丰富的直线边缘，因此图像中的边缘直线的数量及其分布直接影响了畸变系数的标定，对于同一摄像机拍摄的图像可能得到不同的畸变系数，只能应用于非量测的畸变校正应用场合，另外算法的计算量大、实现过程比较复杂，畸变校正的实时性得不到保证。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于未知坐标共线特征点的摄像机畸变标定方法和基于预计算模板的畸变校正快速实现方法。以简化摄像机畸变标定过程，降低标定设备的成本，提高畸变校正算法的实现速度，满足其工程化应用的实时性要求。 本专利技术的技术解决方案是一种基于未知坐标共线特征点的摄像机畸变标定方法，其特征在于，1.1、设定靶标1。靶标为一个二维平面，在靶标平面上布置成矩阵排列的黑色矩形，数量为4～100个，矩形的长和宽在3～50mm范围内。选取靶面上黑色矩形的顶点作为特征点，特征点的数量为16～400个。要求靶标平面上至少有一条直线，该直线包括3个或者3个以上共线特征点存在，特征点的坐标未知；1.2、在摄像机的有效视场范围，自由放置靶标至少1个位置，每放置一个位置，拍摄一幅图像，称为畸变标定图像，靶标上所有特征点应包括在拍摄图像内，拍摄的所有靶标图像叠加在一起，尽量使叠加靶标图像充满整幅图像；1.3、提取所有畸变标定图像的特征点的实际图像坐标，将具有至少3个共线特征点标记为同组特征点；1.4、利用同组特征点在畸变标定图像中应该共线的特性，建立以计算理想图像坐标到拟合直线距离和最小为目标的优化函数，通过非线性优化方法估计摄像机畸变系数k；1.5、保存畸变系数k到系统参数文件，以备畸变校正实现调用；在获得摄像机的畸变系数后，就可以对图像进行畸变校正，本专利技术提出基于预计算模板的畸变校正快速实现方法，其特征在于，2.1、设原始畸变图像大小为w×h像素，校正后图像大小为W×H像素，由畸变系数k，w和h，确定W和H以及校正后图像的四个顶点坐标，从而获得校正后图像像素点的理想图像坐标(xu，yu)；2.2、根据摄像机畸变模型，由理想图像坐标(xu，yu)计算其对应的原始畸变图像中的实际图像坐标(xd，yd)。计算整幅图像像素点的理想图像坐标所对应的畸变图像坐标，分别将结果存入W×H阶矩阵Xd和Yd；2.3、根据理想图像坐标(xu，yu)，查找矩阵Xd和Yd得到其对应的原始畸变图像中的实际图像坐标(xd，yd)。根据(xd，yd)的4个邻域像素的灰度值进行线性插值计算得到校正后图像(xu，yu)点的灰度值。得到整幅图像的所有像素点的灰度值，保存校正后的图像；2.4、重复步骤2.3，校正新的畸变图像；本专利技术的优点是第一、本专利技术提出的基于未知坐标的共线特征点的摄像机畸变标定方法，不需要知道摄像机的内外部参数，也不需要知道共线特征点的世界坐标，需要的标定靶标成本低，算法简单，容易实现；第二、提出的畸变校正快速算法直接从预计算模板矩阵通过查找读取对应畸变坐标，大大地减小了计算量，提高了畸变校正的实时性；第三、本专利技术的摄像机畸变快速校正方法不仅适用于非量测的畸变校正，而且也适用于量测畸变校正场合，满足了计算机视觉测量中的精度要求。 第四、由于畸变校正实现采用查找表和线性插值实现，因此校正算法适用于硬件实现，为进一步提高畸变校正速度奠定了基础。附图说明图1是未知世界坐标的二维平面靶标示意图。图1中1是靶标体。 图2是标定用的一幅畸变图像及校正后图像。图2中，(a)是畸变图像，(b)是校正后图像。 图3是实际列出动态畸变图像及校正后图像。图3中，(a)是畸变图像，(b)是校正后图像，(c)是裁剪为原始图像大小的校正图像。具体实施方式下面对本专利技术做进一步详细说明。摄像机镜头畸变由径向畸变和切向畸变组成，对于大多数计算机视觉系统不需要考虑切向畸变。如果只考虑一次径向畸变，摄像机的畸变模型可表示为xu=xd(1+krd2)yu=yd(1+krd2)---[1]]]>其中(xu，yu)表示理想图像坐标，(xd，yd)表示畸变实际图像坐标，k表示一次径向畸变系数，rd2=xd2+yd2.]]>根据透视投影理论，三维场景中的一条直线经过透视投影之后在图像平面上仍然是一条直线(特殊情况下为一个点)。然而，摄像机实际拍摄出的图像往往会发生几何变形，导致三维场景中的直线在图像平面上发生几何变形，畸变为曲线。这个几何变形是由于镜头的畸变而产生的。根据直线的透视投影不变性，可以利用三维场景本文档来自技高网...
【技术保护点】
一种基于未知坐标共线特征点的摄像机畸变标定方法，其特征在于，１．１、设定靶标［１］。靶标为一个二维平面，在靶标平面上布置成矩阵排列的黑色矩形，数量为４～１００个，矩形的长和宽在３～５０ｍｍ范围内。选取靶面上黑色矩形的顶点作为特征点， 特征点的数量为１６～４００个。要求靶标平面上至少有一条直线，该直线包括３个或者３个以上共线特征点存在，特征点的坐标未知；１．２、在摄像机的有效视场范围，自由放置靶标至少１个位置，每放置一个位置，拍摄一幅图像，称为畸变标定图像，靶标上 所有特征点应包括在拍摄图像内，拍摄的所有靶标图像叠加在一起，尽量使叠加靶标图像充满整幅图像；１．３、提取所有畸变标定图像的特征点的实际图像坐标，将具有至少３个共线特征点标记为同组特征点；１．４、利用同组特征点在畸变标定图像中 应该共线的特性，建立以计算理想图像坐标到拟合直线的距离和最小为目标的优化函数，通过非线性优化方法估计摄像机畸变系数ｋ；１．５、保存畸变系数ｋ到系统参数文件，以备畸变校正实现调用；。
【技术特征摘要】
1.一种基于未知坐标共线特征点的摄像机畸变标定方法，其特征在于，1.1、设定靶标[1]。靶标为一个二维平面，在靶标平面上布置成矩阵排列的黑色矩形，数量为4～100个，矩形的长和宽在3～50mm范围内。选取靶面上黑色矩形的顶点作为特征点，特征点的数量为16～400个。要求靶标平面上至少有一条直线，该直线包括3个或者3个以上共线特征点存在，特征点的坐标未知；1.2、在摄像机的有效视场范围，自由放置靶标至少1个位置，每放置一个位置，拍摄一幅图像，称为畸变标定图像，靶标上所有特征点应包括在拍摄图像内，拍摄的所有靶标图像叠加在一起，尽量使叠加靶标图像充满整幅图像；1.3、提取所有畸变标定图像的特征点的实际图像坐标，将具有至少3个共线特征点标记为同组特征点；1.4、利用同组特征点在畸变标定图像中应该共线的特性，建立以计算理想图像坐标到拟合直线的距离和最小为目标的优化函数，通过非线性优化方法估计摄像机畸变系数k；...
【专利技术属性】
技术研发人员：周富强，胡坤，张广军，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。