【技术实现步骤摘要】
本专利技术涉及相机标定，具体是基于delaunay三角网的相机自标定方法。
技术介绍
1、摄像机标定技术利用图像信息还原得到具有度量意义的摄像机模型，被广泛应用于三维重建、视频监控等领域。相机内参数和光学畸变系数被用于描述相机自身特性，是精确获取被测物体的三维坐标的前提。目前已有的相机标定方法大都受到数据源的限制，需要特定标定物、并控制相机做特殊运动。
2、相机自标定方法从射影几何理论的角度出发，证明了多幅图像序列之间每两幅图像均存在着一定的约束关系。这种关系不与所拍摄到的场景内容和相机的运动有关，只取决于相机自身的内参数，因此不需要标定块，只是通过摄像机在运动过程中建立多幅图像之间对应的关系，直接进行标定，它克服了传统标定方法的缺点，灵活性较强，逐渐成为当今研究主流。但目前针对相机自标定方法的研究，仍存在一些问题：
3、1、目前大多数相机自标定方法还普遍存在标定精度低、鲁棒性差、对噪声和初值敏感，且容易陷入局部最优解等问题。
4、2、图像中对应的几何约束关系易受环境影响，标定步骤较为繁琐。
5、3、相机自标定过程受场景限制，特别是在地形条件复杂的大视场、远距离场景中，可实施性较差，无法满足快速自标定的需求。
6、基于此，现在提供基于delaunay三角网的相机自标定方法，可以消除现有装置存在的弊端。
技术实现思路
1、本专利技术的目的在于提供基于delaunay三角网的相机自标定方法，以解决
技术介绍
中的现代的该产品的缺点
2、为实现上述目的，本专利技术提供如下技术方案：
3、基于delaunay三角网的相机自标定方法，包括以下步骤：
4、s1：采集实验区域内图像，利用harris算法对实验图像进行角点检测，并利用高斯平滑函数剔除伪点；
5、s2：利用步骤s1中提取的特征角点构建delaunay三角形，优化剔除“病态三角形”；
6、s3：利用步骤s2所构建的delaunay三角形构建三角形区域特征描述子，完成图像的粗匹配及精匹配，获取特征点集；
7、s4：利用实验区域的点云数据进行体素化及栅格化处理，转换成深度图后，提取深度图的特征点；
8、s5：利用步骤s4中提取的特征点构建delaunay三角形并和步骤s2中的构建的delaunay三角形进行匹配，获取匹配特征点集；
9、s6：利用步骤s3中获取的特征点集，建立三组匹配图像的特征点关系方程，计算出基础矩阵与极点坐标，并推导出kruppa方程，计算出相机内参；
10、s7：在步骤s5中获取的匹配特征点集基础上，构建坐标关系方程和相机投影矩阵，引入特征匹配点集求解方程，获取相机外参。
11、在上述技术方案的基础上，本专利技术还提供以下可选技术方案：
12、在一种可选方案中：所述步骤s2中，利用步骤s1中分割后的每个特征点子集构建delaunay三角形并进行变换优化，在合并相邻子集后，进一步剔除“病态”三角形。
13、在一种可选方案中：所述步骤s3中，利用步骤s2获取的delaunay三角形，构建三角形描述子，对任意三角形的三边所构成的区域建立支撑区域，并构造支撑区域内每个像素的旋转不变特征向量。
14、在一种可选方案中：所述步骤s4中，根据点云的分布空间建立一个均匀的三维体素栅格并进行重采样，并在此基础上，建立点云和图像的映射关系，获取点云在二维平面上的投影，确定图像的灰度值。
15、在一种可选方案中：所述步骤s5中，利用射影不变量性质中共点线束的交比，判别错误匹配对，进行精匹配。
16、在一种可选方案中：所述步骤s6中，利用对极几何的性质，建立两幅待匹配图像的特征点关系方程，引入二维匹配点集，并采用八点法进行基础求解。
17、相较于现有技术，本专利技术的有益效果如下：
18、1、本专利技术将计算机视觉与点云数据处理相结合，通过构建delaunay三角网模拟地形特征信息，实现了三维点云与二维图像的特征匹配，实现复杂地形条件下的相机自标定，且标定精度高，鲁棒性好，不容易受到噪声和初值的影响。
19、2、本专利技术通过构建图像与点云的delaunay三角网表征场景地形特征，降低了相机标定对于场景地物几何特征的要求，实现了复杂地形条件下的相机自标定，简化了标定步骤，提高了相机标定的灵活性和普适性。
本文档来自技高网...【技术保护点】
1.基于Delaunay三角网的相机自标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S1中还需要对提取的特征点集做分割、排序处理。
3.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S2中，利用步骤S1中分割后的每个特征点子集构建Delaunay三角形并进行变换优化，在合并相邻子集后，进一步剔除“病态”三角形。
4.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S3中，利用步骤S2获取的Delaunay三角形，构建三角形描述子，对任意三角形的三边所构成的区域建立支撑区域，并构造支撑区域内每个像素的旋转不变特征向量。
5.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S4中，根据点云的分布空间建立一个均匀的三维体素栅格并进行重采样，并在此基础上，建立点云和图像的映射关系，获取点云在二维平面上的投影，确定图像的灰度值。
6.根据权利要
7.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S6中，利用对极几何的性质，建立两幅待匹配图像的特征点关系方程，引入二维匹配点集，并采用八点法进行基础求解。
...【技术特征摘要】
1.基于delaunay三角网的相机自标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于delaunay三角网的相机自标定方法，其特征在于，所述步骤s1中还需要对提取的特征点集做分割、排序处理。
3.根据权利要求1所述的基于delaunay三角网的相机自标定方法，其特征在于，所述步骤s2中，利用步骤s1中分割后的每个特征点子集构建delaunay三角形并进行变换优化，在合并相邻子集后，进一步剔除“病态”三角形。
4.根据权利要求1所述的基于delaunay三角网的相机自标定方法，其特征在于，所述步骤s3中，利用步骤s2获取的delaunay三角形，构建三角形描述子，对任意三角形的三边所构成的区域建立支撑区域，并构造支...
【专利技术属性】
技术研发人员：曾微波，倪伟佳，赵星悦，姚睿涵，汪博雅，张乾坤，
申请(专利权)人：滁州学院，
类型：发明
国别省市：
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。