一種攝像機標定方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機視覺技術(shù)領(lǐng)域，特別涉及一種攝像機標定方法。
【背景技術(shù)】
[0002] 隨著科技的發(fā)展更新，計算機視覺技術(shù)在日常生活和工業(yè)生產(chǎn)中得到了廣泛的應(yīng) 用。計算機視覺的研究目的就是使計算機具有通過二維圖像認知Η維環(huán)境信息的能力。送 種能力將不僅使機器能感知Η維環(huán)境中物體的幾何信息，包括它的形狀、位置、姿態(tài)、運動 等，而且能對他們進行描述、存儲、識別與理解。
[0003] 計算機視覺系統(tǒng)從攝像機獲取的圖像信息出發(fā)，計算Η維環(huán)境中物體的位置、形 狀等幾何信息，并由此重建Η維物體。圖像上每一點的亮度反映了空間物體表面某點反射 光的強度，而該點在圖像上的位置與空間物體表面相應(yīng)點的幾何位置有關(guān)。送些位置的相 互關(guān)系，由攝像機成像幾何模型所決定。該幾何模型的參數(shù)稱為攝像機參數(shù)，送些參數(shù)必須 由試驗與計算來確定，試驗與計算的過程稱為攝像機標定。對于計算機視覺的技術(shù)實現(xiàn)，攝 像機標定至關(guān)重要，它是計算機視覺技術(shù)的基礎(chǔ)，是二維圖像獲取Η維空間信息的關(guān)鍵和 必要步驟。無論是在圖像測量或者機器視覺應(yīng)用中，攝像機參數(shù)的標定都是非常關(guān)鍵的環(huán) 節(jié)，其標定結(jié)果的精度及算法的穩(wěn)定性直接影響攝像機工作產(chǎn)生結(jié)果的準確性。
[0004] 目前，攝像機標定理論已經(jīng)很成熟，也相繼提出了很多標定方法。主要可分為傳統(tǒng) 的攝像機標定方法和攝像機自標定方法。傳統(tǒng)標定方法標定精度高，但需要特定的標定參 考物；自標定方法不依賴于標定參考物，但是標定結(jié)果相對不穩(wěn)定。早在20世紀70年代初， Abdel-Aziz和Karara在論文"近景攝影測量中從比較器坐標到物體空間坐標的直接線性 變換（Direct linear transformation from comparator coordinates into object space coordinates in close-range photogrammetiT)"中提出了直接線性變換的攝像機標定方 法，建立了攝像機成像幾何線性模型，通過線性方程可W直接求出成像模型參數(shù)。但是送種 線性模型并沒有考慮攝像機的崎變，在實際應(yīng)用中，攝像機往往存在崎變，送樣會產(chǎn)生較大 的誤差。在隨后的攝像機標定發(fā)展中，人們開始充分考慮攝像機所存在的崎變。其中具有 代表性的是張正友在論文"一種靈活的攝像機標定的新技術(shù)（A flexible new technique 化r camera calibration)"中提出一種利用旋轉(zhuǎn)矩陣的正交條件及非線性最優(yōu)化進行攝 像機標定的方法，該方法引入攝像機鏡頭崎變，使用平面模板做參考物，使用靈活，非常簡 單。但是該方法對于攝像機的崎變只考慮了徑向崎變的前兩項，并沒有考慮其后項W及攝 像機的切向崎變等，仍然存在一定的誤差。尤其在實際應(yīng)用中，對標定精度要求較高的情況 下，具有很大的局限性。
[0005] 隨著標定方法的不斷深入研究，W及一些智能算法的相繼提出和廣泛應(yīng)用，將智 能學(xué)習(xí)算法應(yīng)用到攝像機標定中也取得了顯著的效果和優(yōu)越性。K. Deep等人在論文"基 于粒子群優(yōu)化的立體攝像機標定（Stereo camera calibration using particle swarm optimization)"中提出了基于粒子群算法的攝像機標定方法，利用粒子群算法的的全局搜 索能力，能很好地進行攝像機參數(shù)求解。但是由于智能算法本身的局限性，容易陷入到早熟 收斂或者效率低下等問題中，無法找到最優(yōu)解，存在一定的誤差，達不到求解的精度。因此， 選擇多種算法的結(jié)合應(yīng)用，可W有效的避免單一算法的缺陷，更好的找到最優(yōu)解。隨著智能 算法的深入發(fā)展，算法的結(jié)合應(yīng)用也增加了標定的復(fù)雜度，在實際應(yīng)用中帶來不便。因此尋 找簡單穩(wěn)定有效的算法應(yīng)用于攝像機標定，具有很重要的研究意義和實用價值。

【發(fā)明內(nèi)容】

[0006] 為了實現(xiàn)Η維空間到二維空間的映射，將Η維空間的幾何信息表述成二維圖像信 息，給人W直觀的表示，完成可視化標識任務(wù)，并保證標識的精度，同時考慮工程應(yīng)用盡量 滿足簡單準確快速有效的完成標定，本發(fā)明提出一種基于微分進化粒子群算法值EPS0)的 攝像機標定方法。
[0007] 為了達到上述目的，本發(fā)明的技術(shù)方案是提供一種攝像機標定方法，其包含W下 過程；確定攝像機幾何成像關(guān)系，并引入攝像機崎變校正，得到引入崎變的非線性成像模 型，進而確定所有待求解的攝像機參數(shù)；采集多幅不同視角的標定板圖像作為參考物，提取 其中的圖像坐標信息，并W待求解的攝像機參數(shù)為對象，代入微分進化粒子群算法中進行 尋優(yōu)求解，W標定出所有的攝像機參數(shù)，進而實現(xiàn)Η維空間位置到二維圖像的映射，完成二 維圖像對應(yīng)坐標的標識。
[0008] 本發(fā)明通過一種基于微分進化粒子群算法的攝像機標定方法，其優(yōu)點在于：由于 微分進化算法及粒子群算法的實現(xiàn)簡單，可調(diào)參數(shù)少，比遺傳算法等一般的傳統(tǒng)智能算法 具有更強的全局優(yōu)化能力，而且尋優(yōu)的精度相對更高，具有更好的穩(wěn)定性。兩種算法的結(jié) 合，利用微分進化算法的交叉，變異選擇策略，避免粒子群算法早熟收斂易陷入局部最優(yōu)的 缺陷，從而用于攝像機標定技術(shù)的研究。
【附圖說明】
[0009] 圖1是本發(fā)明所述攝像機標定方法的流程示意圖；
[0010] 圖2是本發(fā)明所述攝像機標定方法中非線性成像模型的坐標示意圖；
[0011] 圖3是本發(fā)明所述攝像機標定方法中標定板圖像的示意圖。
【具體實施方式】
[0012] 本發(fā)明提供一種基于微分進化粒子群算法的攝像機標定方法，結(jié)合了微分進化算 法及粒子群算法，其具體的實現(xiàn)流程如圖1所示。其中，攝像機幾何成像關(guān)系是攝像機標 定的基礎(chǔ)，確定了成像模型，才能確定攝像機內(nèi)外參數(shù)。并且，本發(fā)明中充分考慮攝像機的 徑向崎變和切向崎變，引入攝像機崎變校正，確定崎變參數(shù)，從而確定攝像機的所有求解參 數(shù)。采用多幅標定板圖像為參考物，提取圖像坐標信息，再W所求參數(shù)為對象，代入微分進 化粒子群算法中進行尋優(yōu)求解，從而標定出所有待求解的攝像機參數(shù)。根據(jù)所求參數(shù)即可 實現(xiàn)Η維空間位置到二維圖像的映射，確定二維圖像的對應(yīng)坐標，完成標識任務(wù)，從而確定 本發(fā)明標定方法的有效性和精確性。
[001引 確定攝像化求解參敬
[0014] 為了描述空間Η維信息與圖像二維信息的幾何成像關(guān)系，首先需要對相機進行數(shù) 學(xué)建模，確定攝像機的成像關(guān)系，送樣才能確定攝像機的參數(shù)和相應(yīng)求解方法。攝像機成像 模型包括線性模型和非線性模型。線性模型即為一般的成像針孔模型，根據(jù)小孔成像原理， 建立像點和對應(yīng)物體表面空間點的幾何位置關(guān)系。
[0015] 在實際應(yīng)用中，由于立體視覺系統(tǒng)多采用非量測攝像機，其物理構(gòu)造導(dǎo)致產(chǎn)生各 種崎變，使得實際像點位置會偏移理想像點位置，造成像點、投影中必和相應(yīng)的空間點之間 的共線關(guān)系受到破壞；并且，由于入射光線在通過各個透鏡時的折射誤差和CCD平面點陣 位置的誤差，在圖像采集過程中，距離圖像中必越遠的地方出現(xiàn)崎變的情況越嚴重，送種情 況下線性模型已不能準確地描述成像幾何關(guān)系，所W需要采用非線性崎變，即建立崎變校 正模型（非線性模型）來完成。
[0016] 本發(fā)明方法中基于線性模型的基礎(chǔ)上，加入非線性崎變模型，充分考慮攝像機的 崎變影響，引入崎變影響最大的徑向崎變和切向崎變。W此成像模型確定攝像機的成像幾 何關(guān)系，從而確定攝像機的所有待求解參數(shù)。
[0017] 本發(fā)明采用的非線性成像模型，涉及圖2所示的坐標系：
[0018] (1) W像素為單位表示的圖像坐標系〇iUv ;原點〇1位于CCD圖像平面的左上角，U 軸和V軸分別平行于圖像平面像素行和像素列，（u，v)表示物點P在W像素為單位的圖像 坐標系下的坐標。
[001引 似W物理單位（如mm)表示的圖像坐標系0巧；原點（即主點0)位于攝像機光 軸與CCD圖像平面的交點，X軸和y軸分別平行于U軸和V軸。Pu(x。，y。）表示理想針孔模