[发明专利]用于使用棋盘图案的一幅或多幅图像的自动相机校准的方法和装置

说明书

技术领域

本发明涉及一种为了最佳图像质量而校准并确定镜头围绕其对称轴的旋转范围、由此更新投影模型并使用并行处理实时校正图像的径向失真的高精度方法、模型和装置。

背景技术

通常需要光学仪器产生给定对象的几何组成图像，其中3D中的每个点被投影到该图像中的点内。该图像通常根据某些预定义成像模型(在此情况下假设为针孔模型)形成。实际光学系统与理想性态的偏差导致在所得图像中引入像差。在此像差是会出现在彩色和灰度级成像设备两者中的镜头失真。其特性在考虑定桶形或枕形失真效应的情况下主要是像素的径向几何移位。镜头失真是许多相对直接的图像分析任务中的棘手问题。它完全劣化了实际图像中所得测量值的精度，在该实际图像中正常透视相机中的像素会沿径向遭受较大位移。此外，它还会影响视觉感知，即通过改变深度暗示。

解决镜头失真的一种已知方法是结合相机系统的完全校准。完全相机校准实质上意味着获取相机的内部和外部参数[8]。许多应用不需要完整的内部相机参数以及相对于某一校准目标的相对定向。非度量(Non-metric)应用的不同之处在于在无需估计整个相机的内部和外部参数的情况下确定失真。

在1960年代，摄影测量领域内工作的Duane C.Brown提出了一种基于直线必须被成像为直线的常识来确定镜头失真的方法。由Brown在1971年发布并由Fryer和Brown在1986年扩展的这一技术变为已知的“铅垂线”法。完整的历史性回顾由Clarke和Fryer在1998年给出。该技术由提供铅垂线法简化版本的机器视觉社区所采用，诸如Prescott和McLean(1997b)(同样参见专利Prescott和McLean(1997a)XP000683415)，Haneishi等人(1995a)(同样参见专利Haneishi等人(1995b)XP000527216)，Poulo和Gorman(1999)US6002525以及Asari等人(1999)，这些文献都描述了使用同线点图像校正失真的类似常识。由于这些方法仅估计失真，因此它们有时被称为非度量校准。

基于“铅垂线”校准的一个固有问题在于优化/搜索必须相对于直线参数(未知的)和失真参数(也是未知的)进行。也可以利用例如Devernay和Faugeras(2001)、Tzu-Hung(2003)以及Bing(1999)EP0895189的替换方法，其中迭代调整失真参数以最小化拟合至失真线分段的线。由于目标误差和失真参数之间不存在足够有效的数学关系，因此没有分析推导可用。这导致收敛缓慢并且除非如Swaminathan和Nayar(2000)所述那样采取特定步骤，否则对升高的失真水平会变得不稳定。在此非度量方法中，Swaminathan和Nayar(2000)在失真空间而非平常的非失真空间内重新阐述了目标函数。

另一种方法已由Ahmed和Farag(2001)提出，其中使用检测线的曲率来估计导出的失真式的参数。然而，模拟结果示出了存在噪声的糟糕性能，并且实际结果缺乏量化估计。

校准失真的一种更为标准的方法是同时估计相机的外源和本征参数。Tsai的方法(Tsai，1987)涉及在考虑到一组控制点的3D位置的情况下通过迭代数字优化方案同时估计单失真参数和某些内部参数，诸如焦距。这一方法的缺点在于它需要知晓3D控制点，但反过来对除简单的失真轮廓线之外的所有失真轮廓线仅提供相对低的精度。这一原理的算术变化已由若干作者提出，诸如针对镜头失真使用更为合适模型的Weng等人(1992)以及Wei和Ma(1994)。这些方法也需要知晓3D控制点。

失真校正图像的渲染在描述了需要3D控制点或多图像组的2D控制点的Heikkila和Silven(1997)，wHeikkila(2000)中得到了深入研究。基于多组2D控制点的替换方法也由Zhang(1998，2000)以及Sturm和Maybank(1999)推进。该技术通过替换的线性最小二乘解(随后在包括所有估计参数的数字最小化中迭代调整)来解决失真。这些技术的相对复杂性由于包括了镜头失真而增加。