[发明专利]一种基于多维特征的相机标定误差补偿方法

权利要求书

1.一种基于多维特征的相机标定误差补偿方法，其特征在于：其包括以下步骤：

（1）准备数据：先采集p幅标准靶标的图像，得到p幅有误差的图像，然后从每幅图像中选取q个关键点，得到p×q个所述关键点；

（2）提取关键点的特征：提取每个所述关键点的特征，所述特征包括颜色特征、局部Gabor特征及全局关联特征；

（3）计算p×q个所述关键点的实际误差(Δx，Δy)_p×q：计算p幅图中每个关键点坐标与该关键点的理想位置坐标的实际误差(Δx，Δy)_p×q；

（4）模拟训练：采用SVMLight工具进行支持向量回归模型训练，将所述步骤（2）中得到的p×q个所述关键点的特征与所述步骤（3）中得到的(Δx，Δy)_p×q作为输入，最后得到模型文件；

（5）估算误差：当拍摄到一幅新的图片时，得到q个关键点的实际位置(x，y)_q，然后按步骤（2）提取该q个所述关键点的特征，存放于需要回归的特征文件中，并计算每个所述关键点的补偿值(Δx,Δy)。

2.根据权利要求1所述的基于多维特征的相机标定误差补偿方法，其特征在于：所述步骤（2）中所提取的颜色特征是每个所述关键点周围N×N区域中4种常用颜色空间的颜色分量的均值与方差作为特征，所述4种常用颜色空间为RGB、CMYK、HSV、HIS，其中，N小于等于50。

3.根据权利要求2所述的基于多维特征的相机标定误差补偿方法，其特征在于：所述步骤（2）中局部Gabor特征的提取方法包括以下步骤：

a.将彩色图像归一化为灰度级为256的灰度图；

b.当前关键点周围划分成L个N×N的子窗口，其中，L小于等于50；

c.将每个窗口进行Gabor变换，原图像为F（x，y），经过Gabor变换后得到新的图像Q（x，y），其中，

Q(x,y)=[(Gabor_R(x,y)^*F(x,y))²+(Gabor_I(x,y)^*F(x,y))²]^1/2          （1）

式(1)中，

GaborR(x,y)=12πσ2e-x2+y22σcos2π(xcosθ+ysinθ)l---(2)]]>

GaborI(x,y)=12πσ2e-x2+y22σsin2π(xcosθ+ysinθ)l---(3)]]>

式（2）、（3）中σ=π；

计算变换后，每个窗口灰度的均值由μ表示，每个窗口的标准差由δ表示，每个窗口的偏差系数由k(k=δ/μ)表示，最后，得到L个窗口的局部Gabor特征：μ₁，μ₂，…，μ_i，…，μ_L、δ₁，δ₂，…，δ_i，…，δ_L与k₁，k₂，…，k_i，…，k_L，共有3L维，其中，i为窗口序列号。