[发明专利]一种基于多维特征的相机标定误差补偿方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种基于多维特征的相机标定误差补偿方法。

背景技术

相机标定是机器视觉中的重要问题之一。对于针孔模型相机，标定过程主要是求解相机内参数(Intrinsicparameters)与外参数(Extrinsicparameters)。通过这内、外参数求解目标像素坐标（图像坐标系）到场景坐标（世界坐标系）变换。标定过程可以采用直接线性法、Tsai法、张正友法等。但无论采用哪种标定方法，由于镜头径向畸变、倾斜几何变形、现场环境变化，使得实际计算出的目标坐标与理想坐标之间存在误差。修正相机标定误差的质量，不仅直接影响坐标变化的精确性，而且间接影响后续高层图像理解的准确性。

对于相机标定误差的补偿方法国内外已有较多的研究。Bukhari等人利用铅垂线方法与齐次方程模型从单幅图像中估计径向误差。Wang等人针对径向畸变问题，提出畸变点处于同心圆上，通过计算畸变点的圆心来补偿畸变，取得的较好的效果。Lucchese等人提出了同时校正径向畸变和倾斜变形的方法,但仅用二项式对至少需要用5次多项式的径向畸变进行补偿。张佳成等人混合了多种补偿估计模型，用经典模型对畸变图像进行初次校正，用多面函数拟合法进行二次精校正，用三次B样条函数进行灰度重建,相比单一的镜头畸变校正模型，精度提高，鲁棒性增强，校正后径向均方根误差为0.3个像素。刘堂等人建立了径向畸变和倾斜失真的联合模型，用最小二乘法和最优化算法求得标准网格的失真参数,最后对目标进行补偿。

上述补偿方法都取得了一定的效果，但有两个方面仍旧可以继续提高。第一，用高次多项式对补偿值进行建模，随着次数增加，计算量呈指数级快速增长，难以平衡计算时间与补偿质量之间的矛盾；第二，相机畸变的不仅致使局部区域像素点位置的偏离，还影响了整幅图的成像。所以图像特征的选取必须兼顾局部特征与全局特征。

目前常用的相机标定误差补偿模型为相机标定通过求解内、外参数，实现目标像素坐标（图像坐标系）到场景坐标（世界坐标系）转换。相机标定误差模型如下所示：

令A=fx0cx0fycy001,]]>

式中，（X，Y，Z）是一个点的世界坐标，(u，v)是点在图像上的像素坐标，A是相机的内参数，(c_x，c_y)是主点位置，f_x与f_y是相机焦距，它们以像素为单位。旋转-平移矩阵R|T称为外参数，它描述了相机相对于场景的位姿。是相机误差的补偿函数，R为当前环境的特征向量（r₁，r₂，…，r_n），可以是平均光照度、平均灰度、灰度方差等各种表征当前环境情况的特征。所谓补偿就是找到依赖于R的一个最优的补偿函数

发明内容

本发明所要解决的技术问题是提供一种基于多维特征的相机标定误差的补偿方法。

为解决以上技术问题，本发明采用如下技术方案：

一种基于多维特征的相机标定误差的补偿方法，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；