[发明专利]一种基于二消失点的相机自标定方法

说明书

技术领域

本发明涉及一种基于二消失点的相机自标定方法。

背景技术

相机标定通过确定空间点3D坐标与其投影到图像上的2D坐标之间的映射关系，求解相机参数的过程(参见：李云翔.相机标定与三维重建技术研究[D].青岛大学,2009)。相机标定是计算机视觉中从二维图像中定量恢复出三维数据的过程，是完成三维重建图像必备和关键的环节，在三维建模、导航、视频监控等方面应用广泛。无论是在图像测量或者机器视觉应用中，相机参数标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。因此，相机标定是做好后续工作的前提，提高标定精度是研究工作的重点。相机标定方法主要分为标定板标定方法和相机自标定方法(参见：邱茂林,马颂德，李毅.计算机视觉中相机定标综述.自动化学报,2000,26(1):43～55)。标定板标定需要标定物，精度高，但算法复杂且标定过程费时费力。同标定板标定方法相比，自标定方法不需要精密加工的标定块，仅从场景的多幅图像来确定相机内参数。这种思想是由Faugeras、Luong、Maybank首次提出的(参见：O.D.Faugeras,Q.T.Luong,S.J.Maybank,CameraSelf-calibration:TheoryandExperiments,LectureNotesinComputerScience.Papers588,321～334(1992))。

自标定技术的理论基础均基于绝对二次曲线(AC)或绝对二次曲面(AQ)的投影性质(参见：B.TriggsAutocalibrationandtheAbsoluteQuadric,IEEECVPR97,pp.609-6141997)。自标定的主要方法有：Faugeras、Luong、Maybank等提出的直接求解Kruppa方程的自标定(参见：O.D.Faugeras,Q.T.Luong,S.J.Maybank,CameraSelf-calibration:TheoryandExperiments,LectureNotesinComputerScience.Papers588,321～334(1992))，利用由绝对二次曲线的像(IAC)的对极几何关系所推导出的Kruppa方程所提供的关于IAC的约束，通过确定IAC来标定摄像机内参数；分层逐步标定法，文献(ZhaoshengTao，DaweiTu，SaisaiHe,JinjieYe.ACameraSelf-CalibrationforMachineVisionBasedonKruppa’sEquationAppliedMechanicsandMaterials，2013，389(4)：1003～1007)中提出的直接对摄像机投影矩阵进行QR分解的自标定方法，首先要求对图像序列做射影重建，再通过绝对二次曲线面施加约束，定出仿射参数和摄像机内参数；基于绝对二次曲线的自标定方法，用Kruppa方程把极线变换与绝对二次曲线的像联系起来，因为图像是相机成像平面上的二次曲线，它可以确定相机的内部参数(参见：JingJin1,andXiaofengLi.Efficientcameraself-calibrationmethodbasedontheabsolutedualquadric.J.Opt.Soc.Am.A,2013，30(3)：287～292)；基于主动视觉的相机自标定方法，通过控制相机的运动，获取多幅图像，然后利用图像的对应点进行标定，求解出相机的内参数(参见：Basu,A,Activecalibration:Alternativestrategyandanalysis,In:Proc.IEEEConf.OnComputerVisionandPatternRecognition,495-500(1993)；Du,F.,Brady,M.,Self-calibrationoftheintrinsicparametersofcamerasforactivevisionsystems,In:Proc.IEEEConf.OnComputerVisionandPatternRecognition,477-482(1992))；还有基于空间直线几何关系的相机自标定方法，Hartley提出过一种张量，原理如基本矩阵在两个视点景物分析当中起的作用，该方法是利用多幅图像上的直线对应关系来进行相机自标定。各种自标定方法的分析比较见表1。

表1相机自标定方法比较