[发明专利]基于粒子群优化算法的摄像机自标定方法及装置

说明书

本发明实施例提供了一种基于粒子群优化算法的摄像机自标定方法及装置，涉及摄像机自标定领域，包括：获取待标定的摄像机拍摄的多幅图像，提取所述多幅图像的特征点；对所述多幅图像的特征点进行相似性度量，得到相互匹配的匹配特征点；基于粒子群优化算法，利用所述匹配特征点及所述摄像机的非线性模型，获得所述摄像机参数的解集合。该摄像机自标定方法精度好，鲁棒性高。

技术领域

本发明涉及摄像机自标定领域，具体而言，涉及一种基于粒子群优化算法的摄像机自标定方法及装置。

背景技术

目前，随着计算机视觉技术的不断发展，视觉传感器以其简单、使用方便等诸多优点被成功在用于物体识别、视频监控等领域，双目立体视觉是基于视差原理，由多幅图像获取物体三维几何信息的方法；摄像机标定技术是三维视觉重建工作和实现目标精确定位过程中的关键步骤，经过多年的技术研究，众多具有较好实用价值和先进有效的摄像机标定方法一一问世，但目前为止没有一种标定方法能满足所有标定要求，它们都有着各自的优缺点。

传统的摄像机标定方法都需要一个标定参照物，并且已知参照物上点的三维坐标和它的图像图标，在实际应用中，焦距、放大倍数等一些参数会根据需要发生相应的改变，如果每次都需要用标准参照物对摄像机重新进行标定会很不方便，因此研究摄像机标定方法具有重要的理论研究意义和实际应用价值。

虽然现有技术中的摄像机自标定方法灵活，不需要依赖于场景和标定物，然而得到的解精度低、鲁棒性差，所以自标定方法研究的重点可以放在如何提高标定的精度和鲁棒性方面；摄像机标定方法与时俱进，并随着需求和现有实验条件的完善，摄像机的标定研究方法是没有尽头，因为由于我们的需求总是在不断的发生变化，研究效率需要不断提高，因此我们需要使用更灵活方便，运算更快，精度更高的标定方法，同时也意味着我们需要更好地解决优化问题中存在的缺陷(冗余参数、模型表达、方程病态等)，这也是目前不断提高标定技术的主要方向和研究的重要内容。

发明内容

有鉴于此，本发明实施例提供了一种基于粒子群优化算法的摄像机自标定方法及装置，该方法依靠多幅图像特征点之间的对应关系，基于粒子群优化算法从复杂的客观世界中准确搜索出摄像机的内外参数及畸变系数，再通过提取出的摄像机的内外参数及畸变系数计算摄像机的三维空间坐标，即摄像机的位置，以改善现有技术中精度低及鲁棒性差的题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于粒子群优化算法的摄像机自标定方法，包括：

获取待标定的摄像机拍摄的多幅图像，利用SURF算法提取所述多幅图像的特征点；对所述多幅图像的特征点进行相似性度量，得到相互匹配的匹配特征点；基于粒子群优化算法，利用所述匹配特征点及所述摄像机的非线性模型，获得所述摄像机的各种参数的解集合。

一种基于粒子群优化算法的摄像机自标定装置，包括：

特征点获取模块，用于获取待标定的摄像机拍摄的多幅图像，提取所述多幅图像的特征点；特征点匹配模块，用于对所述多幅图像的特征点进行相似性度量，得到相互匹配的匹配特征点；摄像机最佳参数获取模块，用于基于粒子群优化算法，利用所述匹配特征点及所述摄像机的非线性模型，获得所述摄像机参数的解集合。

本发明实施例提供的基于粒子群优化算法的摄像机自标定方法，首先获取待标定的摄像机拍摄的具有重叠区域的多幅图像，提取该多幅图像的特征点，再利用相似性度量的方法将该多幅图像上的特征点进行匹配，得到相互匹配的匹配点，最后利用粒子群优化算法搜索摄像机的内参数、外参数及畸变参数等各种摄像机参数，基于两幅图像的一对匹配点可以确定唯一一个三维空间坐标位置，获取匹配点x_w、y_w、z_w的空间位置，以匹配点之间的空间距离大小作为判断条件，迭代判断来获得摄像机参数的解。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。