[发明专利]一种深度摄像机重建及自动标定的方法、系统、设备

说明书

一种深度摄像机重建及自动标定的方法,包括，将自动采集特征点对，作为输入计算重建系统的初始标定矩阵；将初始标定矩阵进行非线性最小二乘优化，得到最终的标定矩阵。本发明提供一种深度摄像机重建及自动标定的方法、系统、设备，体现在减小人工操作的工作量，将标定做到自动化，自动采集和组织标定数据完成标定过程，使标定过程一键完成，节省大量的人力物力成本。

技术领域

本发明涉及计算机图形学和计算机视觉技术领域，尤其涉及一种深度摄像机重建及自动标定的方法、系统、设备。

背景技术

随着当今计算机视觉技术的飞速发展，三维重建技术在各行各业都有广泛地应用，比如安防、测量、游戏等行业，正是因为它能够简单快速地获取三维数据，把人们从繁重的手工操作中解放出来，节省了大量人力和物力，具有非常大的应用前景。

目前，三维重建的研究方案主要分为两大类，一类是被动式方法，基于图像序列的方法，利用场景在自然光照下的二维图像来重建景物的三维信息，些类方法虽然对设备的要求低，但是重建精度较低，对场景中的特征要求高。另一类就是主动式方法，如深度相机，通过TOF技术获得场景的深度信息，通过标定配准获得三维点云，经过点云的去噪处理后生成三维模型。目前随着计算机软硬件技术的不断革新，此方法的应用越来越广泛。

基于深度相机的重建系统中，由于在特定视角下只能获得对应重建对象的某一局部表面的三维信息，为了实现全方位的物体表面重建，则需要采集重建对象的多个视角图像。目前主要有三种方法，一是使用单台深度相机移动地扫描固定的重建对象，直到覆盖重建对象的整个表面，运用ICP配准相邻帧，实时的重建，这样可以快速地得到重建结果，但精度较低，如Kinect Fusion等；另一种方法是使用转台旋转重建对象，记录转台转过的角度，通过ICP配准相邻帧，并以旋转角作为约束进行优化来重建模型，这种方法可以获得较高的重建精度，但对转台的转速要求较高，而且扫描耗时较长；第三种方法就是将多台深度相机按一定的布局构建一个封闭的多视角的扫描环境，可以极短的时间内同时完成重建对象三维数据的采集，并且重建出来的模型有较高的精度。

发明内容

本发明提供一种深度摄像机重建及自动标定的方法,包括，

将自动采集特征点对，作为输入计算重建系统的初始标定矩阵；

将初始标定矩阵进行非线性最小二乘优化，得到最终的标定矩阵。

进一步地，所述的自动采集特征点，作为输入计算重建系统的初始标定矩阵，包括：

在重建系统四周放置贴有带较多特征点的图案,这些图案是用OpenCV的CharucoBoard生成的图打印出来，保证每个打印图案所对应的ID都不同，一台相机能够尽可能多的拍到图案；

重建系统采集一次图像数据，得到图像序列(深度图、高清彩图和深度与高清彩图的映射关系数据)；

采用OpenCV的特征识别工具处理图像序列中的高清彩图，得到所有图像的特征点集合，通过图案ID对特征点进行配对分组，通过深度和高清彩图映射关系数据和深度图得到特征点的三维坐标；

以指定相机为参考系，用最小生成树找最短路径的方法找到其他相机到参考相机的路径，记叙P(O，i),O表示参考相机的相机编号，i表示非参考相机的相机编号；

相机对的相对位置关系[R|t](i,j)及到参考相机的最短绝对路径，就可以通过矩阵运算得到非参考相机到参考相机的绝对位置关系[R|t](O,i)。

进一步地，所述的将初始标定矩阵进行非线性最小二乘优化，得到最终的标定矩阵，公式如下：