[发明专利]一种基于点特征和线特征融合的长焦距相机标定方法

说明书

本发明提出一种基于点特征和线特征融合的长焦距相机标定方法，包括：S1，获取目标表面影像，所述目标表面影像具有水平和垂直的三维线特征；S2，进行点特征及线特征的数据分割与提取，提取的点特征的同名点用于全景影像的生成；S3，对点特征及线特征分别进行数据模型的构建；S4，对点线特征进行模型融合，形成最终标定模型，解算长焦距相机标定参数。本发明的方法大大提高了对长焦距的相机标定的精度。

技术领域

本发明涉及相机标定技术，更具体地，涉及一种基于点特征和线特征融合的长焦距相机标定方法。

背景技术

相机标定，就是通过建立已知物点像点对应的关系模型，计算成像系统内外几何及光学参数，从而获取模型参数。一旦建立了这种对应关系，就可以通过二维像点坐标推出物点三维世界坐标，或相反的，从已知的三维信息推出二维信息。相机标定是计算机视觉实现的前提和基本问题。

在众多标定算法中，根据标定物的维数，大体可将标定方法分为四类：

基于三维信息的相机标定。传统的标定方法大多基于三维标定物的，这种标定物一般包含两个或三个相互正交的平面，它可获得较高的精度。此外，这种三维信息还包括三维几何信息，如直线的水平、垂直关系。

基于二维信息的相机标定。这种方法一般需要相机在多个不同角度对带有平面图案的标定物进行观察，而相机的运动轨迹无需已知。与三维信息相比，二维信息更容易获取，标定也可达到较高的精度。

基于一维信息的相机标定。按照常理，一个自由移动的一维目标（如一条直线上的点集）是不可能进行相机标定的。若将目标中的一点固定，并对目标进行6次或6次以上的观测，则可通过几何关系解算相机内参数。

基于0维信息的相机标定。自标定由于不需要任何标定物或物方已知信息，仅通过影像间的对应点即可对相机进行标定，因此被认为是0维方法。而相机的运动轨迹既可已知（纯平移或纯旋转），也可未知。

这四类传统技术在对长焦距相机标定中存在一些不足。传统相机标定方法在理论上可以对任何焦距的光学面阵相机进行内方位元素的参数标定，如像主点、焦距、径向畸变、切向畸变等参数。然而，对于长焦距相机，根据光学几何理论可知，焦距越长，相机幅面就越小。因此，无论是一维控制场还是三维高精度控制场，在实际标定解算过程中，会带来很大的中误差，并导致解算参数的精度大大降低。

发明内容

针对背景技术中的问题，根据长焦距面阵相机的特点，长焦距相机标定若能将多维信息结合运用，则能达到取长补短的效果。基于三维信息的相机标定精度较高，而基于0维信息的相机自标定有对目标及场景无约束、实时性强等特点。

本发明提出一种基于点特征和线特征融合的长焦距相机标定方法，包括：

S1，获取目标表面影像，所述目标表面影像具有水平和垂直的三维线特征；

S2，进行点特征及线特征的数据分割与提取，提取的点特征的同名点用于全景影像的生成；

S3，对点特征及线特征分别进行数据模型的构建；

S4，对点线特征进行模型融合，形成最终标定模型，解算长焦距相机标定参数。

优选地，在步骤S2中，线特征提取包括：边缘检测；多直线段拟合；以及直线特征编组。

优选地，采用端点距离、共线方向差、共线侧向距离、交叠距离、灰度、纹理来度量两线段的编组概率。

优选地，通过如下方法生成全景影像：针对同一摄影中心下产生的多幅影像，以中心的影像为基准影像，并以此为基准建立统一的投影面；基于统一的投影面，利用各影像的同名点信息，对所有进行几何纠正，并形成统一的全景影像。