[发明专利]一种基于样本空间的相机标定优化方法

权利要求书

1.一种基于样本空间的相机标定优化方法，其特征在于，包括以下步骤：

S1：采集标定图片构成样本空间；

S2：全局样本优化实现样本筛选；

S3：局部参数拟合；

S4：得到标定结果；

S5：结果验证。

2.根据权利要求1所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S1包括：在样本空间中构建样本与重投影误差之间的带约束的离散非线性方程，所述离散非线性方程为：

y_error＝f(x₁，x₂)

其中，获取标定图片数量为N，一次标定所需的图片x₁，在总样本N中选取x₁个标定图片的组合记为x₂，在空间[x₁x₂]建立标定的重投影误差y_error与样本的关系；C表达组合数，f的函数值由张氏标定算法给出。

3.根据权利要求2所述的基于样本空间的相机标定优化方法，其特征在于，所述离散非线性方程优化的目的是寻找离散方程的极小值，极值点越小，重投影误差越小，标定结果越好。

4.根据权利要求1所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S2包括：采用具有概率全局优化性能的通用优化算法对样本进行优化，在样本空间的极点进一步提高标定精度，在该极点附近选取批量样本并获取相机标定的参数集。

5.根据权利要求4所述的基于样本空间的相机标定优化方法，其特征在于，所述具有概率全局优化性能的通用优化算法为模拟退火算法。

6.根据权利要求1所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S3包括：在相机标定的参数集上进行聚类与拟合，分别获取参数区域与参数值。

7.根据权利要求1所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S3还包括：局部样本获取，所述局部样本获取包括对相机内参在miny_error处进行拟合，需要获取一定数量的样本，样本根据以下公式选取：

{(x₁x₂)/f(x₁x₂)≤miny_error+Δy}

由以上公式选取的样本E均具有较小的重投影误差。

8.根据权利要求1所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S3还包括：在样本E中的标定结果集e＝{e₁ e₂…e₉}，e包含相机4个内参、两个径向畸变参数、两个切向畸变参数以及重投影误差，对8个参数在样本空间上的频次统计，并通过聚类DBSCAN聚类算法获取密度最高的区域为相机参数所在的区域，并对8个区域进行统计形成8幅相机参数分布图，每幅图表示一个相机参数在参数空间的分布，图中横坐标表示参数值的大小，纵坐标表示该参数值出现的频次；在相机参数分布图中均满足一定的函数分布，且均有峰值；在分布的峰值处的点即为相机参数的真值点。

9.根据权利要求8所述的基于样本空间的相机标定优化方法，其特征在于，所述步骤S3还包括：对参数的分布函数再次通过4阶多项式进行拟合，对于拟合后的函数，获取频次极大值处的参数值基于相机参数的准确值。