由共面圆确定摄像机参数的线性方法[1]

合集下载

一种基于圆的摄像机线性自标定方法

一种基于圆的摄像机线性自标定方法


{ U p 2 R p 5 C l + ( 2 5 + 5 2 ) f 2 + ( 2 + “ p 5 ) c 3 + V p 2 7 J p s C 4 + ( 2 - - } ' U p 5 ) C 5 + c 6 = 0( 7 ) 1 3 6 f 1 十 ( 3 + 6 3 ) c 2 + ( 3 + / Z p 6 ) C 3 + U p 3 V p 6 C 4 + ( V p 3 + V p 6 ) C 5 + c 6 = 0

种基 于圆硇摄像相线性 自标定方法
云 南师 范 大学商 学 院会 计 学 院 王 爱 菊 昆明理 工 大学 津桥 学院 工学 系 禹旺勋
[ 摘 要] 摄像机标定 方法是从二 维图像 中获取三维信 息必不可少的步骤。本文提 出了基 于灭点 的 自标 定方 法。该 方法的平面模 板 要求 圆 内 有3 组 两两正交的直径 , 从3 个或 多个不同的方位摄 取平面 圆模板的 图 像 。 由3 组两两垂直得到三组正交灭点 , 从 而线性的 求出摄像机 的5 个内参数 。模拟 图像和真 实图像 实验表 明, 该 方法能准确 、 可靠地估计摄像机 的内参数。 [ 关键词 ] 自 标 定 内参数 圆
P a r a m e t e r s
伞 义 法
l u
1 08 4. 9 2 1 1 0 9 . 1 3
H o
3 8 7 . 9 7
7 3 0
3 2 2 _ 2 3 - 2. 5 4



3 . 1 确定灭点坐标 = 本文使 用平 面圆模板 , 圆 内有 3 组两两 垂直 的直 径 。平 面圆模 板 如图 1 所示 , o 为平面圆的圆心 ,AB, C D, EF, A cD, E’ F 为平 面圆 直径 , 其 中 AB 』 4 ’ B , C D. L C ‘ D ’ , E Fz E — F 。6 条 直径 的无穷远 点分别 是 P1 , P2 。 。 , 尸 3 , P 。 。 , P 5 。 。 , P 6 。 。 。平面 圆模板 的图像 如图 2 所示, 无穷远 点 的图像点 分别 为 P l 2 3 , P 4 , P 5 , P 6 。记 为 ( U p 1 , 1 ) , ( p 2 , 2 ( “ p 3 , 3 ) ,

基于正方体和圆环点的摄像机线性自标定方法

基于正方体和圆环点的摄像机线性自标定方法

基于正方体和圆环点的摄像机线性自标定方法作者:禹旺勋王爱菊来源:《商情》2014年第44期【摘要】本文提出了基于圆环点的摄像机自标定方法。

该方法要求摄像机从3个或多个不同的方位摄取正方体的图像。

根据射影几何调和共轭和交比不变的性质,求出3条相交边灭点的坐标,由3组两两垂直得到三组正交灭点,从而线性的求出摄像机的5个内参数。

模拟图像实验表明,该方法原理简单,并有较高的求解精度。

【关键词】自标定,圆环点,正方体,摄影几何【Abstract】The paper proposed a technique for calibrating based on circular points. The approach only requires camera to take 3 or more figures from different orientations. According to conjugate harmonic and cross-ratio invariant properties in projective geometry, the vanishing points on edges are solved. According to orthogonal relationships of diameters can get three groups orthogonal vanishing points. thus intrinsic parameters are solved linearly. Computer real experiment prove the feasibility and the robustness of this approach.【Keywords】camera self-calibration, circular points, cubic, projective geometry1引言摄像机标定是计算机视觉领域从二维图像中提取三维信息所不可缺少的步骤。

基于正方体和圆环点的摄像机线性自标定方法

基于正方体和圆环点的摄像机线性自标定方法

【 关键词 】 自 标定 , 圆环 点, 正方体 , 摄影几何
【 A b s t r a c t 】 T h e p a p e r p r o p o s e d a t e c h n i q u e f o r c a l i b r a t i n g
b ase d o n c i rc ul a r p oi nt s. Th e a p pr oa c h o nl y re q ui res ca m— e ra t o ta ke 3 o r mo re fi gu res fr o m di f fe re nt ori e nt a—
t i o n s . A c c o r d i n g t o c o n j u g a t e h a r m o ni c a n d c r o s s — r a t i o i n v a r i a n t p r o p e r t i e s i n p r o j e c t i v e g e o m e t r y ,t h e v a n i s h —
b i C, po m e t r y

刀 ,


3 . 1 确 定 灭 点 坐 标
本文 使用 正方体 模 型 正 方体模 型如 图 1 所示 , AB , 五l ’ , AD 为相 交 于一点 且两 两垂 直的 三条 边 3 条边 的无穷远 点分别 是 , , 马 。正 方体模 型的 图像如 图 2 所示 , 口, b , d分别 是点 A, A , 嚣, D 的图像 点 。3条 边的 无穷 远点 的图像 点 分别 为 pl , 岛 。
i n g p o i n t s o n e d g e s a r e s o l v e d . A c c o r d i n g t o o r t h o g o n a l

基于共面圆的双目立体视觉分步标定法

基于共面圆的双目立体视觉分步标定法

基于共面圆的双目立体视觉分步标定法王科俊;魏娟【摘要】计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.【期刊名称】《应用科技》【年(卷),期】2010(037)001【总页数】5页(P36-39,56)【关键词】双目视觉;摄像机标定;线性标定;TSAI两步法【作者】王科俊;魏娟【作者单位】哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001;哈尔滨工程大学,自动化学院,黑龙江,哈尔滨,150001【正文语种】中文【中图分类】TP311摄像机的标定是计算机视觉中的核心研究内容之一,高精度的摄像机标定技术一直是摄影测量及计算机视觉领域研究人员关注的热点课题.摄像机标定通常分为摄像机自标定法和传统的摄像机标定方法[1-2].自标定方法不依赖标定参照物,常用的方法有利用绝对二次曲线和极线变换性质[3]解Kruppa方程[4]的摄像机自标定方法、分层逐步标定法、基于二次曲面的自标定方法、基于主动视觉的摄像机自标定技术以及其他改进的摄像机自标定技术.自标定方法需要控制摄像机做严格的运动,实验要求比较高,稳定性较差.传统的摄像机标定方法需要参照物[5],包括利用最优化算法的标定方法,利用摄像机变换矩阵的标定方法、进一步考虑畸变补偿的两步法[6]、双平面方法[7]、改进的张正友标定[8]法以及其他的一些方法等[9].目前常用的是TSAI的两步法和张正友平面法;但是TSAI的两步法未标定主点坐标(图像中心坐标),张正友的平面法需要摄像机从多个角度拍摄标定物[9].因此,有必要寻求一种简单、快速而又标定精度高的方法.在综合分析上述方法的基础上,基于带有一阶径向畸变的小孔摄像机模型,提出了一种双目立体视觉分步标定法,首先标定出摄像机的主点坐标,然后根据TSAI[6]两步法得到的两摄像机之间的转换关系和左摄像机与世界坐标系之间的转换关系,即可得到右摄像机与世界坐标系之间的转换关系,进而得到各种标定参数.该方法采用共面圆作为标定物,实验要求低,不需要移动摄像机,标定了包括主点坐标、一阶径向畸变系数、有效焦距等4个内部参数和6个外部参数.通过实验,验证了该方法能够快速、有效地得到摄像机的标定参数.1 基本坐标系及摄像机模型如图1所示,某世界坐标系内空间点P的三维坐标为(Xw,Yw,Zw);(X,Y,Z)为点 P 在摄像机坐标系(以摄像机光心O为原点,Z轴与光轴重合,X,Y轴分别平行于摄像机坐标系的x,y轴)下的坐标;(xu,yu)为线性摄像机模型(不考虑畸变)下P点的图像坐标;(xd,yd)为由径向畸变引起的偏离(xu,yu)的实际图像坐标;(u,v)是P点的计算机图像坐标,以像素为单位.有效焦距f是光学中心O到图像平面O1的距离.图1 带有一阶径向畸变小孔摄像机模型从三维世界坐标系到计算机图像坐标系的完整变换可分为如下4步:1)三维空间坐标系到摄像机坐标系的变换(从(Xw,Yw,Zw)到(X,Y,Z)):式中:R和T分别为从世界坐标系坐标的旋转和平衡变换,R是一个3×3的正交矩阵,T是3×1的平移向量.2)P点从摄像机坐标系到图像平面坐标系的线性投影变换(f为有效焦距):3)畸变模型(从(xu,yu)到(xd,yd)的变换)造成成像坐标偏差的因素有透镜的径向畸变、切向畸变、偏心畸变等.与其他畸变相比,径向畸变为影响工业机器视觉精度的主要因素;所以,主要考虑径向透镜畸变,变换如下:4)从实际图像坐标(xd,yd)到计算机图像坐标(u,v)的变换式中:(cx,cy)为计算机图像中心坐标,(sx,sy)是图像平面单位距离上的像素数,即尺度因子.2 分步标定法由以上摄像机模型可以看到,需标定的参数有:1)外部参数,包括式(1)中的旋转矩阵R以及平移矩阵T,因R为单位正交矩阵,必须满足6个单位正交约束,因此实际上只有6个外部参数需要标定;2)内部参数,包括(cx,cy);(sx,sy);f和 k.其中(sx,sy)由硬件厂商提供,sx=1/d x,sy=1/d y.主点坐标(cx,cy)可由预标定获得[10].这里采用分步标定的思想,先标定图像的主点坐标(cx,cy),再利用径向排列约束,分别求解2个摄像机的内外参数,最后再进行双目立体视觉标定R、T 合成,标定步骤图如图2所示.图2 标定步骤2.1 预标定法获得(cx,cy)当一个摄像机系统的有效焦距变化时,视场将有一个比例扩缩变化,在该变化过程中,只有一个图像点,即视场中心(光轴与图像平面的交点,也就是图像中心点)是保持不变的.根据这一原理,用2个不同的焦距的镜头分别拍摄同一景物,然后计算视场中心就可以求得图像中心点坐标(cx,cy).假设小孔摄像机的有效焦距由f1变为f2,由式(4),考虑到xd1/xd2=yd1/yd2,有式中:(u1,v1)为在有效焦距f1下某点的像素坐标,(u2,v2)为同一点在有效焦距f2下的像素坐标.选取多个特征点,利用最小二乘法可线性解出(cx,cy).2.2 基于径向排列约束TSAI标定法1)线性法标定获得R和T中的tx、ty,这里采用共面圆作为标定物,如图3所示.提取圆心坐标[11]作为标定点,如图4所示(有截取).避免了传统方法中用国际象棋棋盘黑白方格交点进行角点提取是易受噪声影响的缺点[2,12,13].提取圆心坐标计算的是特定区域的当量中心,算法简单,抗噪性能强,即使在图像发生扭曲时(如圆被扭曲成椭圆),也能准确地提取其质心位置.而且采用共面圆进行标定,zw=0.由(1)~(3)得图3 标定靶模型示意图整理成矢量形式为[Xw yd Yw yd yd -Xw xd -Yw xd]为已知行向量,[r1/ty r2/ty ty r4/tyr5/ty]T为待求列向量.对于任何目标点 Pi,己知其 Xw、Yw、Zw、xd、yd 就可以列出如上方程.直观地选取6个标定点,通过求解线性方程组,就可解出待求列向量中的6个未知数;但是考虑到标定过程中三维坐标和图像坐标取值存在随机误差,标定点应多于6个.按照最小二乘法原理求得对各标定点总误差为最小的最优解.图4 左右标定图像特征点的提取3×3旋转矩阵R具有9个参数,但是其正交性规定了R仅有3个自由度.按照式(7)解出r1、r2、r4、r5共4个独立变量及平移分量tx,ty.再根据旋转矩阵R的正交性质(R·R T=R·R-1=I),得到式(8),进一步计算,即可以求出旋转矩阵R中的各元素.2)非线性法计算有效焦距f,T的tz分量和径向畸变系数 k[14]对N个特征点,利用最小二乘法对上述2个方程进行联合最优参数估计,就可得求得f、fk、tz,近而求得f、k、tz.2.3 立体视觉标定以上获得的外参数都是左右摄像机相对于各自标定过程中设定的世界坐标系而言的.现假定左摄像机光心为世界坐标原点,即观察者处于左摄像机光心位置,则右摄像机坐标系or-xryrzr与此时的世界坐标系o-xyz可通过空间转换矩阵[R T]表示为式中:R、T分别为左右摄像机相对于同一世界坐标系的旋转矩阵和平移向量.由于xl=R lxw+T l,xr=R rxw+T r,消去 xw,得到 xr=R r Rl-1 xl+T r- R r Rl-1 T l.至此,左右摄像机的关联矩阵[R T]得到,其中;T=T r-3 实验及结果分析在研究“TSAI”两步标定算法的基础上,结合立体视觉原理,在Windows环境下使用VC++6.0,用二维标定圆作为标定物,开发了一套双目立体视觉分步标定系统.硬件采用POINT GREY公司生产的双目摄像机,1394图像采集卡,图像分辨率为768×576.标定结果如表1所示.为了验证系统标定结果的正确性,对一个三角板的尺寸进行了测量实验.以左摄像机光心位置为观察者位置,利用这些标定结果,采用双目线结构光测量法对三角板的测量.测得三角板的3个点的坐标分别为:A=(91.645,-60.815),B=(57.787,-42.552),C=(50.15,30.316).尺寸测量结果与真实尺寸对比见表2.在三角板的测量实验中,三角板的真实尺寸由卷尺测得,实验值与真实值相比较,系统对于三角板的测量结果存在1~2 mm的误差,由于卷尺测量本身存在无法克服的误差,故该误差为近似估计误差.从实际观察来看,标定实验取得了较为精确的结果.表1 摄像机标定结果005903焦距f 8.2804 8.0954透视中心(cx,cy) (382.0054,289.5041) (372.7016,295.3712)左摄像机右摄像机畸变系数k 0.001801 0.摄像机旋转矩阵R l/R r R l=0.9271 0.0091 0.3980-0.0119 0.9852 0.2134-0.3652 -0.2783 0.8941R r=0.9563 -0.0010 0.3312-0.1112 0.9793 0.2413-0.2698 0.1957 -0.9581摄像机平移向量T l/T r T l=[-1093.3201 -895.5412 1298.9104]T T l=[-1096.3204 -952.5511 1335.9315]T旋转矩阵R R=0.9628 -0.0121 0.2639-0.0019 1.0008 0.0031-0.0971 0.0080.9891平移向量T T=-110.2624-5.409418.8971表2 测量结果与真实结果对比 mmAB BC CA测量结果40.2327 73.286740.0317真实尺寸41 73 414 结束语基于带有一阶径向畸变的小孔摄像机模型,提出了一种双目立体视觉分步标定方法.进一步完善了TSAI方法,实现了只用共面标定物,不需要摄像机做任何运动,就可以分步求解摄像机的标定参数.该方法简单,对实验条件要求较低,标定参数全面,比较实用.最后通过实验验证了该方法具有较高精度.参考文献:[1]邱茂林,马颂德,李毅.计算机视觉中摄像机定标综述[J].自动化学报,2000,26(1):43-55.[2]李鹏,王军宁.摄像机标定方法综述[J].山西电子技术,2007(4):77-79. [3]FAUGERAS O D,MAYBANK S.Motion from point matches:multiplicity of solutions[J].Intl J Computer Vision,1990,4:225-246.[4]TRIGGS B.Auto-calibration and absolute quadric.washington DC,USA,Proceedings of Computer Vision and Pattern Recognition,1997:604-614.[5]张伟,程鸿,韦穗.摄像机标定系统的设计与实现[J].计算机工程,2007(2):45-48.[6]SHALON Y B,FORTMANN T.Tracking and data association[M].New York:Academic Press,1988:106-132.[7]TSAI R Y.Versatile camera calibration technique for high accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses [J].IEEE of Robotics and automation,1987,3:323-344.[8]MARRTINS H A,BIRK J R.Camera model based on data from two calibration planes[J].Computer Graphics Image Processing,1981,17(2):173-180.[9]李瑞峰,李庆喜.机器人双目视觉系统的标定与定位算法[J].哈尔滨工业大学学报,2007,39(11):1719-1723.[10]邹凤娇,苏显渝,李美菊.基于共面点的摄像机线性标定法[J].光电工程,2005(4):70-74.[11]张颖.基于改进的SUSAN法的摄像机线性标定方法[J].计算机应用,2006(10):2516-2521.[12]VINCENT,ETIENNE,LAGNIERE.Robert-detecting and matching feature points[J].Journal of Visual Communication and Image Representation,2005,16(1):38-54.[13]赵文彬,张艳宁.角点检测技术综述[J].计算机应用研究,2006(10):156-178.[14]郭海霞,解凯.角点检测技术的研究[J].哈尔滨师范大学自然科学学报,2007(2):18-22.[15]张艳珍,欧宗瑛.一种新的摄像机线性标定方法[J].中国图像图形学报,2001(8):727-731.。

摄像机标定原理

摄像机标定原理

摄像机标定原理摄像机标定是指确定摄像机内外参数的过程,通过标定可以得到摄像机的内部参数(如焦距、光心等)和外部参数(如旋转矩阵、平移向量等),从而实现对图像的准确测量和分析。

摄像机标定在计算机视觉、机器人视觉、虚拟现实等领域有着广泛的应用。

摄像机标定的原理主要包括内部参数标定和外部参数标定两个方面。

内部参数标定是指确定摄像机的内部参数,包括焦距、光心、畸变系数等。

外部参数标定是指确定摄像机的外部参数,包括相机的旋转矩阵和平移向量。

在进行摄像机标定时,通常会采用棋盘格标定板或者圆形标定板作为标定目标。

通过摄像机拍摄标定板的图像,并利用图像处理算法检测标定板上的特征点,然后利用这些特征点进行摄像机标定。

摄像机内部参数的标定通常采用张正友标定法或者Tsai标定法。

张正友标定法通过多次拍摄不同位置的标定板图像,利用图像中的特征点和实际世界中的三维坐标点之间的对应关系,通过最小化重投影误差来求解摄像机的内部参数。

Tsai标定法是在张正友标定法的基础上,考虑了透镜畸变的影响,通过对透镜畸变进行建模,进一步提高了标定的精度。

摄像机外部参数的标定通常采用单目标定或者双目标定。

单目标定是指利用单个摄像机拍摄标定板的图像,通过特征点的对应关系来求解摄像机的外部参数。

双目标定是指利用两个摄像机同时拍摄标定板的图像,通过两个摄像机之间的对应关系来求解两个摄像机的外部参数,从而实现立体视觉的应用。

摄像机标定的精度对于后续的视觉测量和分析具有重要的影响,标定误差会直接影响到后续的测量精度。

因此,在进行摄像机标定时,需要注意标定板的选择、拍摄条件的控制、特征点的提取和匹配等关键步骤,以提高标定的精度和稳定性。

总之,摄像机标定是计算机视觉和机器人视觉领域中的重要基础工作,通过摄像机标定可以实现对图像的准确测量和分析,为后续的视觉任务提供可靠的基础支持。

摄像机标定的原理和方法在实际应用中具有重要的意义,对于提高视觉系统的精度和稳定性具有重要的作用。

由共面圆确定摄像机参数的线性方法

由共面圆确定摄像机参数的线性方法
D :03 7 ̄i n10 — 3 1 0 00 . 8 文 章编 号 :0 2 83 ( 0 0 O 一 10 0 文 献 标 识 码 : 中 图 分 类号 :P 9 oI 1. 8 .s . 2 8 3 . 1.1 4 7 s 0 2 0 10 — 3 l2 1 ) l0 6 — 4 A T 31
吉林大学 数学学院 , 长春 10 1 30 2
De a t n f Mah mais Jl ie st C a g h n 1 0 1 Ch n p rme t o t e t , i n Unv r i c i y, h n c u 3 0 2, i a
H AN Xi ao-l CA I e。 Yu, O NG Tin , t 1Li ar D a e a . ne app oa h f r r c o de e m i n c e a t r ni g am r par e e s r m c am t r f o oplna c r ls. a r ic e
Ke r s o i ;a ea c l r i ;i ua o t;o l a c c spoe t e iv r n y wo d :c nc c m r ai a o c c lrp i s cpa r i l ; r c v n a a t b tn r n n re j i i
cpa a c ce i po oe . etcnq eo l rqi st e olnrc c so oe hc r ab rry ds btd h r i o l r i ls s rpsd h eh i ny eur h e cpaa i l (rm r)w i ae riai ir ue . ee s n r T u e r re h t l t i T

基于Tsai的共面点摄像机线性标定

基于Tsai的共面点摄像机线性标定
关 键 词 :摄 像 机标 定 ; 性 标 定 ; si 线 T a
Th to emo s rt h tt e e ouc me d n taes ta h meh d as a hg era c r c to h ih c u a y
an san e e t e sm pe c l at n m eh d. d i f ci i l ai v br i to o
Ab ta t sr c :An a pra h wi ai ain wi opan rp n ame a p o c t c l t t c l a oitf c h br o h or r itiscan xera a a t r a e aii o os nr i d e t n lp r me es b s d on Ts s prp ed. Fi t n r s te fe l ai n h opialo u h ul e r ov d.Th h 。 h rey rt a d te t c s s o d b es le o c f ent ef
中图分类号 :T 3 1 4 P9.1
文献标 志码 : B
Ca r i e r c l a i n m e ho wih me a ln a a i to t d t br
c p a r p i t a e n Ts i o l na o n s b s d o a
- CT11 .


Hale Waihona Puke ●● m Jf V翔 . CT1 2
D^ ●- ’
搿j
图 3S A 11 和 D 4 接 A 72 H M62连
S CL ●_ 一
图 2S A 1 A 7DH 与 DM62接 口 4

摄像机标定中的相机内外参数求解方法

摄像机标定中的相机内外参数求解方法

摄像机标定中的相机内外参数求解方法摄像机标定是计算机视觉和图像处理领域中的重要问题之一。

它涉及到确定相机的内外参数,以便准确地将图像上的像素坐标转换为物理世界中的真实坐标。

相机内外参数的求解方法有多种,本文将介绍一些常用的方法和算法。

一、相机内参数求解方法相机内参数是指描述相机固有特性的参数,包括焦距、主点坐标和像素间距等。

求解相机内参数的方法主要包括棋盘格法和直接线性变换法。

1. 棋盘格法棋盘格法是一种简单而有效的相机标定方法。

它通过在摄像机视野内放置一个已知尺寸的棋盘格,并利用图像中棋盘格的角点位置与实际物理世界中棋盘格的角点位置之间的对应关系来求解相机的内参数。

具体步骤如下:1) 在摄像机视野内放置一个已知尺寸的棋盘格。

2) 使用相机拍摄多张包含棋盘格的图像。

3) 对每张图像进行角点检测,找到图像中棋盘格的角点。

4) 利用检测到的角点位置和实际物理世界中角点的位置之间的对应关系,使用最小二乘法求解相机的内参数。

2. 直接线性变换法直接线性变换法是另一种常用的相机内参数求解方法。

它通过拍摄多张图像,利用相机的投影模型和对应的图像点与物理世界点之间的对应关系,建立一个线性方程组,然后使用最小二乘法求解该线性方程组,得到相机的内参数。

具体步骤如下:1) 使用相机拍摄多张不同角度和姿态的图像。

2) 提取每张图像中的对应特征点,建立图像坐标与物理世界坐标之间的对应关系。

3) 根据相机的投影模型,将图像坐标转换为物理世界坐标。

4) 建立线性方程组,将物理世界坐标和相机的内参数之间的关系表示为一个线性方程组。

5) 使用最小二乘法求解该线性方程组,得到相机的内参数。

二、相机外参数求解方法相机外参数是指描述相机相对于世界坐标系的姿态和位置的参数,包括旋转矩阵和平移向量等。

求解相机外参数的方法主要包括直接线性变换法和非线性优化法。

1. 直接线性变换法直接线性变换法可以同时求解相机的内外参数。

它通过拍摄多张已知物理世界坐标和对应图像坐标的图像,利用相机的投影模型和对应的图像点与物理世界点之间的对应关系,建立一个线性方程组,然后使用最小二乘法求解该线性方程组,得到相机的内外参数。

一种摄像机自标定的线性方法

一种摄像机自标定的线性方法
Ab t a t A o e i e ra p o c sn p c - o ln rl e t e f r c mea s l- ai r t n fo a s g e i g s s r c : n v ll a p r a h u i g s a e c p a a -i o p ro m a r e fc l a i r m i l ma e i n n b o n
p r me e so ih p e ii n c l r t n o e c me aa e d rv d b s d o h e n a a ll o l a n s T e r s l f aa t r f g r c s a i a i f h a r r e ie a e n tr eu p r l p a rl e . h e u t o h o b o t ec n i s s n e i d r a g s r c u a ea dr l b e wi i t o , o ep e ii n i b i u l e trt a a t e y t t a e l ma e e a c r t i l t t s h d wh s r c so o v o sy b t nt t h cn i a n ea h h me s e h h wi t hh s a e c p a a- o n t o . p c - o ln r it h d p me Ke r : e fc l r t n; o l n n ; e t g lr n o ai n ywo ds s l- ai a i c p a a l e r ca u a f r t b o r i n i m o
的投影来计算摄像机的内外参数。对单幅图像而言 , sil Ta ] t 等采用空间位置已知的标准网格进行标定 , 是比

利用一个四等分圆线性求解摄像机内参数的方法[发明专利]

利用一个四等分圆线性求解摄像机内参数的方法[发明专利]

专利名称:利用一个四等分圆线性求解摄像机内参数的方法专利类型:发明专利
发明人:赵越,崔倩,吕晓丹
申请号:CN201210451351.5
申请日:20121113
公开号:CN102930546A
公开日:
20130213
专利内容由知识产权出版社提供
摘要:本发明涉及一种利用平面上一个四等分圆求解圆环点的像进行摄像机标定的方法,对标定的靶标从不同方向拍摄三幅图像,从图像上提取椭圆方程和两条互相垂直的直径的像,根据配及原则,利用共点四条直线的交比性质,得出平面上的消失线,利用消失线与圆的像椭圆相交得出圆环点的像。

建立圆环点的像对应于摄像机内参数的约束方程,线性求解摄像机5个内参数。

利用本发明中的靶标可以实现全自动标定,减少了标定过程中由测量引起的误差。

由于二次曲线是一种更简洁更全局化的基元,在摄像机标定过程中提高了标定精度。

申请人:云南大学
地址:650091 云南省昆明市翠湖北路2号云南大学
国籍:CN
更多信息请下载全文后查看。

参考点共面条件下的稳健相机位姿估计方法

参考点共面条件下的稳健相机位姿估计方法

参考点共面条件下的稳健相机位姿估计方法
1. 嘿,你知道吗,在参考点共面条件下,有一种超厉害的稳健相机位姿估计方法呢!就好比你在一个混乱的房间里找东西,你得有个靠谱的办法才能快速准确地找到目标呀!比如我们拍照的时候,如果相机能稳稳地确定好位置和姿态,那拍出来的照片该多棒呀!
2. 哇塞,想想看,参考点共面条件下的稳健相机位姿估计方法,这可太重要啦!这就像在茫茫人海中,你能一下子就锁定你要找的那个人一样神奇!比如说在自动泊车系统中,这个方法就能让车子精确地知道自己的位置和姿态,轻松停好车呢!
3. 哎呀呀,参考点共面条件下的稳健相机位姿估计方法呀,可真是个宝贝!这就如同在黑暗中找到了一盏明灯,指引着方向呢!就像我们用手机拍照时,有了这个方法,就能让每张照片都清晰又好看,多厉害!
4. 嘿,这种稳健相机位姿估计方法在参考点共面条件下真的绝了!简直就像一个武林高手,出手就又稳又准!比如说在虚拟现实游戏里,能让你感觉自己真的在那个奇妙的世界里,可不就是靠这个嘛!
5. 哇哦,参考点共面条件下的稳健相机位姿估计方法,牛啊!就好像给相机装上了一双锐利的眼睛,怎么都不会出错呢!好比无人机飞行的时候,有了它就能稳稳地按照设定路线飞行,多牛气!
6. 嘿嘿,不得不说,参考点共面条件下的稳健相机位姿估计方法真的太有用啦!就跟有了魔法一样!就拿全景拍照来举例吧,有了它才能拍出那种
完美拼接的全景图呀!总之,这种方法真的超级重要,能让我们的生活更加丰富多彩呢!观点结论:参考点共面条件下的稳健相机位姿估计方法有着广泛的应用和重要的意义,它能让相机的使用更加智能和精确,为我们带来更好的体验!。

有哪些相机标定的方法

有哪些相机标定的方法

有哪些相机标定的方法
一、特征点标定法
1、棋盘格标定法
棋盘格标定法是最常用的一种相机标定方法,它的特点是标定环境里有一幅预先绘制好的棋盘格,棋盘格是由一定数量的方形格子组成,每个格子上放置一个不同的黑白标定标志,它可以用来测量棋盘格上标定点的位置和重要的尺寸参数以及它们的空间关系。

通过棋盘格标定,可以获得标定时相机安装的参数,以及拍摄图像与世界坐标系之间的尺度参数。

2、线性标定法
线性标定法是一种基于物体的简单标定法,它可以用于在任意场景下标定相机参数。

线性标定法的特点是简单,快速,准确。

它可以用来测量物体上的几个点,然后使用多点线性拟合技术来估计相机参数。

因为它的简单且快速,线性标定法在应用时被广泛使用。

3、距离标定法
距离标定法是一种基于距离原理的标定方法。

它可以用来测量在定点几何中物体的位置和大小,以及在更高级场景中标定相机参数。

距离标定有利于减少其他标定方法中的不确定性,因为它可以从一个点精确测量出其标定参数。

二、运动标定法
运动标定法是一种从时变运动影像中标定相机参数的方法,它可以用来测量运动轨迹上的空间点位置,以及它们与相机之间的相对位
置和关系。

通过运动标定,可以获得相机参数,甚至可以从两个不同时刻的视频帧中估计出相机运动的运动轨迹。

基于圆形特征的摄像机标定

基于圆形特征的摄像机标定

目录1. 课题的研究背景及意义 (1)1.1 课题研究背景 (1)1.2 课题研究意义 (1)2 摄像机标定技术的理论基础 (2)2.1 摄像机模型 (2)2.1.1 线性模型摄像机标定 (2)2.1.2 成像关系推倒 (4)2.1.3 引入畸变的摄像机模型 (5)2.2 摄像机参数模型 (6)3. 摄像机标定技术技术的发展现状 (6)3.1 摄像机标定技术的分类 (6)3.2 摄像机标定技术的国内外现状 (7)3.2.1 传统摄像机标定方法 (7)3.2.2 基于圆形特征的平面模板的摄像机标定 (7)3.3 基于圆形特征的摄像机标定技术存在的问题 (8)4. 研究内容及研究方案 (9)4.1 研究内容 (9)4.2 研究方案及拟采用技术 (9)4.2.1 图像处理 (9)4.2.2 圆心像点坐标的精确定位 (10)4.2.3 椭圆/二次曲线的提取 (10)4.2.4 智能优化算法提高摄像机标定精度 (11)4.4.5 多摄像机的全局标定 (11)5. 课题难点及解决方法 (12)6. 实验条件及论文经费估计 (12)7. 论文工作计划 (12)8. 参考文献 (12)1.2.课题的研究背景及意义本课题为自选课题,即基于圆形特征的摄像机标定技术研究。

1.1 课题研究背景视觉是人类感知环境世界,认识外部世界的主要途径。

据统计人类约有80%信息是通过视觉获得的[1]。

计算机视觉的基本任务之一也是从摄像机获取的图像信息出发计算三维空间中物体的何信息,并由此重建和识别物体。

虽然,目前人们还不能让计算机也具有像生物那样高效、灵活的视觉系统,但这种希望正在逐步实现。

视觉测量技术,是以机器视觉技术为基础,融合电子技术、计算机技术、近景测量技术、图像处理技术为一体的测量系统。

其试图通过对图像对被测目标进行测量,无须基础被测物体本身,这一间接测量的特点,使得视觉测量系统具有受外界条件影响小,信息获取和测量数据处理在时间上是接近同步的。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1引言作为建立摄像机图像像素和场景点位置之间关系,求解摄像机模型参数的核心技术手段,摄像机标定是计算机视觉等应用中的基本问题。

针对传统标定方法文献[1]所需的高精度立体标定模块制作困难这一缺点,张正友在文献[2]中提出了用平面模板代替传统的立体定标块的方法。

该方法需要精确定位模板上点阵的物理坐标,而且要求模板与图像之间的点进行匹配。

当图像和选取的点较多时,确定这种匹配关系的代价将变得很大,给使用者带来了诸多不便。

为了摆脱标定过程的人工干预,孟晓桥等在文献[3]中提出了一种基于圆环点的标定方法。

这种方法的优势主要在于去掉了匹配步骤的同时不需了解模板上的物理度量。

但是,该方法要求在图像中精确定位圆心的像点(也即各条直径的像直线的交点),而在有噪声的情况下,各条直径的像直线并不总是交于一点,于是只能规定一个最优点作为圆心的像点,这就大大降低了方法的鲁棒性。

由于确定一条二次曲线比确定一个点或是一条直线需要更多的参数,因此,基于二次曲线的方法应该具有更高的鲁棒性。

文献[4]利用有四个交点的二次曲线作为模板,求得图像中二次曲线的交点后直接利用点对应求解单应性矩阵。

文献[5]利用无交点二次曲线的四条公切线在射影变换下仍为二次曲线的公切线这一事实,在求得二次曲线的四条公切线后,利用线对应来求单应性矩阵。

文献[6]利用有两个交点的圆作为模板,通过求图像中二次曲线的交点来求得圆环点的像,然后计算内参数矩阵。

文献[7]能处理任意分布的两个圆,求出圆环点的像后就能求出内参数矩阵。

以上这些方法都需要求解二元二次的非线性方程组,虽然问题可以转化为一元四次方程的求解,但得出的原方程组的解析表达式是相当复杂的,在实际操作中无法使用。

另外,文献[8-9]给出了利用二次曲线进行标定的线性算法,然而他们的方法都需要知道模板中二次曲线的形状参数和相对位置参数,同时还需要对模板和图像中的二次曲线进行匹配。

最近文献[10-11]利用曲线束,提出了基于圆的线性标定方法,但是这两种方法都对圆的分布有特定的要求,其中文献[10]基于两个同心圆而文献[11]处理的是两个或两个以上无交点圆的模板。

给出了利用平面上任意分布的三个(或更多)圆进行标定由共面圆确定摄像机参数的线性方法韩晓乐,蔡宇,董天,徐明飞,张树功HAN Xiao-le,CAI Yu,DONG Tian,XU Ming-fei,ZHANG Shu-gong吉林大学数学学院,长春130012Department of Mathematics,Jilin University,Changchun130012,ChinaHAN Xiao-le,CAI Yu,DONG Tian,et al.Linear approach for determining camera parameters from coplanar circles. Computer Engineering and Applications,2010,46(1):160-163.Abstract:In view of camera calibration’s preferable robustness based on conic,a new method for camera calibration based on coplanar circles is proposed.The technique only requires three coplanar circles(or more)which are arbitrarily distributed.There is no demand of orientation of conics,the matching between model plane and image,and solution of non-linear system of equations. In the paper algorithm is described in view of geometry,and it’s validity is proved in view of algebra.Experiment results have shown that the method proposed is not only accurate and robust,but also has the better practicality because the method proposed is not image matching and information about geometric information of conic such as size and position.Key words:conic;camera calibration;circular points;coplanar circles;projective invariant摘要:考虑到基于二次曲线这种几何基元的摄像机标定方法比基于点或直线的方法具有更好的鲁棒性,给出了一种新的基于共面圆的摄像机标定方法。

该方法的主要特点是模板形式简单、易于制作,仅需任意分布的三个或三个以上共面圆,且不需要进行圆环定位;不需要模板与图像之间的匹配;也无需求解任何非线性方程组。

从几何角度对算法进行形象描述,并从代数的角度给出了严格论证。

模拟和真实图像实验表明,该算法精确度高,鲁棒性强,表现出了十分良好的实用性。

关键词:二次曲线;摄像机标定;圆环点;共面圆;射影不变量DOI:10.3778/j.issn.1002-8331.2010.01.048文章编号:1002-8331(2010)01-0160-04文献标识码:A中图分类号:TP391基金项目:国家自然科学基金(the National Natural Science Foundation of China under Grant No.J0630104)。

作者简介:韩晓乐(1988-),男,主要研究领域为计算机视觉;蔡宇(1984-),男,博士研究生,主要研究领域为计算机图形学;董天(1976-),男,博士,副教授,主要研究领域为计算机代数,计算机图形学;徐明飞(1984-),男,硕士,主要研究领域为计算机图形学;张树功(1958-),男,博士,教授,主要研究领域为计算机代数,计算机图形学。

收稿日期:2009-10-15修回日期:2009-11-16的线性方法,对两圆相交、相切、包含、分离等各种分布都能处理。

该方法无需知道圆的任何几何信息和模板与图像的匹配信息、对圆的分布也没有任何要求,因而具有较好的实用性;标定过程是线性的,因而精度和效率都较高;由于所依赖的几何基元是二次曲线,因而算法具有较高的鲁棒性。

2基础知识2.1摄像机成像原理假设从模板平面[X,Y]到图像平面[u,v]的射影变换为:λ(u,v,1)T=K[r1r2t](X,Y,1)T其中λ为非零尺度因子,K=f u s u00f v v00000001为摄像机的内参数矩阵,[r1r2t]为外参数矩阵,r1,r2为三维旋转矩阵R=[r1r2r3]的前两列,t为三维平移向量。

令H=K[r1r2t],则H可视为从模板平面到图像平面的二维射影变换的单应性矩阵,在射影变换情形下,有det(H)≠0。

2.2绝对二次曲线与圆环点对于二维射影空间中的点p=(x,y,t)T,若t=0,则称其为无穷远点。

所有的无穷远点构成无穷远直线l∞,其齐次坐标为(0,0,1)T。

同样的,对于三维射影空间中的点P=(X,Y,Z,t)T,若t=0,就称其为无穷远点。

所有的无穷远点构成无穷远平面π∞,其齐次坐标为(0,0,0,1)T。

在无穷远平面π∞上,满足方程P T P=0(即X2+Y2+Z2=0,t=0)的点构成的二次曲线(其矩阵表示为3阶单位阵)称为绝对二次曲线Ω∞。

容易验证,在射影变换之下,绝对二次曲线Ω∞在图像平面上的像为二次曲线K-T K-1。

由此可见,绝对二次曲线的像与摄像机的外参数无关,它包含了摄像机内参数的全部信息。

因而,如果能得到绝对二次曲线的像,则可求出摄像机的全部内参数。

关于外参数的获取,采用了文献[8]的方法,不再赘述。

因此,该文的重点解决对象为摄像机的内参数。

不失一般性,建立世界坐标系使得模板在平面z=0上(计算内参数时无需X,Y轴的具体方位,而在3.1节计算外参数时将给出它们的定位)。

这样,(X,Y,0,0)T(其中X,Y任意)为无穷远平面与模板平面的交线,也即模板平面上的无穷远直线l∞。

特别的,绝对二次曲线上的点(1,i,0,0)T和(1,-i,0,0)T(称为圆环点)在模板平面的无穷远直线l∞上。

显然,圆环点的像在二次曲线K-T K-1上。

这样,如果能够找到足够多(至少三对)圆环点的像,就可以唯一确定二次曲线K-T K-1,从而完成对摄像机内参数的求解。

假设O为模板平面上的任意圆,其上的点(x,y,0,t)T满足方程xt-Ox≠≠2+yt-Oy≠≠2=r2。

计算圆与无穷远直线的交点:将t=0代入上式,可得x2+y2=0,于是得到两个交点(1,i,0,0)T和(1,-i,0,0)T。

这表明平面上任一个圆与该平面上的无穷远直线必定交于两个圆环点[9]。

因此,如果能得到模板上一个圆和一条无穷远直线的像(称为隐消线),则它们的交点即为两个圆环点的像。

3算法原理将从几何观察和代数约束两方面介绍隐消线的求解原理。

3.1几何观察首先,命题1给出了射影几何中的极点极线对应关系的不变性。

命题1极点与极线的对应关系在二维射影变换下保持不变。

证明假设点x关于二次曲线C的极线为直线l,在二维射影变换H下,二次曲线C、直线l、点x的像分别为C′,l′,x′,往证x′关于二次曲线C′的极线为直线l′。

由射影几何理论可知[12],x关于二次曲线C的极线为l的充要条件为l=C x,即只需证明l′=C′x′即可(本证明中的等式均是在射影意义下成立)。

由上,有x′=H x,l′=H-T l,C′=H-T CH-1,故C′x′=H-T CH-1H x= H-T C x=H-T l=l′,即极点与极线的对应关系在二维射影变换下保持不变。

定义1如果两共面圆所在平面上某点关于两圆的极线重合,则称这点为两圆的公极点。

现在讨论两圆公极点的各种可能情况。

不失一般性,假设圆O1的圆心位于坐标原点,半径为1,圆O2的圆心位于(d,0),半径为r(r≠1)。

3.1.1两圆同心,即d=0此时两圆的矩阵表示分别为:O1=10001000-00001,O2=10001000-r00002。

假设非无穷远点(x,y,1)T为两圆的公极点,则O1·(x,y,1)T=λ·O2·(x,y,1)T,其中λ为非零尺度因子。

相关文档
最新文档