《双目立体相机自标定方案的研究.docx》由会员分享，可在线阅读，更多相关《双目立体相机自标定方案的研究.docx（3页珍藏版）》请在优知文库上搜索。
1、双目立体相机自标定方案的研究一、双目立体相机自标定原理双目视觉是通过两个摄像机从不同的角度拍摄同一物体，根据两幅图像重构出物体。双目立体视觉技术首先根据已知信息计算出世界坐标系和图像坐标系的转换关系，即世界坐标系和图像坐标系的透视投影矩阵，将两幅图像上对应空间同一点的像点匹配起来，建立对应点的世界坐标和图像坐标的转换关系方程，通过求解方程的最小二乘解获取空间点的世界坐标系，实现二维图像到三维图像的重构。重构的关键问题是找出世界坐标系和图像坐标系的转换关系-透视投影矩阵。透视投影矩阵包含了图像坐标系和相机坐标系的转换关系，即相机的内参（主要是相机在两坐标轴上的焦距和相机的倾斜角度），以及相机坐标
2、系和世界坐标系的转换关系，即相机的外参（主要是相机坐标系和世界坐标系的平移、旋转量）。相机标定的过程就是确定相机内参和相机外参的过程。相机自标定是指不需要标定块，仅仅通过图象点之间的对应关系对相机进行标定的过程。相机自标定技术不需要计算出相机的每一项参数，但需要求出这些参数联系后生成的矩阵。二、怎样提高摄像机自标定精确度？方法一、.提高估算基本矩阵F传统的相机自标定采用的是kruppa方程，一组图像可以得到两个kruppa方程，在已知3对图像的条件下，就可以算出所有的内参数。在实际应用中，由于求极点具有不稳定性，所以采取基本矩阵F分解的方法来计算。通过矩阵的分解求出两相机的投射投影矩阵，进而实
3、现三维重构。由于在获取图像过程中存在摄像头的畸变，环境干扰等因素，对图像会造成非线性变化，采用最初提出的线性模型计算f会产生误差。非线性的基本矩阵估计方法得到提出。近年来非线性矩阵的新发展是通过概率模型降低噪声以提高估算基本矩阵的精度。方法二、分层逐步标定法。该方法首先对图像做射影重建,再通过绝对二次曲线施加约束,定出仿射参数和摄像机参数。由于它较其他方法具有较好的鲁棒性，所以能提高自标定的精度。方法三、利用多幅图像之间的直线对应关系的标定法。方法四、改进优化算法自标定问题的求解可归结为求解一组非线性多项式方程组的问题,解决这类问题的常用方法是各种优化算法，所以改进优化算法也是提高精度的有效措
4、施。英文文献1 .题目：ACameraSelf-calibrationforMachineVisionBasedonKruppasEquation（基于机器视觉的相机自标定KrllPPa方程）作者:ZhaoshengTao,DaweiTu,SaisaiHe,JinjieYe出处：TransTechPubl日期:2013年8月2 .题目：Computervisionmethodsforopticalmicroscopes（计算机视觉光学显微镜的方法）作者：M.Boissenin,J.Wedekind*,A.N.Selvan,B.P.Amavasai,F.Caparrelli,J.R.Travis
5、出处:Elsevier日期：2007年7月3 .题目：ResearchonCameraSelf-CalIbrationofHigh-PrecisioninBinocularVision（双目视觉摄像机的高精度自标定）作者：ZetaoJiang,LianggangJia,ShutaoGuo,出处：Elsevier日期：2012年4 .题目：Anaccuratestereovisionsystemusingcross-shapedtargetseif-ca1ibrationmethodbasedonphotogrammetry（一个精确的立体视觉系统利用十字形的目标基于摄影测量的自标定方法）作者：
6、ZhenzhongXiaoJinLiang,DehongYu,ZhengzongTang,AnandAsundi出处：Elsevier日期：2010年12月5 .题目：AutomaticSelf-CalibrationofExpresswaySurveillanceCameraUnderDynamicConditions（i速公路动态环境下的摄像机自标定）作者：YanHongping*,WangLingfen92,0,andPanChunhon92,出处：JournalofComputer-AidedDesign&ComputerGraphics日期：2013年7月6 .题目：Anaccuratecalibrationmethodforacamerawithtelecentriclenses（一个精确的标定方法与远心镜头相机）作者：DongLiJindongTian出处：OPtiCSandLaSerSinEngiileering日期:2013年5月一、利用多幅图像之间的直线关系的自标定原理
免费区 