基于分割区间LS-SVM的摄像机标定.pdfVIP

第35卷 第24期 计 算 机 工 程 2009年 12月 Vot35 No．24 ComputerEngineering December2009 · 人工智能及识别技术 · 文章编号：1000—-3428(2009)24—_0179—_03 文献标识码：A 中图分类号：TP242．6 基于分割 区间LS．SVM 的摄像机标定 刘 胜 ，傅荟璇，王字超 (哈尔滨工程大学 自动化学院，哈尔滨 150001) 摘 要 ：利用最小二乘支持向量机(LS—SVM)可以不考虑摄像机具体的内部参数和外部参数实现摄像机的标定。由于镜头的畸变主要由径向 畸变引起，根据摄像机畸变特点对畸变区域进行划分，提出一种基于分割区间LS—SVM 的摄像机标定法，对不同的畸变区域进行单独处理。 该方法与BP神经网络和基本LS—SVM 预测结果对比表明，分割区间LS—SVM摄像机标定法误差小、速度快、标定精度高。 关健词：摄像机标定 ；最小二乘支持向量机；分隔区间；计算机视觉；BP神经网络 CameraCalibrationBasedOnDividedRegionLS-SVM LIU Sheng，FU Hui-xuan，WANG Yu-ehao (CollegeofAutomatization，HarbinEngineeringUniversity，Harbin150001) [AbstractlByusingLeastSquaresSupportVectorMachines(LS—SVM)，itneednotconsiderinternalandexternalparameterstoachievethecamera calibration．Becausethelensdistortionismostlycausedbyradialdistortion，accordingtothecameradistortioncharacteristic，itdividesthedistortion region．A new method ofcameracalibrationbasedon dividedregionLS—SVM isproposed，and thedistortionofdifferentregionsdealswiht separately．ThecomparisonwithothermethodsincludingBPNeuralNetwork(BPNN)andLS—SVM showsthatthecalibrationaccuracyisimproved byusingthedividedLS—SVM method，andthespeedishigher． [Keywords]cameracalibration；LeastSquaresSupportVectorMachines(LS—SVM)；dividedregion；computervision；BPNeuralNetwork(BPNN) 1 概述 艺水平等因素的影响，因此实际透镜成像系统会产生镜头畸 摄像机标定是指建立图像像素位置和场景点位置之间的 变，主要有径向畸变和切向畸变。在实际应用中，一般只考 关系。摄像机标定过程就是确定摄像机的几何和光学参数(内 虑径向畸变。本文也只考虑径向畸变，且认为畸变误差与透 部参数)和摄像机相对于世界坐标系的方位(外部参数)。标定 镜中心对称。无畸变理想图像点位置与有畸变实际图像点位 精度的大小直接影响计算机视觉(机器视觉)的精度。 置之间的关系如图1所示。 目前，摄像机标定方案大致可分为线性法、非线性法、 两步法、双平面法、主动标定法等。这些方法均计算出内部 参数和外部参数，可称为直接法，若可以不考虑具体参数， 可使用神经网络、支持向量机(SupportVec