机器视觉中针孔模型摄像机的自标定方法 recent progress in pinhole model camera self-calibration for machine vision.pdfVIP

第19卷第1期 机电产品开崖与刨新 VOll9N01 d 2006年1月 D州elop…t＆Innova伽nm∞hin。q＆el舳cdproducb Jan2006 机器视觉中针孔模型摄像机的自标定方法 蓝慕云1，刘建瓴2，吴庭万1，刘桂雄2 摘要：强调了摄像机自标定在机器视觉中的作用，介绍了目前几种主要的摄像机自标定方法，指出了 这几种方法的主要特点及应用领域，论述了摄像机自标定方法的发展趋势。 关键词：摄像机自标定；针孔模型；绝对二次曲线 中图分类号：TP391文献标识码：A 文章编号：1002—6673(2006)01—042—03 难，人们又提出了分层逐步标定的思想，即首先对图像 O引言 序列做射影重建，在此基础上再仿射标定和欧氏标定。 从二维图像恢复三维物体可见表面的几何结构(称 因为上述方法标定的复杂性，张正友旧提出基于平面 为三维重建)是人类视觉的主要目的之一。在计算机视 标定模板的标定，根据图像点间的匹配求解单应性矩阵 觉领域，j维重建主要由三个步骤构成：①图像对应点 进行标定。从本质上说，所有自标定方法都只是利用了 的匹配，即从不同图像中找出同一空间点在这些图像上 摄像机内参数自身存在的约束，这些约束与场景和摄像 投影点的过程；②对摄像机进行标定，即确定摄像机固 机的运动无关，这也是自标定方法较前两种标定方法更 有的与光、电特征及几何结构有关的内参数；⑧进一步 灵活的原因。本文就几种主要的自标定方法的特点进行 确定不同图像间摄像机的运动参数，即求解外参数。可 比较。 吼看出，摄像机标定结果的好坏直接决定着三维重建结 1．1 直接求解Kruppas方程的自标定方法 果的好坏，研究摄像机的标定方法具有重要的理沦研究 意义和实际应用价值。 直接基于求解Kmppa方程的一种方法，该方法利用绝对 二次曲线像和极线变换的概念推导出了Knlppa方程。 1 几种主要的摄像机自标定方法 广义上摄像机标定可分为三种：传统标定方法、基 于主动视觉的标定方法和自标定方法。 传统标定方法“9需要使用经过精密加工的标定块； 基于主动视觉的标定方法需要控制摄像机做某些特殊运 动，如绕光心旋转『1或纯平移H8等计算出内参数。以 上两种标定方法均利用到场景或摄像机运动的信息，对于 图1绝对二次曲线满足的对极约束图 场景任意、摄像机运动未知的最一般的情形则无法求出。 加世纪90年代初，Faugeras，Luo“g，Maybank等 在光心对应的图像平面1上，存在着阿极线1．．1： 首先提出了白标定的概念，使得在场景未知和摄像机任 与∞相切见图1，在光心c7对麻的图像平面2上也存在 意运动的一般情形下标定成为可能。Fau∞ms等从射影 着两极线l’。，l勺与∞7相切(分别是绝对二次曲线在图 几何的角度出发证明了每两幅图像间存在着两个形如 像平面1、2上的影像)。根据射影几何”的原理，1．与 Kmppa方程的二次非线性约束，通过直接求Knlppa方 17，，l：与11分别对应着无穷远平面订。上两条与绝对二 程组可以解出内参数。鉴于直接求解Kruppa方程的困