计算机视觉中的摄像定标.docxVIP

计算机视觉中的摄像定标 1 图像非量测定标技术 计算机视觉的基本任务之一是从摄像头获得的图像信息开始计算和识别三维图像中的几何信息，并重建和识别对象。图像中的点的三维几何位置与图像中的对应点之间的关系是由摄像头成像的几何模型决定的。这些几何模型的参数是摄像头的参数。在大多数情况下，这些参数必须通过实验和计算获得。这个过程被称为摄像头校正。考虑到同时期摄影测量中的相同问题，我们在这一方向上取得了许多研究成果。从计算机视觉的角度来看，考虑到摄像头校正在理论和实践中的重要价值，学术界在过去10年的研究中进行了大量的研究，在不同的出发点和思路上取得了一些成果。在不同的问题背景下，它们具有各自的应用价值。我们认为，对现有方法进行分类、比较和分类对于阐明两者之间的关系非常重要。 摄像机定标技术早就应用于摄影测量学[1～3].摄影测量学中所使用的方法是数学解析分析的方法,在定标过程中通常要利用数学方法对从数字图像中获得的数据进行处理.通过数学处理手段,摄像机定标提供了专业测量摄像机与非量测摄像机的联系.而所谓的非量测摄像机是指这样一类摄像机,其内部参数完全未知、部分未知或者原则上不稳定.摄像机的内部参数指的是摄像机成像的基本参数,如主点(图像中心)、焦距、径向镜头畸变、偏轴镜头畸变以及其它系统误差参数. 对于计算机视觉研究而言,在利用计算机技术实现对三维景物的描述、识别和理解这一任务时,CCD摄像机是对物理世界进行三维重建的一种基本测量工具,这时摄像机定标被认为是实现三维欧氏空间立体视觉的基本而又关键的一步.总体来说,其计算方法与摄影测量学中所使用基本相同.这些问题在计算机视觉中得到了进一步研究,这是因为计算机视觉中的问题与摄影测量学中的问题相比,有着显著不同的特点: 1)计算机视觉系统中使用CCD摄像机作为价格低廉的非量测摄像机.摄像机参数未知或者不稳定,从而导致成像过程不稳定,并且CCD摄像机数字化图像分辨率低,存在量化误差,存在较大的非线性镜头畸变. 2)计算机视觉中所测量的一般为近景,为了使系统小巧,两摄像机之间的基线长度不可能很长,从而使得系统计算误差较大. 3)在计算机视觉中,进行三维重建需要大数量的图像点,有时要求实时地处理数据并给出结果. 此外,不同的应用背景也对定标技术提出了不同的要求.在立体计算机视觉中,如果系统的任务是物体识别,则物体相对于某一个参考坐标系的绝对定位显得并不特别重要,更重要的是物体特征点间相对位置的精度.举例来说,在一个基于CAD的物体识别系统中,所研究的物体上的特征的相对位置必须具有足够高的精度,才能进行有效的匹配和识别.如果系统的任务是物体的定位,相对于某一个参考坐标系的绝对定位精度就特别重要.例如,在一个自主车辆导航系统中.自主式移动机器人必须准确地知道其自身的位置、工作空间中障碍物的位置、以及障碍物的运动情况,才能有效地、安全地进行导航.CCD摄像机的上述特点和应用问题的要求使得定标技术、精度和实时性等问题的研究显得特别重要,同时也导致了研究成果的多样性. 摄像机参数总是相对于某种几何成像模型的,这个模型是对光学成像过程的简化,比如最常用的针孔模型,它是摄像机定标研究的基本模型.然而很多情况下这种线性模型不能准确描述摄像机成像的几何关系,如在近距、广角时的情形,因此还需要考虑线性或非线性的畸变补偿后,才能更合理地看作针孔模型成像过程.利用校正后的模型进行三维重建才能得到更高的精度.因此成像模型和畸变补偿成为计算机视觉中摄像机定标研究的重点. 上述这些内容构成了传统摄像机定标研究的主要问题.其基本方法是,在一定的摄像机模型下基于特定的实验条件如形状尺寸已知的定标参照物经过对其图像进行处理利用一系列数学变换和计算方法,求取摄像机模型的内部参数和外部参数,大致有基于单帧图像的基本方法和基于多帧已知对应关系的立体视觉方法. 另一种重要的应用背景是,在很多情况下,由于存在经常性调整摄像机的要求,而且设置已知的定标参照物也不现实,这时就需要一种不依赖定标参照物的所谓摄像机自定标方法,成为目前摄像机定标研究的重点.总的来看,现有的摄像机定标技术大体可以归结为两类:传统的摄像机定标方法和摄像机自定标方法. 2 畸变补偿的定标方法 从计算思路的角度上看,传统的摄像机定标方法可以分成四类,即利用最优化算法的定标方法,利用摄像机变换矩阵的定标方法,进一步考虑畸变补偿的两步法和采用更为合理的摄像机成像模型的双平面定标方法.文中按照求解算法的特点将它分为直接非线性最小化方法(迭代法)、闭式求解方法和两步法,也不失为一种好的划分方法. 2.1 定标过程中的问题 这一类摄像机定标方法的优点是,可以假设摄像机的光学成像模型非常复杂,包括成像过程中各种因素.然而由此带来的问题是: 1)摄像机定标的结果取决于摄像机的初始给定值,