双目立体视觉的光学标定技术.docx

双目立体视觉的光学标定技术摘要：为了通过二维图像信息计算三维空间中的几何信息对摄像机系统进行精确标定。在建立和分析双目立体视觉模型和现有摄像机标定方法的基础上提出一种新的光学标定方法。该方法通过构建和分析双目摄像机理论模型并改进现有的方法实现了双目立体视觉的光学标定。实验在双目摄像机平台上采用黑方格模板和通过算法实现了光学参数的标定使用LevenbergMarquardt算法优化单应矩阵并通过最大似然估计法进行参数优化通过试验模型测定结果显示其实际标定精度为0.0509mm满足双目立体视觉的测定需求。关键词：双目立体视觉；针孔模型；最大似然估计；二维标定引言计算机视觉检测技术以其非接触、快速、高精度、自动化程度高等优点近年来在众多领域得到了广泛的应用尤其是双目立体视觉技术已经被成功地应用于工业检测、目标识别、智能车辆和空间物体三维姿态测量等领域。如何通过摄像机获取的二维图像信息计算出三维空间中物体的几何信息并由此重建和识别物体是计算机视觉技术中的首要问题。因此要准确地得到三维空间点和相应图像像素点之间的对应关系精确地标定摄像机是极其重要的[1]。随着计算机视觉理论的发展人们根据实际应用提出了一些不同的摄像机模型和标定方法[112]。其中基于三维标定物的标定法以TSAIRY的两步标定法最为普遍[79]但该法不易进行大尺寸的标定且标定块不易制作价格昂贵。而基于二维标定物如平面棋盘格或带星状图形图板的标定法如张正友标定法等[1012]其操作灵活价格低廉标定精度较高是目前双目立体视觉标定的主要手段它利用旋转矩阵的正交条件及非线性最优化进行摄像机参数的标定。这种基于不同位置平面模板的标定方法仅要求从不同角度拍摄同一标定平面两幅以上的图像就可以求出摄像机的内外参数同时不需要知道平面模板移动的具体方向和位移信息。由于需要确定模板上点阵的物理坐标以及图像和模板之间的点的匹配提高了对使用者的要求。同时由于手动点击角点繁琐容易产生一定的误差。为了使车辆辅助驾驶系统实现行人检测和距离判断以便通过图像处理和计算实现对车辆辅助驾驶控制因此本文构建了双目立体视觉模块实现光学取景和成像。为了测量物点到摄像机镜头的距离以及获取实际场景尺寸和摄像机成像尺寸之间的关系与误差本文结合张正友等人的算法对车载双目立体视觉模块进行了二维标定。制定了合理的标定方案并采用黑方格模板等方法进行实验很好地实现了双目立体视觉模块的光学标定其标定方法具有实现简便算法移植性好精度高的特点。图1针孔模型Fig.1Pinholemodel1基本结构和工作原理摄像机是满足射影特性的光学成像仪器使用针孔模型[8]对其建模。成像过程实质上是四个坐标系之间的坐标转换这四个坐标系依次是世界坐标系、摄像机坐标系、图像物理坐标系、图像像素坐标系。如图1所示世界坐标系OXwYwZw建立在空间之中用以量化摄像机及各个物点的位置和相互间的位置关系。摄像机坐标系OXcYcZc的原点O位于成像平面之后距离为焦距f的地方Zc轴与光轴重合Xc轴、Yc轴分别与图像的行方向、列方向平行。图像物理坐标系OXY与成像平面重合原点位于图像中心X轴、Y轴分别与图像的行方向、列方向平行。图像像素坐标系OUV与成像平面重合原点位于图像左下顶点U轴、V轴分别与图像的行方向、列方向平行。三维坐标系之间的位置关系有平移和旋转两种分别由平移矩阵和旋转矩阵来描述世界坐标系到摄像机坐标系的转换为：xc2.2标定预处理标定操作需要通过反色、图像优化、边缘检测、顶点检测和二维标定等步骤在实现标定时采用了黑方格模板和基于张正友定标的二维标定算法实现摄像机的标定以优化传统算法。摄像机获取的彩色图像经过灰度转换成为灰度图像。使用二元高斯函数产生高斯滤波窗口对图像进行滤波减少噪声对顶点提取的影响。由于标定物是画有黑色正方形的白纸图像对比度较大因此使用阈值变换进一步增加对比度灰度图像进一步转换成为二值图像同时大大简化了后续处理算法。此时目标区域为黑色背景区域为白色不利于图像处理因此对二值图像的像素取反让正方形的像区域成为白色区域。由于摄像机成像的不清晰性及噪声的影响反色后的图像边缘出现了锯齿状需要进行图像优化以修复目标区域的此类缺陷。分析这种缺陷发现当锯齿出现时连续的三个横向和纵向的像素点其像素值为1、0、1或者0、1、0。基于这个特点使用如图3所示的两种模板分别匹配整幅图像实现优化。首先使用如图3（a）所示的横向模板进行匹配其大小为3个像素点若f（ij-1）=f（ij+1）则令f（ij）=f（ij-1）进行图像优化。然后使用图3（b）所示的纵向模板对图像进行二次优化设定大小为3个像素点若f（i-1j）=f（i+1j）则令f（ij）=f（i-1j）从而完成对