[发明专利]一种基于二维标定物的相机标定方法

说明书

本发明提出一种基于二维标定物的相机标定方法，在进行标定图像优选的基础上实现相机标定，包括准备平面标定板，用相机采集平面标定板每个角度的图像，对每幅图像进行角点提取，计算每幅图像对应的单应性矩阵，初始化随机抽取一致性的参数，从所有的单应性矩阵中随机选取单应性矩阵，计算IAC，并判断每幅图像对应的单应性矩阵与IAC之间的距离，根据判断得到内点集和内点数的总和，并进行局部优化；最后根据所有内点估计IAC，去除外点对应的图像集，完成标定图像优选；根据标定图像优选结果进一步得到标定结果。本发明可以提升张正友二维平面的标定方法，获得更稳定可靠的标定精度。

技术领域

本发明涉及相机标定技术领域，尤其涉及基于二维标定物的相机标定技术，具体涉及基于标定图像优选的相机标定方法。

背景技术

相机标定技术指的是找到相机模型的参数。参数一般包含从场景到图像的参数(内参)，以及从参考坐标系到相机坐标系的参数(外参)。另外还包含相机镜头由于制造误差而产生的非线性畸变参数。相机标定的精确性直接影响着三维重建、视觉检测和视觉导航的精度。有许多的学者对相机标定进行了研究，主要分为自标定和基于标定物的标定。自标定不用标定物，直接根据采集静态场景的图像上的对应点来标定相机，但它的对应点的提取精度有限，且有的场景没有对应点，并且它没有考虑镜头的畸变[2]，因此它的标定精度受限[1]。在精度要求高的场合常采用基于标定物的标定方法。

基于标定物的标定方法主要分为基于三维标定物和基于二维标定物的方法，基于三维标定物的方法需要坐标精确已知的三维标定物，它需要的设备很昂贵。应用最广泛的是基于二维标定物的标定方法，最经典的是张正友的二维平面模板标定方法[3]。张正友的二维平面标定方法中需要采集多张不同视角的图像来进行标定，标定的精度依赖于合适的视角[3](当标定板的角度和相机的成像平面的角度为45度时，标定精度会较高)、角点提取的精确性等。不同的图像集会导致不同的标定精度。为了处理这个问题，[2]提出了用随机抽取一致性[4](RANSAC)来剔除不可靠的图像来达到更好的标定效果，但是由于标准的RANSAC有些缺点如下：(1)标准的RANSAC运行时间比理论上预测的更长[5]，(2)它假设从内点里面得到的模型是与所有内点一致的，这个假设通常不成立，因为内点有时候也会受噪声的影响。因此RANSAC得到的内点数具有一定的随机性，与理论上的内点不相同，所得到的模型当然也不和理论相同。

相关参考文献：

[1]S.Bougnoux,“From projective to euclidean space under any practicalsituation,a criticism of self-calibration,”Proc.IEEE.International Conferenceon Computer Vision(ICCV 98),IEEE.CS Pess.Dec.1998,pp.790–796,doi:10.1109/ICCV.1998.710808.

[2]Y.Lv,J.Feng,Z.Li,W.Li and J.Cao.“A New Robust 2D CameraCalibration Method using RANSAC,”Optik-International Journal for Light andElectron Optics,vol.126,Dec.2015,pp.4910–4915.

[3]Z.Zhang,“A Flexible New Technique for Camera Calibration,”IEEETransactions on Pattern Analysis and Machine Intelligence,vol.22,Dec.2000,pp.1330–1334,doi:10.1109/34.888718.