[发明专利]一种基于多约束的高精度双目相机标定方法

说明书

本发明公开了一种基于多约束的高精度双目相机标定方法。首先采用张正友标定法计算初始双目相机参数，然后计算重投影误差和极线误差，之后根据左右相机图像中的特征点坐标以及双目相机参数重建三维特征点，并计算由相邻距离误差、共线误差以及直角误差构成的3D几何误差。建立由重投影误差累加和、极线误差累加和、相邻距离误差累加、共线误差累加和以及直角误差累加和构成的优化目标函数，采用列文伯格‑马夸尔特法对优化目标函数进行求解获得最优的双目相机参数。和张正友标定法相比，本发明对双目相机进行标定，使得距离测量误差、共线误差以及直角误差都得到了明显降低。

技术领域

本发明涉及一种高精度的双目相机标定方法，尤其是涉及一种基于多约束的高精度双目相机标定方法。

背景技术

机器视觉检测系统由于可以提高生产的柔性和自动化程度，以及可以使用在某些不存在人工检测条件的场合，使得近几年在几何量测量以及机械制造等领域发挥着越来越重要的作用。相机标定是展开机器视觉后续一系列操作的基础，因此学者们在相机标定领域展开了大量的研究。通过构建世界坐标系和图像坐标系的关系，求解矩阵方程可以得到初始的相机参数。但是这些初始参数往往在实际应用中使得测量误差较大，因此需要建立用于优化的数学模型，使用最优化算法寻找使得测量效果最佳的全局最优解，最终达到更高的测量精度。

张正友于2000年在《IEEE Transactions on Pattern Analysis and MachineIntelligence》的论文“A flexible new technique for camera calibration”中使用重投影误差作为优化目标函数，估计相机内外参数。Q.Wang于2016年在《MeasurementScienceTechnology》的论文“An improved measurement model of binocular visionusing geometrical approximation”中考虑了图像中特征分布情况，提出区域加权法计算基础矩阵，再根据对极几何原理估计相机外参。Z.Wang于2015年在《Measurement》上的论文“A two-step calibration method of a large FOV binocular stereovision sensorfor onsite measurement”中考虑重投影误差的同时引入极线约束，在保证内参固定的情况下，使用本征矩阵代替基本矩阵进行极线约束，对外参数进行优化，提高了视觉测量精度。F.Yang于2016年在《ACTA OPTICA SINICA》的论文“Binocular camera calibrationmethod combined with the four collinear constraints”中提出在畸变误差较大的图像四角进行标志点共线约束，结合最小化重投影误差来估计相机参数。然而，该方法是通过将三维点间的共线交比关系重投影回图像平面，对图像平面的像素点之间的关系进行限制，仍是停留在图像平面上优化。并非考虑由图像上的像素点，根据标定参数重建三维估计点，对三维估计点施加和实际标志点相一致的几何约束。Shen于2016年在《Journal ofMeasurement Science and Instrumentation》上的论文“A new technique for highprecision sub-regional camera calibration based on checkerboard pattern”中把用于标定的特征点分为中间点和边缘点两类，分别标定中间和边缘这两类区域，以重投影误差作为最小化目标函数，得到用于各自区域的两组相机参数。Cui于2014年在《OpticsExpress》上的论文“Precise calibration of binocular vision system used forvision measurement”中考虑使用最小化三维重建点和实际点之间的坐标差异，结合极线约束和特征点相邻距离误差来综合优化相机参数。然而，该方法没有考虑重投影误差对相机参数的影响。由于重投影约束是保证图像点和实际点坐标单应性的重要约束条件，因此重投影误差也是衡量三维重构效果的一个重要参数，对加速寻找正确的收敛方向以及保证结果的精确性上都发挥着重要作用。同时，只考虑了局部的相邻距离约束，忽略了其他约束力更强的重建后特征点间的几何制约关系。