[发明专利]一种基于任意已知平面形状的单目相机自标定方法

权利要求书

1.一种基于任意已知平面形状的单目相机自标定方法，其特征在于，包括以下步骤：

S1、基于目标中已知平面形状信息建立模板集合；

S2、通过单目相机获取目标图像，所述图像包含模板集合中的已知平面形状信息；

S3、在模板集合中搜索与目标图像中相匹配的模型，得到该模型的单应性矩阵；

S4、通过亚像素角点检测以及最小二乘拟合将单应性矩阵精确到亚像素级别；

S5、根据多幅图像的亚像素级别下单应性矩阵计算单目相机的内参矩阵及外参矩阵；

S6、对内参矩阵和外参矩阵进行极大似然估计，得到畸变系数和内参矩阵的最优解，作为单目相机的自标定结果。

2.根据权利要求1所述的基于任意已知平面形状的单目相机自标定方法，其特征在于，所述步骤S1具体包括：

S11、获取包含已知平面形状信息的ROI图像；

S12、对ROI图像生成ROI图像高斯金字塔；

S13、通过射影变换参数对ROI图像的每级金字塔进行转换得到图像集合，转换公式为：

上式中，为单应性矩阵，a_pq为齐次坐标下的射影变换参数，p＝1,2,3，q＝1,2,3，其中任意8个为自由度，为图像上一点的齐次坐标经射影变化后的坐标，可分解为：

上式中，为点经射影变换后的非齐次坐标，A为2*2矩阵，b为二维向量，C为2*2矩阵，A，b，C为非齐次坐标下的射影变换参数；

S14、对图像集合中的图像通过canny算子检测边缘方法提取边缘特征，产生边缘像素及其方向向量，添加到模板集合中。

3.根据权利要求1所述的基于任意已知平面形状的单目相机自标定方法，其特征在于，所述步骤S3具体包括：

S31、将目标图像生成目标图像高斯金字塔；

S32、计算模型与目标图像金字塔最低分辨率层级像素梯度的匹配度，计算公式为：

上式中，m为当前模型的匹配得分，n为当前模型中边缘点个数，为模型中边缘点i对应图像中点的梯度向量，d_i为模型中边缘点i的方向向量，为向量与向量d_i的内积，为向量的模，‖d_i‖为向量d_i的模；

S33、当匹配度大于阈值时，得到该模型的射影变换参数及单应性矩阵。

4.根据权利要求1所述的基于任意已知平面形状的单目相机自标定方法，其特征在于，所述步骤S4具体包括：

S41、利用Shi-Tomasi角点提取算法提取模型中的角点，并根据提取将其迭代至亚像素精度，得到亚像素坐标p_j；

S42、通过单应性矩阵计算其对应模型的位置，计算该位置的亚像素精度角点坐标

S43、对亚像素坐标p_j和亚像素精度角点坐标执行最小二乘拟合，得到优化后的亚像素级别射影变换参数A、b、C，拟合公式为：

上式中，min为拟合后的最小值，m为当前模型的匹配得分；

S44、根据最小值下的亚像素级别射影变换参数A、b、C计算其单应性矩阵。

5.根据权利要求1所述的基于任意已知平面形状的单目相机自标定方法，其特征在于，所述步骤S5具体为：

S51、根据相机内参矩阵的约束条件计算内参矩阵B，约束条件为：

上式中，

S52、根据内参矩阵B及单应性矩阵计算外参矩阵，计算公式为：

B[R₁ R₂ t]＝H

上式中，[R₁ R₂ t]为外参矩阵。

6.根据权利要求1所述的基于任意已知平面形状的单目相机自标定方法，其特征在于，所述步骤S6中极大似然估计的公式为：

上式中，m_ij为第i幅图片中第j个点的亚像素单位坐标，当前标定系数下该点对应图像中的亚像素单位坐标，k₁，k₂为二阶径向畸变系数，R_i，t_i为第i幅图片的外参矩阵。