[发明专利]一种基于分区域的双目相机基本矩阵计算方法

说明书

本发明一种基于分区域的双目相机基本矩阵计算方法属于计算机视觉测量领域，涉及一种基于分区域的双目相机基本矩阵计算方法。该方法首先搭建双目视觉系统，将特征点标定物放置在视场中，连接左、右相机和工作站，然后通过左、右相机采集所设计的特征点图像。引入畸变参量并进行特征点的自动识别提取与畸变矫正，完成左右图像特征点的匹配以构成初始匹配点集，基于视场范围对初始匹配点集进行均匀地分区域；最后在各分区中不断随机抽样一组匹配点进行迭代计算基本矩阵以完成基本矩阵的高精度计算。该方法通过特征点的自动识别减少标定的操作时间、提高稳定性，实现了高精度、高鲁棒性、快速进行双目相机基本矩阵的计算。

技术领域

本发明属于计算机视觉测量领域，涉及一种基于分区域的双目相机基本矩阵计算方法。

背景技术

随着现代工业现场零件测量需求的变化，要求基于视觉的几何量精密测量不再局限于可控环境下小尺寸零件的测量，而是需要实现大视场复杂环境下的大型零件的精密测量。而在视觉测量领域，基于双目相机的视觉测量方式具有测量视场大和单次测量精度高的特点，被普遍地应用于大型零件的精密测量。在工业现场环境下大视场双目视觉测量时，左右图像对应基元的匹配是保证精度的一个关键环节，而基本矩阵的计算精度是影响匹配精度的关键点。但由于工业环境下拍摄的大视场图像受噪声与畸变影响较大，使用传统的基本矩阵计算方法的精度无法满足现场测量的需求。

传统方法中，通常直接利用RANSAC算法实现图像的畸变校正，常常针对初始匹配点集中的误匹配点组进行算法优化。在减少迭代次数、实现全视场精度提升的领域却没有进行优化。上海师范大学的单欣等人在上海电机学院学报,2006(04):66-69.《基于RANSAC算法的基本矩阵估计的匹配方法》一文中提出了一种基于Sampson距离的RANSAC法用于解决求解基本矩阵中误匹配问题。采用基于RANSAC方法,并引入Sampson加权算子，以Sampson距离划分局内点和局外点来提高算法的鲁棒性。并通过完整的仿真实验，验证了该算法的有效性。该方法筛选了初始匹配特征点集中的误匹配点组，使得最终计算所得的基本矩阵更具鲁棒性，精度更高。但是对于设定不同的迭代次数，仍会计算出不同的基本矩阵，产生鲁棒性与精度较低的结果，也无法保证全局精度。

发明内容

本发明要解决的技术难题是实际大视场工业环境下双目图像之间基本矩阵的高精度计算，而传统基本矩阵计算方法鲁棒性、全局精度与计算效率无法兼得。因此，发明了一种基于分区域的双目相机基本矩阵计算方法。该方法，首先搭建一种充满视场的特征点标定物，然后通过相机采集特征点图像并进行特征点的自动识别提取与引入畸变参量进行畸变校正，完成做右图像中特征点的匹配以构成初始匹配点集。然后基于视场范围对初始匹配点集进行均匀分区域操作，最后在各分区中随机抽样一组匹配点计算双目相机的基本矩阵，并对该计算过程进行迭代以完成基本矩阵的高精度计算。此方法，在特征点识别提取过程中引入了畸变参量进行校正，减弱了畸变所造成的提点不精确而导致的基本矩阵计算误差，然后通过分区域的方法加快了计算过程的迭代次数，无需多次重复设定迭代次数已达到鲁棒稳定的基础矩阵计算结果。通过分区域的随机抽样，使计算所得的基础矩阵在全局视场内精度更高，提高迭代速度，实现了快速、精确的基本矩阵计算。此方法是一种兼得全局精度，计算速度与精度的基本矩阵计算方法。

本发明采用的技术方案是一种基于分区域的双目相机基本矩阵计算方法，其特征是，首先搭建双目视觉系统，将特征点标定物放置在视场中，该标定物具有两个非共面平面的特征点，并均匀粘贴圆形特征点分布于两个非共面平面上；连接左、右相机和工作站，然后通过左、右相机采集所设计的特征点图像；引入畸变参量并进行特征点的自动识别提取与畸变矫正，完成左右图像特征点的匹配以构成初始匹配点集，基于视场范围对初始匹配点集进行均匀地分区域；最后在各分区中不断随机抽样一组匹配点进行迭代计算基本矩阵以完成基本矩阵的高精度计算；方法的具体步骤如下：

步骤1，初始匹配点集构建