[发明专利]一种基于多相机全连接组合的三维坐标计算方法

说明书

本发明公开了一种基于多相机全连接组合的三维坐标计算方法，至少包括以下步骤：步骤S1：通过多个相机的拍摄物体图像计算得到物体世界坐标组；步骤S2：通过计算模型得到每个相机组合的权重，从而对坐标组进行加权求期望，得到优化后的三维坐标点。采用本发明的技术方案，通过多个相机进行全连接组合，得到世界坐标组，并预先采用计算模型进行计算权重训练，得到每个相机组合权重值，从而对坐标组进行加权求期望，实现三维坐标点的优化，从而大大降低了传统双目视觉中由于离散化图像点阵造成的系统误差。

技术领域

本发明涉及机器视觉及图像识别领域，尤其涉及一种基于多相机全连接组合的三维坐标计算方法。

背景技术

目前的双目视觉三维坐标计算系统可以通过棋盘格标定法得到每个相机的畸变矩阵和偏移矩阵作为相机内参，通过指定世界坐标系中同平面且任意三点互不共线的四个点，并在标出相机图像中对应四个点的图像坐标，计算得到相机相对于世界坐标系的旋转矩阵和平移矩阵作为相机外参，使用两个内参矩阵和两个外参矩阵共四个矩阵(以下简称三维坐标计算矩阵)，基于这四个计算矩阵即可将两个相机的二维坐标转换为三维空间坐标。

现有的双目视觉系统主要存在以下问题：

1、基于两个相机的视觉系统，当其中任何一个相机的物体被遮挡时，由于失去了一组参考坐标，系统便无法正常工作；

2、由于相机所拍摄图像为离散的点阵，因此拍摄图像及识别的精度很大程度上由相机的分辨率所决定，当相机分辨率较差时，拍摄所得图像会存在较大误差。

发明内容

有鉴于此，确有必要提供一种基于多相机全连接组合的三维坐标计算方法，通过多个相机进行全连接组合，得到世界坐标组，并预先采用计算模型进行计算权重训练，得到每个相机组合权重值，从而对坐标组进行加权求期望，实现三维坐标点的优化。

为了克服现有技术的缺陷，本发明的技术方案如下：

一种使用多个相机进行三维坐标计算的方法，其特征在于，包括以下步骤：

步骤S1：通过两个相机的拍摄物体图像计算得到物体世界坐标组；

其中，步骤S1进一步包括：

步骤S11：获取大量目标物体的图片信息，在神经网络框架中进行模型训练；

参见图1所示为本发明提供的一种使用多个相机进行三维坐标计算的方法中上述S11的详细流程图，其进一步包括以下步骤：

步骤S111：使用相机对目标物体在不同环境、光照、背景条件下多角度、多距离、多物体干扰的进行拍摄，取得m1(m11000)张图片作为训练样本。

步骤S112：对每幅样本图片中的目标物体进行标注，获得标注后的m2个图片样本作为训练集。

步骤S113：在神经网络框架中设置训练参数及适宜的断点(用于训练过程中进行定时检查)。

步骤114：将训练集输入到神经网络框架中进行迭代训练。

步骤115：在断点时进行训练成果检查，检查各个训练参数是否符合期望值。

步骤116：若不符合期望值则回到S14继续进行迭代训练，若符合期望值则选取m3(m310)做过标注但未在训练集中的图片对其中的目标物体进行识别。

步骤117：若识别精度未达到期望值则回到S14继续进行迭代训练，若达到了期望值则结束训练得到目标物体的神经网络模型。

步骤S12：选取适宜的世界坐标系，对相机进行标定得到四个转换矩阵；

参见图2所示为本发明提供的一种使用多个相机进行三维坐标计算的方法中步骤S12的详细流程图，其进一步包括以下步骤：