[发明专利]一种基于3D几何约束的汇聚式双目相机标定方法

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。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，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。与现有方法相比较，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

本发明涉及一种汇聚式双目相机标定方法，尤其是涉及一种基于3D几何约束的汇聚式双目相机标定方法。

背景技术

机器视觉检测方法利用摄像机自身所具有的自扫瞄、高分辨率、高灵敏度等特性对目标物进行检测时，无需配置复杂的机械运动结构，测量精度高、速度快、操作简单，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。相机标定是视觉测量的首要前提，对视觉系统的测量精度具有重要影响。利用世界坐标系和图像坐标系之间的投影关系构建矩阵方程，求解后能够获得摄像机的初始参数，但是这些初始参数无法精确表征摄像机的真实属性，导致测量误差较大。因此需要建立用于参数优化的数学模型，通过最优化算法计算全局最优解，以此保证更高的测量精度。

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”中利用区域加权法计算基础矩阵，其中着重考虑了图像的区域特征，然后根据对极几何对相机的内、外参数进行求解。Z.Wang于2015年在《Measurement》上的论文“A two-step calibration method of a large FOV binocularstereovision sensor for onsite measurement”中考虑了重投影误差，在对摄像机的外参数进行优化时，使用本征矩阵进行极线约束，提高了视觉测量精度。F.Yang于2016年在《ACTA OPTICA SINICA》的论文“Binocular camera calibration method combined withthe four collinear constraints”中结合使用共线约束与重投影误差计算摄像机的内外参数，其中共线约束是指在畸变误差较大的图像四角建立几何约束关系。该方法仍然是在二维图像平面上对像素点之间的关系进行约束与参数优化。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”将标定板的特征角点分为中间区域点和边缘区域点两类，以重投影误差作为目标函数分别标定两类区域，最终获得用于中间区域和边缘区域的两组相机参数。

目前，现有的双目相机标定方法多以二维图像平面的约束信息作为优化条件，缺少三维重建点间的几何制约关系，并且研究对象多为平行式双目视觉系统，针对汇聚式双目视觉的相机标定方法的研究尤为稀少。

发明内容

为了解决背景技术中存在的问题，本发明的目的在于提供一种基于3D几何约束的汇聚式双目相机标定方法，针对汇聚式双目视觉系统，提出了新型的三维几何约束条件，建立了包含3D点坐标约束、对角线距离约束以及边缘直角约束的数学模型，迭代优化待标定参数，最终获取高精度的汇聚式双目相机参数。

本发明所采用的技术方案它包括以下步骤：