[发明专利]一种面向环形多相机系统的立体标定板标定方法

说明书

本发明公开了一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，立体标定板的各个靶标平面上中心附着不同的AprilTags标记，用于识别不同的面和当前面的方向角度，立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，用于高精度的标定相机的内外参数，每一AprilTags标记的四周具有白色环形区域，各个靶标平面之间具有白色区域。本发明立体标定板结构简单，无需考虑相机的排列次序，采用同一个标定板可以标定多个环形多相机。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种面向环形多相机系统的立体标定板标定方法。

背景技术

随着硬件条件和计算机性能的不断提升，机器视觉技术广泛应用于人工智能、视觉测量、机器人技术和图像处理等，为了获得立体效果，多相机视觉开始慢慢的进入视野中，如多视觉感知、测量，360°全景拍摄等，相机标定技术是视觉测量技术的关键一步，通过相机的标定过程可以快速建立起不同坐标不同维度系统之间准确的位置关系，进一步实现测量对象的位置跟踪、尺寸测量以及面型重构等。

基于靶标的标定方法，通过建立相机坐标系、靶标坐标系、图像坐标系和世界坐标系之间的数学模型，以靶标坐标系作为不同相机坐标系之间的纽带求解出相机之间的位置关系，即通常所说的相机的外参数，包括不同坐标系之间的旋转矩阵和平移向量。通过相机的针孔模型建立起相机图像坐标系和靶标之间的线性数学模型，求解出相机的内部参数，包括相机的主点、焦距等。基于靶标的标定方法按照靶标的结构可以分为：一维标定靶标、平面靶标、和立体靶标。其中立体靶标由于工艺复杂，图像识别困难因此常常为研究的难点。

发明内容

本发明提出的一种面向环形多相机系统的立体标定板标定方法，采用结构简单的设计利用AprilTags图形和立方形标记图案，无需考虑相机的排列次序，采用同一个标定板可以标定多个环形多相机。AprilTags是一个视觉基准库，在AR，机器人，相机校准领域广泛使用。通过特定的标志（与二维码相似，但是降低了复杂度以满足实时性要求），可以快速地检测标志，并计算相对位置。

为了实现上述目的，本发明采用了如下技术方案：

一种面向环形多相机系统的立体标定板标定方法，立体标定板是由六个面构成的正立方体结构，所述立体标定板的各个靶标平面上中心附着不同的AprilTags标记，所述立体标定板的各个靶标平面的AprilTags标记四周附着方形阵列图案的棋盘格标志，每一AprilTags标记的四周具有白色环形区域，各个靶标平面之间具有白色区域；

所述立体标定板标定方法包括：

S1：识别AprilTags标记，获取对应AprilTags序号、方位、估计相机的内外参数，此为相机内外参数一，再对靶标平面的区域进行定位；

S2：识别棋盘格标志，获取高精度的相机内外参数，此为相机内外参数二；

S3：融合识别AprilTags标记的获取结果和识别棋盘格标志的获取结果，得到相机内外参数三，提高了相机内外参数的精度；融合方法采用了加权平均法、卡尔曼滤波法、多贝叶斯估计法、D-S证据推理方法、人工神经网络法中的任意一种。

优选的，步骤S1中识别AprilTags标记的具体步骤包括：

S11：采用相机检测场景中的图像，对图像二值化后计算梯度值和梯度方向，并对其进行聚类集成具有相似方向和幅度的分量，聚类完成后，使用最小二乘法将线段拟合到每个连接的组件；

S12：按梯度幅度对每个点进行加权，调整每个线段，使Tags转化为了一组有向线段，再计算四边形的线段序列，通过不断调整阈值来处理遮挡问题和分割误差的鲁棒性；

S13：计算AprilTags与相机的距离和角度，采用的投影矩阵估计相机方法为：