[发明专利]一种基于二维标定物的相机标定方法

摘要

本发明提出一种基于二维标定物的相机标定方法，在进行标定图像优选的基础上实现相机标定，包括准备平面标定板，用相机采集平面标定板每个角度的图像，对每幅图像进行角点提取，计算每幅图像对应的单应性矩阵，初始化随机抽取一致性的参数，从所有的单应性矩阵中随机选取单应性矩阵，计算IAC，并判断每幅图像对应的单应性矩阵与IAC之间的距离，根据判断得到内点集和内点数的总和，并进行局部优化；最后根据所有内点估计IAC，去除外点对应的图像集，完成标定图像优选；根据标定图像优选结果进一步得到标定结果。本发明可以提升张正友二维平面的标定方法，获得更稳定可靠的标定精度。

主权项

1.一种基于二维标定物的相机标定方法，其特征在于：在进行标定图像优选的基础上实现相机标定，包括以下步骤，步骤1，准备平面标定板；步骤2，用相机采集平面标定板每个角度的图像，设得到J幅图像；步骤3，对每幅图像进行角点提取，计算每幅图像对应的单应性矩阵，记为Hj，其中j为图像序号，取值为1,2,3,…,J；步骤4，初始化随机抽取一致性的参数，包括取理论迭代次数k为∞，初始的实际迭代次数为i＝0，最好的内点集为bestSub＝[]，最好的内点数为bestNin＝0；[]示空集；步骤5，从步骤3所得所有的单应性矩阵Hj中随机选取s个单应性矩阵，计算IAC，并判断每幅图像对应的单应性矩阵Hj与IAC之间的距离Dj，根据预设的相应阈值thr判断是否Dj<thr，是则认为Hj为内点，否则认为Hj为外点，得到内点集sub和内点数的总和Nin；其中s为最小采样点数；所述IAC代表K^‑TK^‑1，K是内参数；i＝i+1；步骤6，判断是否Nin>bestNin，如果是，进入步骤7进行局部优化，否则返回步骤5；步骤7，进行局部优化，包括以下子步骤，步骤7.1，初始化局部优化的次数d＝10，初始化当前迭代中的局部最多内点数lobestNin＝0，局部最好内点集lobestSub＝[]；步骤7.2，令n＝4，Nin＝0，从当前的内点集sub中随机选取slo个内点，相应选择slo幅图像对应的单应性矩阵Hj，计算IAC，slo大于最小采样点数s，判断每幅图像对应的单应性矩阵Hj与IAC之间的距离Dj；步骤7.3，根据预设的相应阈值thr的n倍进行IAC内点数的判断，包括判断是否Dj<n*thr，如果是则认为Hj为内点，否则认为Hj为外点，对每幅图像判断完成后，得到当前的内点集sub和内点数的总和Nin，令n＝n‑1；步骤7.4，判断是否n>1，如果否则进入步骤7.5，如果是则由当前的内点集sub计算IAC，返回步骤7.3；步骤7.5，判断Nin>lobestNin，若是，lobestNin＝Nin，lobestSub＝sub，进入步骤7.6，若否则进入步骤7.6；步骤7.6，d＝d‑1，判断是否d<1，如果否则返回步骤7.2，如果是则返回最终结果lobestSub,lobestNin；步骤8，根据步骤7返回的结果，令bestNin＝lobestNin，betSub＝lobestsub，根据bestNin得出内点比ε=bestNin/J，更新理论迭代次数k，判断是否i>k，如果否则返回到步骤5，是则进入步骤9；步骤9，根据bestSub中的所有内点估计IAC，去除外点对应的图像集，完成标定图像优选；根据标定图像优选结果进一步得到标定结果。