[发明专利]无重叠视场的相机阵列优化标定方法

摘要

本发明公开了一种无重叠视场的相机阵列优化标定方法，用于解决现有相机阵列标定方法实用性差的技术问题。技术方案是将各相机采集的图像视为拍摄时刻的独立相机，采用增量式从运动恢复结构的方法对单一图像所代表的相机完成标定；通过图像编号将同一时刻各相机拍摄的图像进行聚类，得到多组候选相机子集；依据相机空间位置的判断以及候选相机子集平均重投影误差最小原则，筛选出最佳相机子集，从而完成相机阵列标定。该方法适用于无重叠视场的相机阵列标定，且无需附加标志物，实用性好。

主权项

1.一种无重叠视场的相机阵列优化标定方法，其特征在于包括以下步骤：步骤一、采用张氏标定法对相机内参标定；连续采集15幅图像，在每幅图像上进行角点检测，计算标定所用图像和棋盘格之间的单应变换H，利用棋盘格的几何关系，建立各视图图像中各角点的对应关系；棋盘格上的所有角点的空间坐标满足共面约束，设定其Z坐标为0，对单应性进行计算：其中，u,v为角点的像素坐标，X,Y为角点在棋盘格上的空间坐标；将单应变换H进行分解，得到：H＝sK[r₁ r₂ t]            (2)其中，r₁,r₂,t为棋盘的位置姿态，s为标量系数，K为相机摄像头内参数矩阵；然后利用r₁和r₂的正交性求解K；步骤二、搭建无重叠视场的相机阵列，保证多个相机之间的关系固定,将相机阵列安置在载台上，随其运动；改造相机快门，通过时间脉冲同步实现各相机在运动时能同时拍摄；载台运动轨迹包含环形，使得多个相机在不同时刻拍摄到同一静态场景；步骤三、将各相机采集的图像视为拍摄时刻的独立相机，采用增量式基于运动恢复结构的方法对单一图像所代表的相机完成标定，即将各相机采集的图像混入同一图像集，提取sift特征点并匹配；根据匹配关系，选取两张图像A和B作为初始，使用8点算法计算基本矩阵F，对于图像A和图像B任意一组匹配的特征点x和x'，满足x'Fx＝0，由基本矩阵与本质矩阵关系：E＝K'^TFK                 (3)计算出本质矩阵E，其中K'^T和K分别由相机内参标定步骤得到；通过对E进行奇异值分解，得到相对姿态旋转矩阵R和平移向量t，以图像A建立世界坐标系，整理得投影矩阵P＝K[I|0]以及P＝K'[R|t]；根据估计的相机参数，三角化计算两相机都可见的三维点的坐标；最后使用捆绑调整最小化重投影误差，优化两个相机参数和三维点坐标：其中，n维的向量C和m维的向量X分别表示整个相机参数和三维点坐标的集合；w_ij为指示变量，w_ij＝1代表三维点在相机中可见，w_ij＝0代表三维点在相机中不可见；||q_ij‑P(C_i,X_j)||²中i表示相机序号；采用基于生长的思想不断添加新的图片，估计相应相机参数并三角化新加入图片中可见的三维点，每一轮均使用捆绑调整对整个系统进行优化；整个生长过程持续到没有新的图片加入时结束；步骤四、各相机采集的图像以编号进行区分，编号规则为同一相机拍摄图像按时间先后顺序排列，不同相机间的图像编号前缀不同；通过图像编号，对同一时刻各相机拍摄的图像进行聚类，得到多组候选相机子集；步骤五、对步骤四得到的多组候选相机子集，通过两步筛选，确定最佳相机子集，具体步骤如下：依据相机空间位置进行判断，相机空间位置由X_c＝‑R't计算得到；由于同组内各相机之间距离在各组中相对稳定，比较不同组中同一对相机之间距离，自适应阈值过滤掉差别较大的候选相机子集；对剩余的候选相机子集分别统计本组内重投影误差，求和平均后：最小者为最佳相机子集，其标定结果即为相机阵列标定结果。