[发明专利]一种基于分区域的双目相机基本矩阵计算方法

摘要

本发明一种基于分区域的双目相机基本矩阵计算方法属于计算机视觉测量领域，涉及一种基于分区域的双目相机基本矩阵计算方法。该方法首先搭建双目视觉系统，将特征点标定物放置在视场中，连接左、右相机和工作站，然后通过左、右相机采集所设计的特征点图像。引入畸变参量并进行特征点的自动识别提取与畸变矫正，完成左右图像特征点的匹配以构成初始匹配点集，基于视场范围对初始匹配点集进行均匀地分区域；最后在各分区中不断随机抽样一组匹配点进行迭代计算基本矩阵以完成基本矩阵的高精度计算。该方法通过特征点的自动识别减少标定的操作时间、提高稳定性，实现了高精度、高鲁棒性、快速进行双目相机基本矩阵的计算。

主权项

1.一种基于分区域的双目相机基本矩阵计算方法，其特征是，首先搭建双目视觉系统，将特征点标定物放置在视场中，该标定物具有两个非共面平面的特征点，并均匀粘贴圆形特征点分布于两个非共面平面上；连接左、右相机和工作站，然后通过左、右相机采集所设计的特征点图像；引入畸变参量并进行特征点的自动识别提取与畸变矫正，完成左右图像特征点的匹配以构成初始匹配点集，基于视场范围对初始匹配点集进行均匀地分区域；最后在各分区中不断随机抽样一组匹配点进行迭代计算基本矩阵以完成基本矩阵的高精度计算；方法的具体步骤如下：步骤1，初始匹配点集构建首先搭建双目视觉系统，将特征点标定物放置在视场中；为保证特征点具有一定的深度信息，搭建的特征点标定物(1)设计有前后两个非共面平面，在非共面平面上设计N个特征点，并均匀分布在平面上；均匀粘贴圆形特征点在标定物(1)两个非共面平面上；利用已连接的左、右相机(2、3)和工作站(4)采集所设计的特征点图像；利用圆形的圆度与灰度特征，基于椭圆拟合算法可自动识别圆形标志点的圆心坐标；步骤2，提取并校正特征点，构建初始匹配特征点集；利用先验标定所得的畸变参量对圆心坐标进行畸变校正，以已校正的圆心坐标的图像坐标(x,y)与圆心到图像零点构成的角度作为特征向量，进行特征匹配，完成引入了畸变参量的初始匹配点集构建；步骤3，特征点均匀分区域，分区域随机抽样；采用了一种分区域抽样提取算法，通过区域特征点的随机抽样选取，进行RANSAC基本矩阵算法；将初始特征对应点集Q{q＝(x,y)}按行平均分为s个区，平均从各区中随机抽取8/s组，共8组对应点；通过迭代优化最小化公式(1)以计算该次抽样所对应的基本矩阵Fj，j为当前迭代次数，mi为随机抽样第i组对应点的左图像齐次坐标，m'i为其对应的右图像齐次坐标；步骤4，计算基本矩阵，判断基本矩阵是否满足精度要求；设计算初始特征对应点集内每对对应点到各自极线的平方距离di，以表征该基本矩阵Fj对该对对应点的匹配程度；按公式(2)划分其对应局内点与局外点；其中，C为该基本矩阵Fj所对应的局内点数量，T为特征点图像坐标到其对应极线的距离阈值，按精度要求，设定为0.5pixel；步骤5，重复步骤3‑4，直到局内点数量占比达到期望的阈值，并记录该组局内特征对应点集为Qin，此时局内点数量为Cin；对局内特征对应点集Qin内所有的对应点，通过公式(1)，其中，i∈[1，Cin])计算最优基本矩阵F。