[发明专利]一种用于单目立体视觉自标定的异型标定块及标定方法

权利要求书

1.一种用于单目立体视觉自标定的异型标定块及标定方法,包括异型块形状、标定点位置、标定方法。

2.根据权利要求1，一种用于单目立体视觉自标定的异型标定块包括：N级台阶异型块和类似方法的标定块。

3.根据权利要求1，一种单目立体视觉的自标定方法，具体检测步骤包括：

1)首先利用标定板对单目CCD相机进行参数矫正，通过构造合适的畸变矫正模型，进行单目CCD相机畸变参数矫正。

2)其次，利用矫正后的单目CCD相机拍摄异型标定块，捕捉标定块上的若干个标定点的物理坐标及像素坐标，即P₁(2,4)、P₂(4.5,7)、P₃(7,7)、P₄(8.5,10)、P₅(11.5,10)、P₆(13,7)、P₇(15.5,7)、P₈(18,4)，分别对应于像素坐标P′₁(501,2061)、P′₂(953,1521)、P′₃(1413,1521)、P′₄(1685,977)、P′₅(2229,977)、P′₆(2497,1523)、P′₇(2953,1521)、P′₈(3413,2062)，分别将这若干个标定点进行统一。

3)通过对标定点像素坐标及物理坐标的综合分析，构造合适的神经网络算法及非线性算法模型来分析其两者之间存在的标定参数关系。

4)利用已知异型块标定点位置坐标的锯齿形异型标定块验证其神经网络算法及非线性算法的正确性。则该若干标定点像素坐标值分别为P₁₁(501，977)、P₁₂(857，1513)、P₁₃(1229，977)、P₁₄(1593，1512)、P₁₅(1953，977)、P₁₆(2317，1517)P₁₇(2685，977)、P₁₈(3041，1509)、P₁₉(3409，977)，对应的理想标定点物理坐标分别为P₁₁′(2,10)、P₁₂′(4,7)、P₁₃′(6,10)、P₁₄′(8,7)、P₁₅′(10,10)、P₁₆′(12,7)、P₁₇′(14,10)、P₁₈′(16,7)、P₁₉′(18,10)，根据上面步骤所得出的神经网络算法及非线性算法，可得出实际标定点坐标值分别为

P₁₁"(2.0427,9.9509)、P₁₂”(3.9922,6.9883)、P₁₃"(6.0281,9.9698)、P₁₄"(8.0214,7.0130)、P₁₅"(9.9917,9.9887)、P₁₆"(11.9849,7.0041)、P₁₇"(13.9990.10.0078)、P₁₈"(15.94854，7.0674)、P₁₉"(17.9625,10.0266)，从以上对比我们可以看出，经过神经网络算法及非线性算法后，实际标定点参数与理想标定点参数之间的精度误差是可以忽略不计的，实现了通过单目立体视觉的办法达到了高精度三维测量的目的。