[发明专利]一种镜头畸变矫正和特征提取的方法及系统

说明书

本发明公开了一种镜头畸变矫正和特征提取的方法和系统。该方法主要包括以下六个步骤，即获取镜头图片信息、图片预处理、提取图片轮廓点并进行镜头畸变矫正、提取图形特征关键点、关键点逆透视变换、计算关键点物理世界方程式。所述系统主要包括为本发明的方法提供运行平台的硬软件模块，即输入图像模块、图片预处理模块、提取图像轮廓点模块、轮廓点畸变校正模块、提取图形特征关键点模块、关键点逆透视变换模块、得到特征图形物理世界方程模块。本发明比传统的方法和系统能够减少6倍以上的CPU运算量，在提高计算效率同时显著降低硬件成本，能够快速获得地面相关的物理特征信息、实现室内高精度定位，特别适用于运算资源较少的嵌入式系统。

技术领域

本发明属于计算机视觉检测领域，尤其涉及一种计算效率高、能有效减少CPU运行时间的镜头畸变矫正和特征提取的方法及系统。

背景技术

计算机视觉检测在机器人、无人驾驶车辆、无人机等领域有广阔的应用前景，其待处理的数据量大，实时性要求高。镜头畸变校准和特征提取在计算机视觉检测领域有很广泛的应用，尤其是室内定位系统。高精度室内定位系统中，采用无线电方式测距比较流行，例如采用超宽带定位或者WiFi接受信号强度定位等，然后利用三角原理等方法确定摄像头的绝对位姿。无线电定位需要提前掌握环境信息，其定位精度高但成本亦高且维护麻烦。其它定位方法如里程计定位法、惯性传感器定位法等，在给定机器人或无人机等初始位姿后，利用机器人或无人机等自身的传感器对位移量进行累加。机器人或无人机等在移动的一小段距离内可以得到较高的定位精度，但是随着机器人或无人机等纵向或横向的滑动引起位置和姿态角的偏差，同时里程计或惯性传感器等本身容易产生误差累加。如果误差没有及时修正，将会直接导致机器人或者无人机定位精度变低。故不适合长时间的使用，不利于机器人或者其它设备的普及。

鉴于无线电、里程计、惯性传感器等定位法的固有缺陷，采用视觉传感器进行定位逐渐成为计算机视觉检测领域主流。视觉传感器主要依靠对采集的图像进行处理识别，进而对周围环境进行感知，实现自身的定位。目前视觉传感器主要分为全景视觉传感器、双目视觉传感器、单目视觉传感器三种。其中全景传感器观测范围大，但是由于其加工困难、价格昂贵、图像容易畸变、图像处理复杂等，使得全景传感器难以得到实际应用。双目视觉传感器主要用于对景物深度要求较高的场合，其对计算机的图像处理能力要求也较高，因而无法得到广泛应用。单目视觉传感器，价格低，适用于一般的日常生活环境中对图像处理要求不高的场合，能够满足广泛的应用需求。此外，还可以将摄像头安装在机器人底部，基于地面的二维码，进行拍摄并解码，从而计算出机器人的位置。

在视觉传感器定位过程中，畸变矫正和特征提取尤为重要。传统的畸变矫正和特征提取系统如图1所示。它一般由以下几个关键模块组成：摄像头标定模块，畸变矫正模块，逆透视变换(inverse perspective mapping，IPM)模块，逆透视变换输出图像处理模块，RANSAC(Random Sample Consensus，随机采样一致)提取特征图形关键点模块。

摄像头标定是最前期的步骤，后续的处理步骤跟摄像头的参数是密不可分的。标定的方法采用运用广泛的张正友标定法。这个方法需要用摄像头从不同角度拍摄标定板图片，然后把这些图片提供给标定工具箱，工具箱就能够给出摄像头的内参矩阵和畸变系数。标定工具箱是一套标定程序，由于张正友标定法运用广泛，网上可以下载到这些程序组，matlab和opencv均有对应的标定工具箱。