[发明专利]一种结合激光雷达三维点云数据的相机自标定方法

说明书

本发明涉及摄影测量与三维重建技术领域，公开了一种结合激光雷达三维点云数据的相机自标定方法，通过对被测物体进行三维扫描并在不同视点采集同一场景图像，对采集到的多幅图像进行特征提取以得到特征点，利用任意两幅图像重叠区域中的特征点进行相应的最近点查找，并结合随机一致性算法得到匹配点对；利用所述匹配点对求解基本矩阵F,使得该基本矩阵F对高斯白噪声不敏感；结合基本矩阵与相机内参的关系建立关于相机内参的目标函数，并利用优化算法进行相机内参求解；优化算法所需的相机内参初始值基于激光雷达三维点云数据、小孔成像原理、CCD相机的像素尺寸和图像中心位置进行设置。本发明实现对相机内参的精确标定。

技术领域

本发明涉及摄影测量与三维重建领域，尤其是一种结合激光雷达三维点云数据的相机自标定方法。

背景技术

在摄影测量与三维重建领域，相机参数是将二维图像恢复成三维数据的必要条件，而且其精度直接影响恢复结果，因此如何快速便捷准确地对相机进行标定是一直以来的热点。相机标定被分为三种方式，分别是传统相机标定，主动视觉标定方法和相机自标定方法。其中，传统相机标定需要高精度的已知物体形状和大小的标定物，得到的标定结果精度高，但是标定过程需要人为干预、操作复杂、会因为操作不当而引入误差，而且由于标定物自身的制造误差，这些对标定结果产生极大的影响。除此之外，这种方法由于标定物的精度要求高，因此造价比较高。主动视觉标定方法是一种通过精确控制相机运动信息来采集图像，因此在相机位置信息已知的情况下，可使得相机模型线性化，进而简化计算复杂度，算法鲁棒性高，但是这种方法操作极其复杂，在实际应用中很难实现，因此应用范围很小，不适合一般情况。相机自标定是一种不需要借助标定物，仅需要对场景进行多次拍摄得到的图像自身之间的相互约束关系来标定，操作简单，方法灵活性高，适用性广泛，但是这种方法的精度低，鲁棒性差。

根据现有专利局提供的专利查阅，相机自标定方法主要分两大类：第一类方法采用消失点进行自标定，这种自标定方法要求所采集得到的图像中必须存在相互正交的平行直线，这种方法利用正交直线的投影几何关系进行约束求解相机内参，算法简洁高效，但是应用范围不够广泛，精度有限。上述专利包括在中国专利201510708196.4中公开的“一种基于二消失点的相机自标定方法”。第二类采用多幅图像之间的特征点对以及极线约束关系进行自标定，通过找到图像的块匹配与极线相结合找到两幅图像间的匹配点对并利用简单的八点法求解基本矩阵，进而分解得到相机内参，这种分解方法得到的解可能不是唯一的，而且不是稳定的，所以虽然这种方法灵活性高，但是由于分解情况的不唯一性，导致其精度低，稳定性不好，上述专利包括在中国专利201510131895.7中公开的“基于多张相片的相机自标定方法及其装置”。由于上述专利单纯地对基本矩阵进行分解算法简单，但是精度低，稳定性不好。本发明与上述方法专利的主要区别在于：提出了一种结合激光雷达扫描数据进行预估计相机参数范围，并且改进了一种新的基本矩阵求解方法使得其对图像上的高斯噪声不敏感，而且最终求解相机内参的方法不是通过简单的分解基本矩阵的得到的，而是通过优化算法对所建立的目标函数进行优化得到。

本发明公开了一种结合激光雷达扫描数据的摄像机自标定方法，该方法通过对被测物体进行三维扫描并在不同视点采集同一场景图像，对采集到的多幅图像进行特征提取以得到特征点，利用任意两幅图像重叠区域中的特征点进行相应的最近点查找，并结合随机一致性算法得到匹配点对；利用所述匹配点对求解基本矩阵,使得该基本矩阵对高斯白噪声不敏感；结合基本矩阵与相机内参的关系建立关于相机内参的目标函数，并利用优化算法求取目标函数的最优解即为相机标定结果。在优化过程中，利用激光雷达扫描得到的代表真实空间位置信息的三维坐标并结合小孔成像原理来估计相机的焦距作为初始化参数来提高参数的稳定性。与传统的相机自标定方法相比，本发明所提出的方法融合了激光雷达扫描得到的高精度点云数据，具有操作简单，对拍摄场景无特定要求，算法稳定性好，精度高的特性，在激光雷达与图像的纹理映射领域具有很高的实用价值。

发明内容

本发明公开一种结合激光雷达三维点云数据的相机自标定方法，解决传统相机标定操作复杂，传统自标定鲁棒性差，精度低等问题。