[发明专利]一种基于样本空间的相机标定优化方法

说明书

本发明涉及一种基于样本空间的相机标定优化方法，涉及相机参数标定技术领域，包括以下步骤：采集标定图片构成样本空间；全局样本优化实现样本筛选；局部参数拟合提高标定精度；得到标定结果；结果验证。其优点在于：本发明提供的基于样本空间的相机标定优化方法，解决了相机标定参数精度受标定图片影响较大的问题，能够选择出对标定有利的样本，并且获得比一般标定算法更高的标定精度。

技术领域

本发明涉及相机参数标定技术领域，更具体地说，涉及一种基于样本空间的相机标定优化方法。

背景技术

相机标定指建立相机图像像素位置与场景点位置之间的关系，根据相机成像模型，由特征点在图像中坐标与世界坐标的对应关系，求解相机模型的参数。

张正友相机标定算法是张正友教授1998年提出的单平面棋盘格的相机标定方法；传统标定法的标定板是需要三维的，需要非常精确，这很难制作，而张正友教授提出的方法介于传统标定法和自标定法之间，但克服了传统标定法需要的高精度标定物的缺点，而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言，提高了精度，便于操作。因此张氏标定法被广泛应用于计算机视觉方面。

当前的相机标定算法已经可以较好的实现相机参数的估计，但是相机标定参数精度受标定图片影响较大，很难选择对标定有利的样本，并且获得的标定精度较低。

前面的叙述在于提供一般的背景信息，并不一定构成现有技术。

发明内容

本发明的目的在于提供一种基于样本空间的相机标定优化方法，该方法解决了相机标定参数精度受标定图片影响较大的问题，能够选择出对标定有利的样本，并且获得比一般标定算法更高的标定精度。

本发明提供一种基于样本空间的相机标定优化方法，包括以下步骤：

S1：采集标定图片构成样本空间；

S2：全局样本优化实现样本筛选；

S3：局部参数拟合；

S4：得到标定结果；

S5：结果验证。

进一步地，所述步骤S1包括：在样本空间中构建样本与重投影误差之间的带约束的离散非线性方程，所述离散非线性方程为：

y_error＝f(x₁，x₂)

其中，获取标定图片数量为N，一次标定所需的图片x₁，在总样本N中选取x₁个标定图片的组合记为x₂，在空间[x₁x₂]建立标定的重投影误差y_error与样本的关系；C表达组合数，f的函数值由张氏标定算法给出。

进一步地，所述离散非线性方程优化的目的是寻找离散方程的极小值，极值点越小，重投影误差越小，标定结果越好。

进一步地，所述步骤S2包括：采用具有概率全局优化性能的通用优化算法对样本进行优化，在样本空间的极点进一步提高标定精度，在该极点附近选取批量样本并获取相机标定的参数集。

进一步地，所述具有概率全局优化性能的通用优化算法为模拟退火算法。

进一步地，所述步骤S3包括：在相机标定的参数集上进行聚类与拟合，分别获取参数区域与参数值。

进一步地，所述步骤S3还包括：局部样本获取，所述局部样本获取包括对相机内参在miny_error处进行拟合，需要获取一定数量的样本，样本根据以下公式选取：