[发明专利]小型二维靶大视场双目立体视觉系统结构参数在位标定法有效
申请号: | 201210479935.3 | 申请日: | 2012-11-22 |
公开(公告)号: | CN102968794A | 公开(公告)日: | 2013-03-13 |
发明(设计)人: | 习俊通;王振兴;吴卓琦;陈晓波 | 申请(专利权)人: | 上海交通大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 上海汉声知识产权代理有限公司 31236 | 代理人: | 郭国中 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 小型二维靶大视场双目立体视觉系统结构参数在位标定法,属于光学测量和机械工程技术领域。其标定方法如下:首先将小尺寸二维标定靶置于测量场景中的不同位置,获取标定靶的图像;其次根据离线已标定的左右摄像机内参数,分别计算对应不同摆放位置的标定靶相对左右摄像机的外参数,进而计算立体视觉系统的结构参数;最后建立目标函数对立体视觉系统结构参数进行非线性优化。小尺寸二维标定靶,有效地解决使用大尺寸高精度标定靶的成本高,运输保管困难,使用维护不便等问题,能够适应复杂环境下的立体视觉系统结构参数的在位标定。 | ||
搜索关键词: | 小型 二维 视场 双目 立体 视觉 系统 结构 参数 在位 标定 | ||
【主权项】:
1.一种小型二维靶大视场双目立体视觉系统结构参数在位标定法,其特征在于该标定方法包括如下步骤:1)制作小尺寸二维标定靶,小尺寸二维标定靶采用Ipad的液晶屏,标定图样为圆斑阵列,并将此标定图样显示在Ipad液晶屏幕上。取圆斑中心作为标定靶上特征点;2)在测量场景中摆放标定靶,将小尺寸二维标定靶置于大视场双目立体视觉系统的测量场景中,并将其固定;3)获取测量系统标定所需图像,左摄像机和右摄像机分别采集标定靶图片;4)计算标定靶至左右摄像机的外参数,利用已在离线下完成标定的摄像机内参数矩阵A,和给定标定靶上特征点的空间坐标Mw及其对应的成像面投影坐标m,计算摄像机相对于标定靶的外参数
和
其中
表示标定靶坐标系至摄像机坐标系的旋转矩阵,
表示标定靶坐标系至摄像机坐标系的平移向量,计算公式如下:sm = A ( R c w M w + T c w ) ]]> 式中,s投影比例因子,因此,当给定的足够数量(至少三个非共线)标定靶上特征点的空间坐标及其对应的成像面投影坐标,便可分别计算标定靶在i次摆放位置下,左右摄像机相对于标定靶的外参数(R1,i,Tl,i)和(Rr,i,Tr,i);5)计算立体视觉系统的结构参数,立体视觉结构参数与左右摄像机的外参数间存在如下关系:R i = R r , i R l , i T ]]> Ti=Tr,i-RiTl,i因此,根据上述关系,即可计算出第i次摆放标定靶对应的立体视觉系统结构参数;6)计算立体视觉系统结构参数的初始值,虽然理论上,标定靶摆放一次即可完成系统结构参数的标定,但考虑到噪声的影响,每次摆放标定靶所计算出的立体视觉系统结构参数均有些轻微差别,为减少噪声对标定结构参数的影响,需将标定靶在测量空间中多次摆放,当摆放次数少于设定的总摆放次数n时,重复步骤1)~4),当摆放次数达到设定的总摆放次数n时,可通过如下关系式,求取立体视觉系统结构参数的初始值:R0=median{Ri},i=1...nT0=median{Ti},i=1...n7)立体视觉系统结构参数的非线性优化,利用标定靶上特征点对左右摄像机的重投影误差最小,可建立如下目标函数:min Σ i [ Σ j | | m l , i , j - m ^ l , i , j ( R l , i , T l , i ) | | 2 + Σ j | | m r , i , j - m ^ r , i , j ( R r , i , T r , i ) | | 2 ] ]]> 式中,ml,i,j和mr,i,j分别为在第i次摆放位置,标定靶上第j个特征点对应的左右摄像机成像面上的实际投影点,
为左摄像机成像面上对应于ml,i,j的计算重投影点,
为右摄像机成像面上对应于mr,i,j的计算重投影点,若R和T分别表示立体视觉系统结构参数的最终优化解,则有:Rr,i=RRl,iTr,i=T+RTl,i所以上述目标函数可表示为min Σ i [ Σ j | | m l , i , j - m ^ l , i , j ( R l , i , T l , i ) | | 2 + Σ j | | m r , i , j - m ^ r , i , j ( R l , i , T l , i , R , T ) | | 2 ] ]]> 此外,根据对极几何我们又可以得到如下目标函数min Σ i Σ j | m ‾ l , i , j F m ‾ r , i , j | = min Σ i Σ j | m ‾ l , i , j A r - T RSA l - 1 m ‾ r , i , j | ]]> 式中,
和
分别是左右摄像机成像面上矫正的对应点,F为基础矩阵,S为向量T的反对称矩阵,其表示为S = 0 - T z T y T z 0 - T x - T y T x 0 ]]> 因此,最终的目标函数可表示如下min ( α Σ i Σ j ( | | m l , i , j - m ^ l , i , j ( R l , i , T l , i ) | | 2 + | | m r , i , j - m ^ r , i , j ( R l , i , T l , i , R , T ) | | 2 ) + Σ i Σ j | m ‾ l , i , j A r - T RSA l - 1 m ‾ r , i , j | ) ]]> 式中,α和β为权重系数,对上式采用Levenberg-Marquardt非线性优化方法,即可完成最终的立体视觉系统结构参数优化标定。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201210479935.3/,转载请声明来源钻瓜专利网。