專利名稱：利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下攝像機(jī)參數(shù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺、虛擬現(xiàn)實(shí)和物體三維場(chǎng)景分析與重建等領(lǐng)域。公開了利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下攝像機(jī)參數(shù)方法，具體地說解決了一般攝像情況下，因無法獲取足夠的已知點(diǎn)來求解相片圖像的相片系數(shù)，從而無法求解出攝像機(jī)的參數(shù)，無法求解物體的實(shí)際坐標(biāo)而影響后續(xù)的三維重建。
背景技術(shù)：
攝像機(jī)參數(shù)的標(biāo)定是虛擬現(xiàn)實(shí)、計(jì)算機(jī)視覺和三維重建技術(shù)研究中的一項(xiàng)基本的工作，是建立物體表面點(diǎn)的三維位置和圖像中對(duì)應(yīng)點(diǎn)二維位置之間的關(guān)系。攝像機(jī)參數(shù)的標(biāo)定過程是指確定攝像機(jī)的內(nèi)部參數(shù)(內(nèi)方位元素)和外部參數(shù)(外方位元素)。在場(chǎng)景分析和場(chǎng)景重建，以及軍事防御戰(zhàn)略的部署、產(chǎn)品設(shè)計(jì)的等方面都有廣泛的應(yīng)用。在人工智能和計(jì)算機(jī)技術(shù)高速發(fā)展的時(shí)代，希望通過一些照片或圖片，通過建立攝像機(jī)參數(shù)，提取兩幅圖像里面相同的景物三維的有效信息，實(shí)現(xiàn)三維重建。攝像機(jī)參數(shù)標(biāo)定的方法一般有兩步法、線性法和非線性法等幾種。兩步法僅考慮鏡頭的徑向畸變，操作復(fù)雜。線性法沒有考慮非線性補(bǔ)償，存在較大的畸變誤差。非線性法考慮各種非線性物鏡畸變差，適合一般攝像情況，本發(fā)明主要采用非線性校準(zhǔn)方法。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種利用sift關(guān)鍵特征點(diǎn)作為已知點(diǎn)進(jìn)行攝像機(jī)參數(shù)標(biāo)定，適合那些無法獲取或得到足夠已知點(diǎn)的圖像三維重建。按照本發(fā)明提供的技術(shù)方案，利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下攝像機(jī)參數(shù)方法包含以下步驟1、對(duì)用來校準(zhǔn)攝像機(jī)參數(shù)的圖像進(jìn)行預(yù)濾波，消除噪聲。利用中值濾波對(duì)圖像進(jìn)行預(yù)處理，平滑噪聲。2、利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)生成一定數(shù)目匹配的特征點(diǎn)。實(shí)現(xiàn)步驟為(I)根據(jù)區(qū)域灰度特性將圖像分成5X5個(gè)小區(qū)域。(2)檢測(cè)區(qū)域之間的匹配關(guān)系，(3)在有匹配關(guān)系的區(qū)域里利用sift算法檢測(cè)配對(duì)的特征點(diǎn)。每個(gè)區(qū)域只需要檢測(cè)2-3點(diǎn)。3、校準(zhǔn)攝像機(jī)參數(shù)的實(shí)現(xiàn)過程為(I)根據(jù)一般攝像情況下的成像原理，以及引入需改正的非線性物鏡畸變系數(shù)，利用豪斯荷爾德變換法求解相片圖像的系數(shù)。(2)根據(jù)相片圖像的系數(shù)，求解攝像機(jī)內(nèi)方位元素像主點(diǎn)和焦距。(3)根據(jù)相片圖像的系數(shù)，求解攝像機(jī)外方位元素。本發(fā)明與已有技術(shù)相比，實(shí)現(xiàn)過程簡單，無需預(yù)先知道相片的已知點(diǎn)，同時(shí)采用基于區(qū)域的sift算法，匹配速度快。由于無需預(yù)先知道已知點(diǎn)，為文物的復(fù)原展示、軍事防御的遠(yuǎn)程圖像的重建以及產(chǎn)品的仿真提供一種有效的方法。


圖1算法執(zhí)行流程2 —般攝像的成像模型3像空間坐標(biāo)系與物空間坐標(biāo)系之間的關(guān)系圖
具體實(shí)施例方式下面本發(fā)明將結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式做進(jìn)一步的介紹。1、圖像預(yù)處理，對(duì)需要匹配的圖像進(jìn)行預(yù)濾波，消除噪聲。如果圖像質(zhì)量良好的話，可以選擇不做。為了保持圖像的灰度特性，利用自適應(yīng)中值濾波對(duì)圖像進(jìn)行預(yù)處理，自適應(yīng)中值濾波是對(duì)中值濾波的改進(jìn)，在計(jì)算濾波模板中心點(diǎn)的灰度時(shí)，不是簡單取中值，而是根據(jù)周圍像素點(diǎn)的特性，先把濾波模板上的像素點(diǎn)灰度特性進(jìn)行加權(quán)，然后在取中值，也是一種非線性濾波，既消除噪聲又保持細(xì)節(jié)，濾波模板取3X3，為了降低計(jì)算量，每次求中值僅僅考慮去掉最左側(cè)的像素，補(bǔ)上最右側(cè)的像素，其余像素不變。2、基于區(qū)域sift算法實(shí)施步驟

(I)利用sift算法檢測(cè)校準(zhǔn)照片的sift關(guān)鍵點(diǎn)。(2)利用圖像直方圖統(tǒng)計(jì)圖像的灰度特性，根據(jù)灰度特性，把需要檢測(cè)的圖像分成5X5個(gè)小區(qū)域。把已經(jīng)檢測(cè)到的sift特征點(diǎn)按照坐標(biāo)位置分配到這些區(qū)域中。(3)圖像直方圖反映了圖像中不同灰度值的面積或像素在整個(gè)圖像中出現(xiàn)的頻率，當(dāng)圖像同一區(qū)域的成像條件發(fā)生變化時(shí)，所對(duì)應(yīng)的直方圖在形態(tài)上卻變化不大，所以利用直方圖性質(zhì)檢測(cè)區(qū)域之間的配對(duì)關(guān)系，并標(biāo)注匹配關(guān)系。(4)取圖像I中某一區(qū)域的一個(gè)sift特征點(diǎn)，在圖像2中匹配關(guān)系的區(qū)域中搜索匹配的sift特征點(diǎn)，由于校準(zhǔn)攝像機(jī)參數(shù)需要的已知點(diǎn)數(shù)目要求不多，所以本發(fā)明在每個(gè)匹配區(qū)域中值檢測(cè)3個(gè)對(duì)應(yīng)匹配關(guān)系的sift點(diǎn)。3、攝像機(jī)參數(shù)的求解步驟(I)物體在一般攝像情況下的成像幾何模型如圖2所示。攝像機(jī)的光軸不相互平行，攝像機(jī)繞在X軸、Y軸、Z軸都有轉(zhuǎn)角。O-XYZ為物空間坐標(biāo)系，SL-xL yL zl, Sr-xryrzr分別為左像空間坐標(biāo)系和右像空間坐標(biāo)系，Ol-XlYl> Or-XrYr分別為左像平面坐標(biāo)系和右像平面坐標(biāo)系，Sl-XalYalZal,Sr-XArYArZAr分別為左像空間輔助坐標(biāo)系和右像空間輔助坐標(biāo)系。SpSr分別為左攝像點(diǎn)和右攝像點(diǎn)，B為攝像基線。九，Pr分別為左像平面和右像平面，物體表面上的任意一點(diǎn)M在左像平面上的構(gòu)像為hil，右像平面上的構(gòu)像為πν。fp fr分別為左、右相片的攝像焦距。(2)根據(jù)成像原理，求解物空間坐標(biāo)、攝像中心點(diǎn)坐標(biāo)和攝像機(jī)參數(shù)之間關(guān)系
權(quán)利要求
1.利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下的攝像機(jī)參數(shù)方法，其特征是采用以下步驟 (1)對(duì)用來校準(zhǔn)攝像機(jī)參數(shù)的圖像進(jìn)行預(yù)濾波，消除噪聲。利用中值濾波對(duì)圖像進(jìn)行預(yù)處理，平滑噪聲。
(2)利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)生成一定數(shù)目匹配的特征點(diǎn)。
(3)利用已匹配的特征點(diǎn)作為已知點(diǎn)求解攝像機(jī)的內(nèi)外方位元素和焦距。
2.根據(jù)權(quán)利要求1所述的利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下的攝像機(jī)參數(shù)方法，其特征在于待匹配的兩幅圖像的分辨率是一樣的。
3.根據(jù)權(quán)利要求1所述的利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下的攝像機(jī)參數(shù)方法，其特征在于利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)的實(shí)現(xiàn)步驟為 (1)根據(jù)區(qū)域灰度特性將圖像分成5X5個(gè)小區(qū)域。
(2)檢測(cè)區(qū)域之間的匹配關(guān)系。
(3)在有匹配關(guān)系的區(qū)域里利用sift算法檢測(cè)配對(duì)的特征點(diǎn)。每個(gè)區(qū)域只需要檢測(cè)2-3 點(diǎn)。
4.根據(jù)權(quán)利要求1所述的利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下的攝像機(jī)參數(shù)方法，其特征在于校準(zhǔn)攝像機(jī)參數(shù)的實(shí)現(xiàn)過程為 (1)根據(jù)一般攝像情況下的成像原理，以及引入需改正的非線性物鏡畸變系數(shù)，利用豪斯荷爾德變換法求解相片圖像的系數(shù)。
(2)根據(jù)相片圖像的系數(shù)，求解攝像機(jī)內(nèi)方位元素像主點(diǎn)和焦距。
(3)根據(jù)相片圖像的系數(shù)，求解攝像機(jī)外方位元素。
全文摘要
在一般攝像情況，攝象機(jī)的光軸不相互平行，攝象機(jī)繞X軸、Y軸、Z軸都有轉(zhuǎn)角，攝像機(jī)校準(zhǔn)的方法一般采用像水平校準(zhǔn)和已知空間點(diǎn)校準(zhǔn)等方法，但是很多物體表面的像水平線很難找到，或是找到的像水平線也是近似的，這樣校準(zhǔn)的攝像機(jī)參數(shù)誤差比較大，給后續(xù)的重建帶來了很大的累積誤差。利用已知空間點(diǎn)校準(zhǔn)方法的前提是必須已知足夠點(diǎn)數(shù)的物體表面空間坐標(biāo)，但是在很多場(chǎng)合下，無法預(yù)先得到足夠多的已知空間點(diǎn)，利用sift特征點(diǎn)校準(zhǔn)一般攝像情況下的攝像機(jī)參數(shù)方法無需預(yù)先知道已知空間點(diǎn)，而是對(duì)得到的物體表面的照片或圖片，利用sift算法求出物體表面的特征關(guān)鍵點(diǎn)，然后利用這些特征關(guān)鍵點(diǎn)作為已知點(diǎn)進(jìn)行攝像機(jī)參數(shù)校準(zhǔn)。
文檔編號(hào)G06T7/00GK103034994SQ201210475129
公開日2013年4月10日 申請(qǐng)日期2012年11月20日 優(yōu)先權(quán)日2012年11月20日
發(fā)明者陳麗芳, 劉淵, 劉一鳴, 王君竹, 杜欣宇 申請(qǐng)人:江南大學(xué)