本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)，具體涉及一種攝像機(jī)標(biāo)定方法及系統(tǒng)。

背景技術(shù)：

攝像機(jī)標(biāo)定是攝影測量以及機(jī)器視覺等應(yīng)用中的一個關(guān)鍵環(huán)節(jié)，影像的質(zhì)量是決定后期數(shù)據(jù)處理與最終成果精度與準(zhǔn)確性的重要因素之一。由于鏡頭制作工藝、原材料質(zhì)量等因素的限制，不可避免地出現(xiàn)畸變，這些畸變將導(dǎo)致后期處理中產(chǎn)生諸如精度損失、影像形變等問題。

相機(jī)標(biāo)定的主要作用是計(jì)算以及估計(jì)相機(jī)的內(nèi)部參數(shù)，畸變參數(shù)，使得在后期圖像處理過程中能夠根據(jù)這些參數(shù)估計(jì)還原圖像，得到質(zhì)量好的圖像。迄今為止，對于攝像機(jī)標(biāo)定問題已經(jīng)提出了很多方法，一般的，攝像機(jī)標(biāo)定方法一般分為兩類，即攝像機(jī)自標(biāo)定方法和傳統(tǒng)攝像機(jī)標(biāo)定方法。攝像機(jī)自標(biāo)定方法不需要特定的標(biāo)定參照物，通過記錄攝像機(jī)在運(yùn)動過程中周圍環(huán)境的圖像與圖像之間的對應(yīng)關(guān)系來對攝像機(jī)進(jìn)行標(biāo)定。目前這一類標(biāo)定方法有：基于主動視覺的攝像機(jī)自標(biāo)定技術(shù)(基于平移運(yùn)動的自標(biāo)定技術(shù)和基于旋轉(zhuǎn)運(yùn)動的自標(biāo)定技術(shù))，基于kruppa方程的攝像機(jī)自標(biāo)定方法，分層逐步標(biāo)定法，基于二次曲面的自標(biāo)定方法等。傳統(tǒng)的攝像機(jī)標(biāo)定是在一定的攝像機(jī)模型下，基于特定的標(biāo)定參照物，通過對其進(jìn)行圖像處理以及利用一系列數(shù)學(xué)變換方法，求取攝像機(jī)模型的參數(shù)。目前這類成熟的表定方法包括：基于3d立體標(biāo)定物的攝像機(jī)標(biāo)定(攝像機(jī)透視變換矩陣的標(biāo)定方法)、基于2d平面標(biāo)定物的攝像機(jī)標(biāo)定(張正友標(biāo)定法)，以及基于徑向約束的攝像機(jī)標(biāo)定(tsai兩步法)等。

自標(biāo)定方法比較靈活，但是由于標(biāo)定過程中未知參數(shù)過多，所以很難得到穩(wěn)定的標(biāo)定結(jié)果。并且，已有的攝像機(jī)自標(biāo)定方法一般無法標(biāo)定出攝像機(jī)外部參數(shù)。一般來說，自標(biāo)定方法主要應(yīng)用于精度要求不高的場合(如通訊、虛擬現(xiàn)實(shí)等)。當(dāng)應(yīng)用場合所要求的精度很高且攝像機(jī)的參數(shù)不經(jīng)常變化時(shí)，傳統(tǒng)標(biāo)定方法為首選?；?d立體標(biāo)定物的攝像機(jī)標(biāo)定方法，所采用的3d立體標(biāo)定物對于三維精度要求很高，制作成本較高。由于在實(shí)施過程中忽略了攝像機(jī)的非線性畸變，導(dǎo)致攝像機(jī)標(biāo)定精度受到很大影響；基于2d平面標(biāo)定物的攝像機(jī)標(biāo)定方法具有較好的魯棒性，并且不需昂貴的精制3d標(biāo)定物，實(shí)用性較強(qiáng)，但是該方法要求攝像機(jī)在兩個以上不同的方位拍攝一個平面標(biāo)定物，操作較復(fù)雜。基于徑向約束的攝像機(jī)標(biāo)定方法的精度比較高，適用于精密測量，但此方法不能具體標(biāo)定得出部分內(nèi)部參數(shù)，并且對設(shè)備的要求也很高，不適用于簡單的標(biāo)定。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提出一種攝像機(jī)標(biāo)定方法及系統(tǒng)，解決傳統(tǒng)技術(shù)中的攝像機(jī)標(biāo)定方法存在的操作繁瑣復(fù)雜、標(biāo)定精度低、魯棒性差的問題。

本發(fā)明解決上述技術(shù)問題所采用的方案是：

一種攝像機(jī)標(biāo)定方法，包括以下步驟：

a.拍攝多板單圖標(biāo)定模組圖像；

b.對多板單圖標(biāo)定模組圖像進(jìn)行分塊；

c.對多板單圖標(biāo)定模組圖像拆分的每一個塊進(jìn)行特征點(diǎn)檢測；

d.將特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)；

e.標(biāo)定相機(jī)內(nèi)外參數(shù)并進(jìn)行優(yōu)化。

作為進(jìn)一步優(yōu)化，步驟a中，還包括：拍攝單板單圖標(biāo)定模組圖像；

所述單板單圖標(biāo)定模組僅包含一個標(biāo)定板；在拍攝單板單圖標(biāo)定模組前，調(diào)整攝像機(jī)與單板單圖標(biāo)定模組的相對位置：調(diào)整攝像機(jī)的拍攝方向和拍攝角度為單板單圖標(biāo)定模組正前方，攝像機(jī)的中心與單板單圖的中心在同一水平面上；在對單板單圖標(biāo)定模組進(jìn)行拍攝后，通過左相機(jī)拍攝的圖像稱為單板單圖標(biāo)定模組左圖像，通過右相機(jī)拍攝的圖像稱為單板單圖標(biāo)定模組右圖像；

所述多板單圖標(biāo)定模組包含多個標(biāo)定板，所述多個標(biāo)定板所在平面兩兩相交；在拍攝多板單圖標(biāo)定模組圖像前，調(diào)整攝像機(jī)與多板單圖標(biāo)定模組的相對位置：調(diào)整攝像機(jī)的拍攝方向和拍攝角度為多板單圖標(biāo)定模組正前方，攝像機(jī)的中心與多板單圖標(biāo)定模組的中心在同一水平面上；在對多板單圖標(biāo)定模組進(jìn)行拍攝后，通過左相機(jī)拍攝的圖像稱為多板單圖標(biāo)定模組左圖像，通過右相機(jī)拍攝的圖像稱為多板單圖標(biāo)定模組右圖像。

作為進(jìn)一步優(yōu)化，步驟b中，所述對多板單圖標(biāo)定組圖像進(jìn)行分塊具體包括：

將多板單圖標(biāo)定模組左圖像和右圖像分別拆分成n個圖像塊，其中，每個塊都能夠完整包含且僅僅包含一個標(biāo)定板，屬于同一張圖像的圖像塊按順序存入同一個塊存儲棧。

作為進(jìn)一步優(yōu)化，步驟c中，還包括：對單板單圖標(biāo)定模組圖像進(jìn)行特征點(diǎn)檢測；對所述多板單圖標(biāo)定模組圖像拆分的每一個塊及單板單圖標(biāo)定模組圖像進(jìn)行特征點(diǎn)檢測的具體方法是利用harris算法通過檢測棋盤格內(nèi)角點(diǎn)作為圖像特征點(diǎn)，并求特征點(diǎn)亞像素級精度，具體包括：

c1.利用水平、豎直差分算子對圖像每個像素進(jìn)行濾波以求得ix、iy，進(jìn)而求得像素點(diǎn)n中四個元素的值，如下：

其中，

其中，ix、iy分別是水平和垂直方向的方向?qū)?shù)；

c2.利用離散二維零均值高斯濾波器對像素點(diǎn)n中的四個元素進(jìn)行平滑濾波，離散二維零均值高斯函數(shù)為：

c3.對每一個特征點(diǎn)q求亞像素級精度：假設(shè)點(diǎn)q在實(shí)際亞像素級角點(diǎn)的附近，且在一個區(qū)域a的邊緣，點(diǎn)p在區(qū)域a的內(nèi)部，p處的梯度為0，那么，通過找到p點(diǎn)周圍多組梯度以及多個向量這些梯度與對應(yīng)的向量的點(diǎn)積為0，然后通過求解方程組，方程組的解即為角點(diǎn)q的亞像素級精度的位置，也就是角點(diǎn)的精確位置，記為(x,y)；

c4.將特征點(diǎn)按行或列的順序進(jìn)行順序編號。

作為進(jìn)一步優(yōu)化，步驟d中，所述將特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)的方法包括：

對于每一塊圖像上檢測到的特征點(diǎn)p(x,y),通過以下關(guān)系找到其在原標(biāo)定模組圖像的坐標(biāo)p(x,y):

其中，點(diǎn)(ox,oy)為分塊圖像的原點(diǎn)在原標(biāo)定模組圖像中的坐標(biāo)。

作為進(jìn)一步優(yōu)化，步驟e中，所述標(biāo)定相機(jī)內(nèi)外參數(shù),具體包括：

e1.建立理想針孔成像模型：

其中，(xw,yw,0)為圖像中點(diǎn)(u，v)在世界坐標(biāo)中的對應(yīng)點(diǎn)的坐標(biāo)，r1,r2,r3分別為旋轉(zhuǎn)矩陣r的三個列向量，s是一個比例系數(shù)，[xw,yw,0]^t為點(diǎn)p在世界坐標(biāo)系下的坐標(biāo)；[u,v]^t為點(diǎn)p在圖像平面上的理想像點(diǎn)坐標(biāo)；r、t分別為從世界坐標(biāo)系到相機(jī)坐標(biāo)系的旋轉(zhuǎn)變換矩陣和平移變換向量；k為相機(jī)內(nèi)部參數(shù)矩陣；(u0,v0)為圖像平面的主點(diǎn)坐標(biāo)；α,β分別為圖像在u軸和v軸的主距參數(shù)；γ為圖像扭曲參數(shù)，表示圖像兩坐標(biāo)軸偏斜度；

e2.確定兩個平面之間的單應(yīng)矩陣：由針孔成像模型推算出兩個平面之間的關(guān)系，即求單應(yīng)矩陣：

h＝[h1h2h3]＝k[r1r20]，則兩個平面內(nèi)的對應(yīng)點(diǎn)的對應(yīng)關(guān)系為：

將圖像中的點(diǎn)的坐標(biāo)帶入此方程，由多個方程聯(lián)立求解即可求出單應(yīng)矩陣h；

e3.利用約束條件求解內(nèi)參矩陣k：

由[h1h2h3]＝λk[r1r2t]，以及旋轉(zhuǎn)列向量r1,r2的單位正交，旋轉(zhuǎn)向量模為1，得到如下約束方程：

其中，該方程包含內(nèi)參矩陣的5個未知參數(shù)，由3個單應(yīng)矩陣在上述2個約束條件下可產(chǎn)生6個方程，將三個標(biāo)定板平面的圖像帶入此方程，即可解出相機(jī)內(nèi)參矩陣k；

e4.基于內(nèi)參矩陣估算外部參數(shù)r，t：

相機(jī)外部參數(shù)表示相機(jī)內(nèi)攝像頭之間的旋轉(zhuǎn)平移關(guān)系，由[h1h2h3]＝λk[r1r2t]，可以解出：

通過步驟e1-e4即可計(jì)算獲得相機(jī)的內(nèi)部參數(shù)和外部參數(shù)。

作為進(jìn)一步優(yōu)化，步驟e中，所述對相機(jī)參數(shù)進(jìn)行優(yōu)化，具體包括：

建立標(biāo)定模組與相機(jī)圖像之間的重投影關(guān)系，通過最小化重投影誤差，最后得到精準(zhǔn)的相機(jī)內(nèi)參矩陣、畸變矩陣、以及旋轉(zhuǎn)矩陣和平移矩陣。

此外，本發(fā)明還提出了一種攝像機(jī)標(biāo)定系統(tǒng)，其包括攝像機(jī)、標(biāo)定模組；所述標(biāo)定模組包括多板單圖標(biāo)定模組；所述多板單圖標(biāo)定模組包括多個標(biāo)定板，所述多個標(biāo)定板所在平面不都在同一個平面；

所述攝像機(jī)包括圖像獲取模塊、圖像拆分模塊、特征點(diǎn)提取模塊、特征點(diǎn)還原模塊、相機(jī)標(biāo)定模塊；

所述圖像獲取模塊，用于拍攝多板單圖標(biāo)定模組，獲取多板單圖標(biāo)定模組圖像；

所述圖像拆分模塊，用于對多板單圖標(biāo)定模組圖像進(jìn)行分塊；

所述特征點(diǎn)提取模塊，用于對多板單圖標(biāo)定模組圖像拆分的每一個塊；

所述特征點(diǎn)還原模塊，用于將每一個圖像塊特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)；

相機(jī)標(biāo)定模塊，用于根據(jù)相機(jī)的初始參數(shù)以及相機(jī)的初始相對姿態(tài)信息，結(jié)合檢測到的特征點(diǎn)信息，標(biāo)定相機(jī)內(nèi)外參數(shù)。

作為進(jìn)一步優(yōu)化，所述多個標(biāo)定板所在平面兩兩相交。

作為進(jìn)一步優(yōu)化，所述標(biāo)定模組還包括單板單圖標(biāo)定模組；所述單板單圖標(biāo)定模組僅含一個標(biāo)定板；所述圖像獲取模塊還用于拍攝單板單圖標(biāo)定模組，獲取單板單圖標(biāo)定模組圖像；所述特征點(diǎn)提取模塊還用于對單板單圖標(biāo)定模組圖像進(jìn)行特征點(diǎn)檢測。

本發(fā)明的有益效果是：

1)利用若干標(biāo)定板組成一個多板單圖標(biāo)定模組，使得標(biāo)定過程簡單，標(biāo)定精度高；

2)多板單圖標(biāo)定模組內(nèi)的多個標(biāo)定板所在平面不都在一個平面上，解決了傳統(tǒng)方法中需要多次多角度拍攝標(biāo)定板從而完成標(biāo)定的麻煩問題，同時(shí)，降低了由于多次操作引起的人為操作誤差的可能性；

3)利用多板單圖標(biāo)定模組與單板單圖標(biāo)定模組相結(jié)合的方法對相機(jī)參數(shù)進(jìn)行標(biāo)定，降低了由于畸變引起的一系列誤差。

附圖說明

圖1為本發(fā)明實(shí)施例1中的基于多板單圖的攝像機(jī)標(biāo)定系統(tǒng)示意圖；

圖2為本發(fā)明實(shí)施例1中的基于多板單圖標(biāo)定模組的攝像機(jī)標(biāo)定方法流程圖；

圖3為本發(fā)明實(shí)施例2中的基于混合標(biāo)定模組的攝像機(jī)標(biāo)定方法流程圖；

圖4為圖像分塊示意圖。

具體實(shí)施方式

本發(fā)明旨在提出一種攝像機(jī)標(biāo)定系統(tǒng)及方法，解決傳統(tǒng)技術(shù)中的攝像機(jī)標(biāo)定方法存在的操作繁瑣復(fù)雜、標(biāo)定精度低、魯棒性差的問題。在本發(fā)明中，采用多板單圖標(biāo)定模組或者多板單圖標(biāo)定模組與單板單圖標(biāo)定模組相結(jié)合的方法對相機(jī)參數(shù)進(jìn)行標(biāo)定，降低了由于畸變引起的一系列誤差，多板單圖標(biāo)定模組由多個標(biāo)定板構(gòu)成，且標(biāo)定板所在的平面不都在一個平面上，在拍攝標(biāo)定模組時(shí)，只需拍攝一次，從而避免傳統(tǒng)技術(shù)中多次多角度拍攝標(biāo)定板的繁瑣步驟，也降低了人為操作誤差的可能性，在獲取多板單圖標(biāo)定模組圖像后對圖像進(jìn)行拆分，然后對拆分后的圖像塊及單板單圖模組圖像進(jìn)行特征提取，并將特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)，最后，本發(fā)明采用一種優(yōu)化的張正友標(biāo)定法標(biāo)定相機(jī)內(nèi)外參數(shù)。

下面結(jié)合附圖及實(shí)施例對本發(fā)明的方案作進(jìn)一步的描述：

實(shí)施例1：

本實(shí)施例中的基于多板單圖的攝像機(jī)標(biāo)定系統(tǒng)如圖1所示，其包括攝像機(jī)1、標(biāo)定模組；所述標(biāo)定模組為多板單圖標(biāo)定模組；包括4個所在平面不都在同一個平面上的標(biāo)定板2；

所述攝像機(jī)1包括圖像獲取模塊、圖像拆分模塊、特征點(diǎn)提取模塊、特征點(diǎn)還原模塊、相機(jī)標(biāo)定模塊；

所述圖像獲取模塊，用于拍攝多板單圖標(biāo)定模組，獲取多板單圖標(biāo)定模組圖像；

所述圖像拆分模塊，用于對多板單圖標(biāo)定模組圖像進(jìn)行分塊；

所述特征點(diǎn)提取模塊，用于對多板單圖標(biāo)定模組圖像拆分的每一個塊進(jìn)行特征點(diǎn)檢測；

所述特征點(diǎn)還原模塊，用于將每一個圖像塊特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)；

相機(jī)標(biāo)定模塊，用于根據(jù)相機(jī)的初始參數(shù)以及相機(jī)的初始相對姿態(tài)信息，結(jié)合檢測到的特征點(diǎn)信息，標(biāo)定相機(jī)內(nèi)外參數(shù)。

基于上述攝像機(jī)標(biāo)定系統(tǒng)，本發(fā)明實(shí)施例提供的標(biāo)定方法如圖2所示，包括以下步驟：

步驟1、安裝標(biāo)定模組：為了解決傳統(tǒng)標(biāo)定方法的標(biāo)定過程中因需要多個角度移動拍攝標(biāo)定板引起的標(biāo)定誤差和操作復(fù)雜度，本發(fā)明提出利用多個標(biāo)定板組成一個標(biāo)定模組，這些標(biāo)定板所在平面不都在同一個平面，優(yōu)選的，這些標(biāo)定板所在平面兩兩相交。本發(fā)明中所述“多個”是指兩個或兩個以上。

步驟2、拍攝標(biāo)定模組，獲取標(biāo)定模組圖像：利用攝像機(jī)拍攝標(biāo)定模組，優(yōu)選的，拍攝方向和角度為模組正前方，攝像機(jī)中心與模組中心在一個水平面上，這樣能夠使得成像清晰。其中，左相機(jī)獲得圖像稱為左圖像，右相機(jī)獲得圖像稱為右圖像(下同)。

步驟3、拆分圖像：對圖像進(jìn)行分塊，并將圖像分塊按順序存入一個塊棧中：具體實(shí)現(xiàn)時(shí)，將左圖像和右圖像分別拆分成n塊，其中，每塊都能夠完整包含且僅僅包含一個標(biāo)定板，屬于同一張圖像的塊按順序存入同一個塊存儲棧中。本實(shí)施例將左圖像分塊存入塊棧s1，右圖像分塊存入塊棧s2，s1＝{al,bl,cl,dl}，s2＝{ar,br,cr,dr}。對屬于同一張圖像的塊按拆分出來的先后順序存入同一個塊存儲棧中，能夠能夠減少尋找對應(yīng)塊的時(shí)間，方便左圖像和右圖像之間的匹配。

圖4示意了對圖像分塊拆分的具體手段：若標(biāo)定模組由a、b、c、d四個標(biāo)定板組成，則對應(yīng)將拍攝獲取的圖像分成4塊，由此保證每個圖像塊能夠包含且僅僅包含一個標(biāo)定板。

步驟4、特征點(diǎn)檢測：將拆分后的圖像的每一塊圖像進(jìn)行特征點(diǎn)檢測，并將特征點(diǎn)進(jìn)行順序編號。本發(fā)明通過檢測棋盤格內(nèi)角點(diǎn)作為圖像特征點(diǎn)，并求特征點(diǎn)亞像素級精度。利用harris算法檢測特征點(diǎn)，具體如下：

步驟4.1、利用水平、豎直差分算子對圖像每個像素進(jìn)行濾波以求得ix、iy，進(jìn)而求得像素點(diǎn)n中四個元素的值，如下：

其中，

其中，ix、iy分別是水平和垂直方向的方向?qū)?shù)。

步驟4.2、對像素點(diǎn)n中的四個元素進(jìn)行平滑濾波，得到新的m值。在此，利用離散二維零均值高斯濾波器對n的四個元素進(jìn)行平滑。離散二維零均值高斯函數(shù)為：

步驟4.3、對每一個特征點(diǎn)q求亞像素級精度，具體操作方式為：假設(shè)點(diǎn)q在實(shí)際亞像素級角點(diǎn)的附近且在一個區(qū)域a的邊緣，點(diǎn)p在區(qū)域a的內(nèi)部，p處的梯度為0，那么，通過找到p點(diǎn)周圍很多組梯度以及很多個向量這些梯度與對應(yīng)的向量的點(diǎn)積為0，然后通過求解方程組，方程組的解即為角點(diǎn)q的亞像素級精度的位置，也就是角點(diǎn)的精確位置，記為(x,y)。

步驟4.4、將特征點(diǎn)按行或列的順序進(jìn)行順序編號。

步驟5、還原特征點(diǎn)坐標(biāo)：將特征點(diǎn)坐標(biāo)還原到原圖像坐標(biāo)。在圖像分塊檢測特征點(diǎn)的過程中，分塊圖像角點(diǎn)的坐標(biāo)是由計(jì)算機(jī)檢測出的坐標(biāo)，然而，相機(jī)標(biāo)定是針對原來的整張圖像進(jìn)行，因此，需要將檢測到的圖像塊的特征點(diǎn)坐標(biāo)還原到其在原來多板標(biāo)定模組圖像的坐標(biāo)。具體為：

對于每一塊圖像上檢測到的特征點(diǎn)p(x,y),通過以下關(guān)系找到其在原來多板標(biāo)定模組圖像的坐標(biāo)p(x,y):

其中，點(diǎn)(ox,oy)為分塊圖像的原點(diǎn)在原圖像的坐標(biāo)。

步驟6、標(biāo)定相機(jī)內(nèi)外參數(shù)并進(jìn)行優(yōu)化；

攝像機(jī)內(nèi)部參數(shù)描述的是能夠反映攝像機(jī)的成像特性的參數(shù)，包括內(nèi)參矩陣k，畸變矩陣d，相機(jī)外部參數(shù)便是兩個攝像頭之間的旋轉(zhuǎn)和平移關(guān)系。本發(fā)明利用一種改進(jìn)的張正友標(biāo)定法對相機(jī)進(jìn)行標(biāo)定。具體如下：

步驟6.1、建立理想針孔成像模型：

其中，其中，(xw,yw,0)為圖像中點(diǎn)(u，v)在世界坐標(biāo)中的對應(yīng)點(diǎn)的坐標(biāo)，r1,r2,r3分別為旋轉(zhuǎn)矩陣r的三個列向量，s是一個比例系數(shù)，通過上述方程計(jì)算得到；[xw,yw,0]^t為點(diǎn)p在世界坐標(biāo)系下的坐標(biāo)；[u,v]^t為點(diǎn)p在圖像平面上的理想像點(diǎn)坐標(biāo)；r和t為從世界坐標(biāo)系到相機(jī)坐標(biāo)系的旋轉(zhuǎn)變換矩陣和平移變換向量；k為相機(jī)內(nèi)部參數(shù)矩陣；(u0,v0)為圖像平面的主點(diǎn)坐標(biāo)；α,β分別為圖像在u軸和v軸的主距參數(shù)；γ為圖像扭曲參數(shù)，表示圖像兩坐標(biāo)軸偏斜度，并假設(shè)標(biāo)定板平面在世界坐標(biāo)系z＝0的平面上。

步驟6.2、確定兩個平面之間的單應(yīng)矩陣：由針孔模型推算出兩個平面之間的關(guān)系，即求單應(yīng)矩陣。

單應(yīng)矩陣為：h＝[h1h2h3]＝k[r1r20]，則兩個平面內(nèi)的對應(yīng)點(diǎn)的對應(yīng)關(guān)系為：

將圖像中的點(diǎn)的坐標(biāo)帶入此方程，由多個方程聯(lián)立求解(最少四個點(diǎn))，即可求出單應(yīng)矩陣h。

步驟6.3、利用約束條件求解內(nèi)參矩陣k：

由[h1h2h3]＝λk[r1r2t]，以及旋轉(zhuǎn)列向量r1,r2的單位正交，旋轉(zhuǎn)向量模為1，得到如下約束方程：

其中，這個方程包含內(nèi)參矩陣的5個未知參數(shù)，由3個單應(yīng)矩陣在上述2個約束條件下可以產(chǎn)生6個方程。將三個標(biāo)定板平面的圖像帶入此方程，即可解出相機(jī)內(nèi)參矩陣k。

步驟6.4、基于內(nèi)參估算外部參數(shù)r，t：

相機(jī)外部參數(shù)表示相機(jī)內(nèi)攝像頭之間的旋轉(zhuǎn)平移關(guān)系，由[h1h2h3]＝λk[r1r2t]，可以解出：

在對相機(jī)內(nèi)外參數(shù)標(biāo)定后，根據(jù)相機(jī)的初始參數(shù)以及相機(jī)的初始相對姿態(tài)信息，結(jié)合檢測到的特征點(diǎn)信息，對相機(jī)參數(shù)進(jìn)行優(yōu)化。

相機(jī)的初始參數(shù)包括相機(jī)物理焦距、像元尺寸、基線長度等。由于一般方法標(biāo)定出的相機(jī)參數(shù)不理想，因此需要對初始參數(shù)進(jìn)行優(yōu)化，得到精確的相機(jī)內(nèi)參矩陣、畸變矩陣以及旋轉(zhuǎn)矩陣和平移矩陣。優(yōu)化過程描述為：建立標(biāo)定模組與相機(jī)圖像之間的重投影關(guān)系，通過最小化重投影誤差，最后得到精準(zhǔn)的相機(jī)內(nèi)參矩陣和畸變矩陣，以及旋轉(zhuǎn)矩陣和平移矩陣。

采用上述多板單圖的標(biāo)定方法，能夠解決傳統(tǒng)方法中需要多次多角度拍攝標(biāo)定板的麻煩反鎖問題，通過一次拍攝就能獲得多個方向多個角度的圖像，降低了多次操作引起的人為誤差，進(jìn)而簡化標(biāo)定流程，提高標(biāo)定精度。

實(shí)施例2：

本實(shí)施例中提供的攝像機(jī)標(biāo)定系統(tǒng)，是一種基于多板單圖和單板單圖的混合標(biāo)定系統(tǒng)，其包括攝像機(jī)和標(biāo)定模組，與實(shí)施例1不同的是，此標(biāo)定模組在實(shí)施例1中所述的多板單圖的標(biāo)定模組的基礎(chǔ)上，還增加了單板單圖標(biāo)定模組，所述單板單圖模組僅包含一個標(biāo)定板；

所述攝像機(jī)包括圖像獲取模塊、圖像拆分模塊、特征點(diǎn)提取模塊、特征點(diǎn)還原模塊、相機(jī)標(biāo)定模塊；

所述圖像獲取模塊，用于拍攝多板單圖標(biāo)定模組，獲取多板單圖標(biāo)定模組圖像；以及拍攝單板單圖標(biāo)定模組，獲取單板單圖標(biāo)定模組圖像；

所述圖像拆分模塊，用于對多板單圖標(biāo)定模組圖像進(jìn)行分塊；

所述特征點(diǎn)提取模塊，用于對多板單圖標(biāo)定模組圖像拆分的每一個塊以及單板單圖標(biāo)定模組圖像進(jìn)行特征點(diǎn)提取；

所述特征點(diǎn)還原模塊，用于將每一個圖像塊特征點(diǎn)坐標(biāo)還原到原標(biāo)定模組圖像坐標(biāo)；

相機(jī)標(biāo)定模塊，用于根據(jù)相機(jī)的初始參數(shù)以及相機(jī)的初始相對姿態(tài)信息，結(jié)合檢測到的特征點(diǎn)信息，標(biāo)定相機(jī)內(nèi)外參數(shù)。

基于上述攝像機(jī)標(biāo)定系統(tǒng)，本發(fā)明實(shí)施例提供的混合標(biāo)定方法如圖3所示，相比實(shí)施例1中的標(biāo)定方法，其多了獲取單板單圖模組圖像、對單板單圖模組圖像進(jìn)行特征點(diǎn)提取的步驟；

本實(shí)施例中的混合標(biāo)定方法具體包括：

步驟1、拍攝多板單圖標(biāo)定模組圖像：

步驟2、拍攝單板單圖模組圖像：

步驟3、拆分多板單圖標(biāo)定模組圖像；

步驟4、對拆分的多板單圖每一個圖像塊以及單板單圖模組圖像進(jìn)行特征點(diǎn)檢測：

步驟5、將每一塊圖的特征點(diǎn)坐標(biāo)還原到原圖像坐標(biāo)；

步驟6、標(biāo)定相機(jī)內(nèi)外參數(shù)并進(jìn)行優(yōu)化。

采用本實(shí)施例的混合標(biāo)定模組標(biāo)定，其不僅能夠解決實(shí)施例1所解決的問題，由于單板單圖與多半單圖的混合使用，還能夠消除由于基表不均衡引起的誤差，另一方面，可以通過調(diào)節(jié)多板單圖標(biāo)定模組和單板單圖標(biāo)定模組之間的距離，使得標(biāo)定出來的相機(jī)參數(shù)的使用區(qū)域變寬。