基于亚像素级的摄像机标定算法的研究

摘要

视觉是人类获得信息、认识客观世界的重要方式。随着电子科学技术及视觉相关理论的发展，计算机视觉在生物医学工程、工业检测、军事目标跟踪、自主导航等领域得到了越来越广泛的应用。摄像机标定作为通过计算机视觉获取三维空间信息过程的重要组成部分，成为目前该领域的研究热点。摄像机标定就是为了确定三维空间中物体坐标与其所成像像素坐标之间的对应关系，即根据给定的摄像机模型求取摄像机的内、外参数。摄像机标定的精度直接影响着整个视觉体系的精度，所以对摄像机标定算法的研究具有重要的意义。 本文以提高摄像机标定精度为目标，主要研究亚像素级的角点提取和摄像机标定的相关理论与算法，提出了一些改进算法，主要工作如下: 本文采用平面模板实现摄像机的标定，由于角点检测是摄像机标定的基础，所以本文首先研究标定模板的角点提取方法。在对比分析原有角点检测方法的基础上，提出了一种亚像素级的基于对称性特征的改进Harris角点检测算法。该方法首先用Harris算子的相关知识得到候选角点坐标;然后结合棋盘格标定物的几何特点，利用棋盘格角点的对称性特征从候选角点中检测出实际角点;最后利用角点周围灰度梯度的性质，得到角点的亚像素级坐标。仿真实验结果证明了本文提出改进算法的角点检测精度得到提高。 为了进一步提高摄像机标定的精度，本文提出了一种基于ICSA-PSO的摄像机标定算法。粒子群优化(Particle Swarm Optimization，PSO)的工作原理简单，需要调节的参数相对较少，因而算法具有很快的运算速度、较强的通用性，但容易陷入局部最优。基于免疫克隆选择算法(Immune Clonal Selection Algorithm，ICSA)设计的算子具有很好的多样性。融合这两种智能优化算法的特点，本文提出了一种基于粒子群算法与免疫克隆选择算法相结合的ICSA-PSO摄像机标定方法。该算法首先建立世界坐标系得到标定物体的空间坐标，其次通过基于对称性特征改进的角点检测算法得到图像的角点坐标，最后通过基于ICSA-PSO的标定算法得到摄像机的内、外参数。仿真实验证明了本文提出的基于ICSA-PSO摄像机标定方法的有效性。

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2摄像机标定的发展与研究现状

1．3本文主要工作及结构安排

第2章摄像机标定的基础理论

2．1坐标系及转换关系

2．2摄像机成像模型

2．2．1摄像机成像的线性模型

2．2．2摄像机成像的非线性模型

2．3摄像机标定的参数

2．4常用的摄像机标定方法

2．4．1传统标定方法

2．4．2自标定方法

2．4．3张正友平面标定法

2．5本章小结

第3章基于对称性特征改进的Harris角点检测

3．1角点类型

3．2角点检测方法的对比分析

3．2．1角点检测方法分类

3．2．2基于图像灰度梯度的亚像素提取

3．2．3基于灰度的角点检测的对比分析

3．3改进的亚像素级角点检测算法

3．3．1棋盘格角点的对称性特征

3．3．2基于对称性特征改进的Harris角点检测算法的原理

3．4实验及分析

3．5本章小结

第4章基于ICSA-PSO的摄像机标定

4．1粒子群算法(PSO)

4．2免疫克隆选择算法(ICSA)

4．3改进的ICSA-PSO摄像机标定算法

4．3．1惯性权重的选择

4．3．2 ICSA-PSO算法原理

4．3．3基于ICSA-PSO的摄像机标定过程

4．3．4反投影误差函数

4．4实验分析

4．4．1标定实验

4．4．2结果及分析

4．5本章小结

第5章结论与展望

5．1论文的工作总结

5．2工作展望

参考文献

致谢