CN100384220C - 摄像机标定数据的采集方法及其标定板 - Google Patents

Abstract

本发明公开了一种摄像机标定数据的采集方法及其标定板。方法分三步：先在标定板上设置按阵列分布的标志圆点，再将标定板置入摄像机视场，对标定板进行拍摄，取得标定板图像，最后以标志圆点圆心为标定数据源，对标志圆点圆心进行粗定位，从而得到标定数据。标定板包括标定板板块，在标定板板块上设有标志圆点且该标志圆点在标定板板块上按阵列分布，在标志圆点中有5个标志圆点为特征标志圆点，其直径大于其余标志圆点，在5个特征标志圆中有1个为参考性特征标志圆点。本发明实现简单，易于操作，通用性强。

Description

摄像机标定数据的采集方法及其标定板

技术领域

本发明涉及一种获取摄像机标定数据的方法及其所用的标定板，尤其涉及一种摄像机标定数据的采集方法及其标定板。

背景技术

计算机视觉的基本任务之一，从摄像机拍摄得到的图像出发，计算视场中物体的三维信息，由此来对三维物体进行重建和识别。物体表面点的三维几何信息与其在图像上的相应点之间的相互关系是由摄像机的成像模型决定的，建立这一几何模型的过程实际就是摄像机参数的求解过程。因此，对摄像机参数的标定是这一建模过程的前提和关键。对摄像机参数的求解过程称为摄像机标定。

文献“Image Processing，Analysis，and Machine Vision”(M.Sonka，V.Hlavac，R.Boyle，International Thomson Publishing，1998)中阐述了一种较为通用的摄像机成像模型，该成像模型可以用以下公式来描述：

$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\mathrm{\λA}\begin{array}{}\end{array}\left[\begin{array}{cc}R& T\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right]$

其中，X，Y，Z是标定物的空间点坐标，x，y是在图像上的二维点坐标，R，T为摄像机的外部参数，分别定义了摄像机在三维空间的姿态和位置， $A=\left[\begin{array}{ccc}f& s& x_0\\ 0& f& y_0\\ 0& 0& 1\end{array}\right]$ 为摄像机内部参数，包括主距f，象素比例因子s，中心点位置(x₀，y₀)。

摄像机标定就是计算摄像机外部参数和内部参数的过程。摄像机标定技术大致可以分成两类：传统的标定方法和自标定方法。

近年来，摄像机的自标定算法取得了很大的进展，己发表了相当数量的文献，其中一些算法获得了较为广泛的应用。但是由于自标定算法相对于传统标定算法精度要差，不适合诸如三维重构等对检测精度要求非常高的场合。

传统的标定算法也得到了较为广泛的应用，同时也获得了较好的效果。例如文献“Aversatile camera calibration technique for high accuracy 3D machine vision metrology usingoff-the-shelf TV cameras and lenses”(Tsai R Y.IEEE RoboticsAutomation，1987，3(4)：pages324-344)中公开了一种利用径向校准约束来获取外部参数、焦距和径向一次畸变的线性解。但是各种算法的实施是基于标定点信息的，即标志点的物方位置数据和像方数据。如何快速和准确的提取这些数据是各种计算机视觉应用的前提和关键。此外，某些标定算法要求部分或全部标志点满足特定的位置关系，例如，共线，共面，线与线之间相互平行，呈矩形梯形或同心圆分布等。如何提供这些标志点，以及自动匹配出相应的位置关系是目前此类应用中的一个难点。

发明内容

本发明提供一种能够提高定位精度且过程简单的摄像机标定数据的采集方法及其标定板，本发明可用于统一于同一个世界坐标系下的多个摄像机的标定。

本发明采用如下技术方案：

第一步：先在标定板上设置按阵列分布的标志圆点，并从中选择五个标志圆点作为特征标志圆点，扩大上述五个特征标志圆点，使上述五个特征标志圆点的直径大于除上述五个特征标志圆点外的其余标志圆点，以上述五个作为特征标志圆点的标志圆点中的一个特征标志圆点作为参考性特征标志圆点，该参考性特征标志圆点具备自该参考性特征标志圆点至其它特征标志圆点的距离大于任意两个特征标志圆点之间的距离且该参考性特征标志圆点与其它特征标志圆点的连线相互之间的夹角大于3度，上述参考性特征标志圆点以外的四个特征标志圆点中的2个特征标志圆点位于同一行，其余2个特征标志圆点位于另一行上，

第二步：将标定板置入摄像机视场，然后，再对标定板进行拍摄，取得标定板图像，

第三步：以标志圆点圆心为标定数据源，对标志圆点圆心进行粗定位，该粗定位是读取由摄像机拍摄的标定板图像，对上述标定板图像进行图像滤波、阈值分割、边界提取、轮廓跟踪、椭圆边界拟合及中心提取，得到作为特征标志圆点的标志圆点半径值并识别出标定板上的大圆及大圆个数，在找到标定板上的全部大圆后，匹配标定板上大圆的圆心数据，然后再匹配出标定板上其它标志圆点的圆心数据，从而得到标定数据。

一种用于摄像机标定数据的采集方法的标定板，它包括标定板板块，在标定板板块上设有标志圆点且该标志圆点在标定板板块上按阵列分布，在标志圆点中有5个标志圆点为特征标志圆点，其直径大于其余标志圆点，在5个特征标志圆中有1个为参考性特征标志圆点，该参考性特征标志圆点至其他特征标志圆点的距离大于任意两个特征标志圆点之间的距离，该参考性特征标志圆与其它标志圆的连线相互之间的夹角大于3度。

与现有技术相比，本发明具有如下优点：

本发明主要用于各种需要对摄像机进行实时快速标定的应用场合。利用本发明中设计的标定板，以及相应的标志点数据的提取算法，即可得到一组标志点在像方和物方的坐标值，这样即可采用适当的标定算法对摄像机进行标定计算。该数据采集方法主要有以下优点：

(1)标定板的制作简单，一般情况下，可直接采用打印机打印标定板设计图即可，然后根据象素间距计算标定点之间的间距，以此来计算标志点的物方坐标。

(2)这些标志点能够自由组合成不同的形状，对于绝大多数对标志点有特殊位置要求的标定算法也同样适用，因此该标定板具有很强的通用性。

(3)由于圆心定位法采用了粗定位和精定位两步定位法，能够在获得更高的亚象素级精度的同时，对定位质量做出适当的判别，从而滤除定位数据较差的点。

(4)操作过程比较简单，只要将标定板放入摄像机视场后，拍摄标定板图像即可，其它步骤全部由计算机自动完成。当标定板同时位于多个摄像机的视场中时，可将多个摄像机统一在同一个世界坐标系下，这样，这些摄像机的相对位置和姿态都可以很容易的求出。计算圆心数据和匹配圆心阵列坐标都可自动完成。

此外要注意的是，标定板和光轴的偏角不易过大，否则会造成圆目标中心的重心发生偏移，不利于圆心数据的精确定位。

附图说明

图1是标定板的设计示意图。

图2是标定板在应用过程中拍摄得到的一幅图像。

图3圆心数据粗定位算法流程图。

图4阈值分割中得到圆目标的示意图(图像经过放大处理)。

图5用于拟合圆周线的象素级轮廓线(图像经过放大处理)。

图6圆心数据精定位算法流程图。

图7包括象素灰度过渡区域的圆目标示意图(图像经过放大处理)。

图8大圆坐标匹配算法流程图。

图9已知直线上两点坐标匹配其它各点的算法流程图。

图10圆心数据坐标匹配算法流程图。

图11光栅式三维扫描系统组成图。

具体实施方式

实施例1

一种用于摄像机标定过程中采集标定数据的摄像机标定数据的采集方法：

第一步：先在标定板上设置按阵列分布的标志圆点，并从中选择五个标志圆点作为特征标志圆点，扩大上述五个特征标志圆点，使上述五个特征标志圆点的直径大于除上述五个特征标志圆点外的其余标志圆点，以上述五个作为特征标志圆点的标志圆点中的一个特征标志圆点作为参考性特征标志圆点，该参考性特征标志圆点具备自该参考性特征标志圆点至其它特征标志圆点的距离大于任意两个特征标志圆点之间的距离且该参考性特征标志圆点与其它特征标志圆点的连线相互之间的夹角大于3度，上述参考性特征标志圆点以外的四个特征标志圆点中的2个特征标志圆点位于同一行，其余2个特征标志圆点位于另一行上，

第二步：将标定板置入摄像机视场，然后，再对标定板进行拍摄，取得标定板图像，

第三步：以标志圆点圆心为标定数据源，对标志圆点圆心进行粗定位，该粗定位是读取由摄像机拍摄的标定板图像，对上述标定板图像进行图像滤波、阈值分割、边界提取、轮廓跟踪、椭圆边界拟合及中心提取，得到作为特征标志圆点的标志圆点半径值并

识别出标定板上的大圆及大圆个数，在找到标定板上的全部大圆后，匹配标定板上大圆的圆心数据，然后再匹配出标定板上其它标志圆点的圆心数据，从而得到标定数据。

实施例2

一种用于摄像机标定数据的采集方法的标定板，它包括标定板板块1，在标定板板块1上设有标志圆点2且该标志圆点2在标定板板块1上按阵列分布，在标志圆点2中有5个标志圆点为特征标志圆点，其直径大于其余标志圆点2，在5个特征标志圆中有1个为参考性特征标志圆点，该参考性特征标志圆点至其他特征标志圆点的距离大于任意两个特征标志圆点之间的距离，该参考性特征标志圆与其它标志圆的连线相互之间的夹角大于3度。其中标定板板块1为黑板，标志圆点2为白色实心圆。

以下是本发明参照说明书图，对本发明的具体实施方案作出的更为详细的描述：

圆标志点具有旋转不变性，易识别，定位精度高的特殊性，被广泛应用于各种图像定位场合，本发明标定板的设计过程中使用圆点作为标定物，这些标志点在标定板的排列呈阵列分布。

由于标点板上分布的点呈阵列分布，很容易选取适当的点构成不同的标志物，如直线、相互平行或者相互垂直的直线组、矩形、梯形、圆等形状。通过对摄像机获取图像的进行处理，即可以得到这些标志点在图像平面上的位置，即标志点在摄像机中的像方坐标值。然后通过利用标定板中的五个大点，匹配出所有点在板上的阵列中所处的位置。由于在制作标定板时，标点之间的距离已知，因此，只要将世界坐标系建在标点板上，标志点的位置信息就可以依据点的阵列序号以及点间的距离来确定，这样，标志点的物方坐标值也确定了。在确定了标志点的像方坐标和物方坐标后，就可以利用上面的摄像机成像模型和适当地标定算法对摄像机的内外参数进行标定了。因此，本发明主要涉及三方面的内容：

1)标定板的设计

标定板的设计图1。板上阵列分布纯白色的实心圆作为标志圆点，为了增强对比性，以纯黑色作为背景颜色。一般情况下，可以用激光打印机打印该图，通过打印机参数求出点间距即可；对于精度较高的应用场合，则点间距需要事先精确测定。从图中还可以看出，板上的分布有五个半径较大的圆点，这主要是为了便于正确匹配圆点的阵列坐标。

2)标志点圆心的坐标定位

采用圆心作为标定的数据源，首先必须对圆心进行精密定位。本方法对圆心的精密定位采用粗定位和精定位两步定位法。

首先进行粗定位。粗定位主要有图像的噪声滤除，阈值分割，轮廓跟踪，椭圆拟合以及中心提取等步骤。提取圆心的过程中，同时可以得到圆目标的半径值。由于环境光不均匀，摄像机视场太小等原因，会造成椭圆区域分割的不完整，或者受到非椭圆区域的污染。可以通过对椭圆拟和残差设定一个阈值，将这些分割不完整或者受到污染的目标剔除。另外，由于板上分布有五个大圆，根据所求的半径值，可以得出识别出这些大圆，同时得到大圆的个数。算法流程见图3

第二步进行精定位。利用第一步定位的结果，在每个圆目标可能出现的小区域进行精确定位。圆目标区域与背景区域之间存在一段宽约为3个象素的过渡区域，首先使用剃度算子，分割出该区域；然后，采用形态学算法，将该区域的灰度信息提取出来；最后利用这些象素灰度信息进行高斯曲面的拟合，所得高斯曲面的中心即目标圆圆心的精确值。算法流程见图6。

3)匹配圆心数据的阵列坐标

圆心粗定位的同时得到了圆目标的半径，本发明利用这五个大圆对所有圆标志点进行阵列匹配。

首先匹配出大圆的阵列坐标。这里以位于左下角的圆标志点的阵列为(0，0)，横轴向右依次为0、1、2、3、……，纵坐标向上依次为0、1、2、3、……。从图1可知，其中点(6，2)，即图1中位于最下方的大圆标志点，明显远离其它4个大圆标志点。分别计算各个点与其它各点的距离，然后求和，和值最大的一点显然就是该点(6，2)。然后，将该点和其它四点依次构成四条直线，任取其中一条作为基准，求出另外三条直线与该直线的夹角，夹角大小位于正负90度之间。对这些角度进行排序，基准直线可设夹角为0度，根据角度的大小，各点的阵列值依次为(4，6)(5，7)(7，7)(8，6)。算法流程见图8。

然后，由这些已知阵列坐标的大圆点对位于阵列其它位置的小圆点在图像上的点进行预估。由于摄影几何的直线投影不变性，纵坐标为6，和7的两行点中，已有两个点的位置已经确定，其它各点也就可以很容易随之确定：利用两个已知的点确定两条直线，点与点之间的间距也可由这两个点确定。在投影过程中，点间的距离会有所变化，但在标定板与光轴夹角不是很大的情况下，这一变化影响很小。这样，根据这一间距值，就可以很容易地找到这两行点；确定了这两行点后，即每列都找到了两个已知的点，根据相同的原理，即可确定各列上点的阵列坐标。这样，标定板上所有标志点的阵列坐标就确定了。算法流程见图10。

在某些情况下，标定板图像可能被局部污染，造成某些点无法识别，这些点的信息自然就无法找到了，这通常不会对后期的标定造成重大影响。第6，7行的点是定位其它行的前提，这些点应该找到，如果遭到污染而未能找到，可采用相邻两点的平均值来代替该点，也可对其所处的列的其它标志点进行匹配。算法流程见图9。

此外，主要操作和计算步骤

应用本方法进行摄像机标定数据信息的采集主要包含以下操作步骤：(1)制作标定板，(2)将标定板置入摄像机视场，(3)拍摄一幅或多幅标定板图像，(4)计算机自动定位及匹配圆心数据，(5)圆心数据输出。这样，后续的标定算法即可利用这些圆心数据对摄像机的内外参数进行标定。

圆心数据自动定位和匹配是本发明的核心，其主要步骤如下：(1)读取图像数据，(2)粗定位圆心，(3)精定位圆心，(4)匹配圆心在阵列即世界坐标系下的位置。

以下是三维重构过程中对双摄像机的标定实例。主要包括以下步骤：

a)制作标定板

我们使用圆标志点作为标定物，圆内填充纯白色，背景使用纯黑色。考虑到摄像机的CCD感光单元的象素阵列的横向和纵向的象素个数一般是不相等的，其个数比通常约为4/3。考虑到这一情况，我们在排布标志点时，使得阵列的长宽基本遵循这一比例关系，取阵列横向为13，阵列纵向为10。当然可根据实际的需要做适当的调整。

为了便于匹配圆标志点在阵列中所处的位置，我们在标定板上设计了五个半径较大的圆标志点，为了正确识别这五个特殊的标志点，大圆半径为小圆半径的2倍以上。

b)使用CCD摄像机拍摄图像

进行摄像机标定时，只需将标定板置入摄像机的视场即可。为了保证圆心识别的精度，标定板与摄像机主光轴的夹角不易过大，一般不易大于30度。另外，标定板上的五个大圆必须同时位于摄像机视场，并且能够被正确识别，否则将无法进行标志点阵列坐标的求解。图2是在实际应用中拍摄到的一幅图像。调节摄像机焦距以及周围环境光亮度，尽量使拍摄到清晰，噪声水平低的图像。为了减轻随机噪声的影响，可采用对同一场景拍摄多幅图像，然后求平均值的方法来加以消除。

c)计算标志点数据以及匹配阵列坐标

首先定位标志点圆心，分粗定位和精定位两步进行。粗定位是对整幅图像进行处理，首先找到圆目标，图4，然后提取目标轮廓，图5，拟合圆心。其中主要有滤波处理、阈值分割、边界提取、边界跟踪和圆拟合，得到初步的圆心数据后，再进行精定位。

精定位是根据粗定位的结果对每个圆目标区域对圆心数据处理。主要步骤有求梯度、提取边界过渡区域、提取过渡区域灰度值，最后进行高斯曲面拟合，图7，高斯曲面的中心就是精定位的结果。

最后匹配圆心的阵列坐标，主要步骤有，识别出五个大圆，匹配这五个大圆的阵列坐标，然后匹配出所有圆心的坐标。具体算法可参见本说明书中发明内容条款。

d)在三维扫描系统中的应用

三维扫描系统主要由摄像机，图像采集卡，光栅投影仪以及微机系统组成，图9。在每次进行三维扫描之前，都要对摄像机的位置，焦距等进行调整。因此，在对三位物体进行扫描前，需要首先对摄像机的位姿参数及某些内部参数进行标定，这一过程的实施是以标定点数据为前提的，某些特定的标定算法要求标定点之间满足一定的约束关系。

e)主要计算结果

左摄像机参数：

右摄像机参数：

表1部分标志点的物方阵列坐标和对应的像方坐标

Claims (4)

1.一种用于摄像机标定过程中采集标定数据的摄像机标定数据的采集方法，其特征在于：

第一步：先在标定板上设置按阵列分布的标志圆点，并从中选择五个标志圆点作为特征标志圆点，扩大上述五个特征标志圆点，使上述五个特征标志圆点的直径大于除上述五个特征标志圆点外的其余标志圆点，以上述五个作为特征标志圆点的标志圆点中的一个特征标志圆点作为参考性特征标志圆点，该参考性特征标志圆点具备自该参考性特征标志圆点至其它特征标志圆点的距离大于任意两个特征标志圆点之间的距离且该参考性特征标志圆点与其它特征标志圆点的连线相互之间的夹角大于3度，上述参考性特征标志圆点以外的四个特征标志圆点中的2个特征标志圆点位于同一行，其余2个特征标志圆点位于另一行上，

第二步：将标定板置入摄像机视场，然后，再对标定板进行拍摄，取得标定板图像，

第三步：以标志圆点圆心为标定数据源，对标志圆点圆心进行粗定位，该粗定位是读取由摄像机拍摄的标定板图像，对上述标定板图像进行图像滤波、阈值分割、边界提取、轮廓跟踪、椭圆边界拟合及中心提取，得到作为特征标志圆点的标志圆点半径值并识别出标定板上的大圆及大圆个数，在找到标定板上的全部大圆后，匹配标定板上大圆的圆心数据，然后再匹配出标定板上其它标志圆点的圆心数据，从而得到标定数据。

2.根据权利要求1所述的摄像机标定数据的采集方法，其特征在于在对标志圆点圆心进行粗定位后还要进行精定位，该精定位是用剃度算子分割出标志圆点目标区域与背景区域之间的象素过渡区域，再用形态学算法提取该区域的灰度信息，最后利用这些灰度信息进行高斯曲面的拟合，得到的高斯曲面的中心即为目标实心圆圆心的精确值。

3.一种用于上述权利要求1所述摄像机标定数据的采集方法的标定板，其特征在于包括标定板板块(1)，在标定板板块(1)上设有标志圆点(2)且该标志圆点(2)在标定板板块(1)上按阵列分布，在标志圆点(2)中有5个标志圆点为特征标志圆点，其直径大于其余标志圆点(2)，在5个特征标志圆点中有1个为参考性特征标志圆点，该参考性特征标志圆点至其它特征标志圆点的距离大于任意两个特征标志圆点之间的距离，该参考性特征标志圆点与其它标志圆点的连线相互之间的夹角大于3度。

4.根据权利要求3所述的标定板，其特征在于标定板板块(1)为黑板，标志圆点(2)为白色实心圆。

Images