CN101685197B - 一种评价摄像机镜头切向畸变指标的方法 - Google Patents

Abstract

本发明为一种评价摄像机镜头切向畸变指标的方法，包括步骤：获取摄像机镜头拍摄的图像，其中被拍场景中有一个模板；在图像中，提取模板上的图像点；确定出模板上的点和图像上的点的对应；利用模板上点的坐标和图像上对应点的坐标，用公式计算出评价指标；根据指标值对镜头进行评价。本发明提供的方法能很全面的评价摄像机镜头的切向畸变，且可为全向摄像机的校准提供指导标准。该方法不受径向畸变的影响，具有较为简便、实用、评价准则精度高、鲁棒性好等特点，使得广角镜头生产的质量控制检测方法走向实用化、简便化。

Description

一种评价摄像机镜头切向畸变指标的方法

技术领域

本发明属于摄像机技术领域，具体地涉及摄像机镜头评价的方法。

背景技术

很多摄像机镜头都产生畸变，尤其是广角镜头的畸变更大。广角镜头摄像机包括反射折射、鱼眼等摄像机。它具有独特的宽阔视野，在视觉监控，视觉跟踪，大范围场景的重建与漫游，机器导航等领域与传统的标准镜头相机相比，具有无可比拟的优势，可以弥补标准镜头视场较窄的缺陷。但是，广角镜头具有一个很大的缺点就是所拍摄的图像存在非常严重的变形，这对我们用广角镜头的视频装置直接进行监控、跟踪带来非常大的困难。因此，选择合适的广角镜头，对广角镜头的畸变进行估计和评价就变得非常重要。另外一个方面，畸变也是评价像机镜头质量的重要标准之一。

镜头的畸变类型有：径向畸变、切向畸变、径向与切向的混合畸变。我们发现对于镜头的径向畸变很好识别。然而对于切向畸变的识别一直非常困难，就是用人的肉眼也很难判断出来。

目前在畸变检测的技术当中，只存在对径向畸变进行检测，径向畸变的检测可以通过物体的形变计算出来，而用这种方法直接计算切向畸变会受径向畸变较大的影响，无法计算出准确结果。所以本发明提出一种方法计算切向畸变且计算结果不受径向畸变的影响。

发明内容

为了解决现有技术中切向畸变的识别困难的问题，本发明目的是提出一种评价摄像机镜头切向畸变指标的方法。

为实现上述目的，本发明提供一种评价摄像机镜头切向畸变指标的方法，计算切向畸变指标包括步骤：

1).在被拍场景中具有一个模板，需要评测的摄像机镜头在被拍场景拍摄图像；

2).在拍摄图像中，利用人工或者标记的方法提取模板上的点；

3).将模板上的点与图像上的点的点对为相互对应的点对组合；

4).利用模板上点的坐标和图像上对应点坐标的点对组合，计算出切向畸变的评价函数指标；

5).对每个点对组计算出的评价函数值和设定的阀值做比较，当所有的评价函数值小于阀值，镜头的切向畸变在噪声控制范围之内，判定没有切向畸变；当有某个评价函数值大于阀值，则判定有切向畸变，最大的评价函数值量化了该镜头的切向畸变程度。

本发明的有益效果是提供了能很全面的评价镜头的切向畸变的方法，且可为全向摄像机的校准提供指导标准。本发明方法计算出的切向畸变指标不受镜头径向畸变的影响，所用的模板与摄像机之间的姿态没有限制，不需要模板正对摄像头，因此该方法很灵活。提出一种基于不变量的评价函数，它的计算直接将模板点的坐标位置和模板点在图像中对应点的坐标位置代入即可，不需要依赖于除了畸变中心的任何其它的摄像机参数。本发明的这种指标便于工程计算和实施，步骤清晰明了，基于几何不变量进行计算，评价结果可靠稳定。具有较为简便、适用、评价准则精度高、鲁棒性好等特点，使得广角镜头生产的质量控制检测方法走向实用化、简便化。

附图说明

图1为四张有畸变的图像，其中(a)和(b)为反射折射图像；(c)为鱼眼图像；(d)为相机没有校准的反射折射图像；

图2是本发明测量方法的流程图。

具体实施方式

下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

为了实现本发明的方法，实施时采用一台CPU是1.6G，内存是512M，硬盘80G的计算机，在计算机上Matlab编制相关程序，本发明的具体实施步骤如下：

本发明的具体实施步骤如下：

1.图像获取

将模板放入被测场景，用需要评测的摄像机拍取图像，同时保证模板在摄像机的可视范围之内，从而保证拍摄的图像内容包含模板。将图像输入计算机，目前摄像机一般都带有导入图像到计算机的接口，按照摄像机的使用说明可以很方便的完成这步。

2.提取模板上的图像点

采用人机交互的方法或用计算机圈定模板所在的图像区域，模板与摄像机之间的姿态没有限制，不需要模板正对摄像头。应用Harris角点检测(Harriscomer detector)等方法或者人工标记的方法提取模板上的点。Harris角点检测能很好的提取图像上的角点，这些角点往往和图像模板上的点有对应关系，从而能很好的建立模板上的点和图像上的点的对应关系。对于个别图像如果自动提取模板上的点比较困难，还可以用人机交互的办法，标记模板上的图像点，如用Matlab中的ginput函数，可以用鼠标点击相应的点，然后计算机自动记录点的坐标位置。

3.建立模板上的图像点与图像上的点的对应

初始点对的匹配按照人工或者标记的方法进行；然后，按照点位置分布和直线搜索方向自动进行配准。对模板上的点和图像点可以进行编号，同一编号的点有一一对应的点对组合关系。

4.指标计算

将建立的模板点与图像点的对应点对进行不同的6点对组合。对于每一个组合，首先建立如下一个函数：

[m₁m₆m₀][m₂m₅m₀][m₃m₄m₀][124][135][236]

-[m₁m₅m₀][m₂m₆m₀][m₃m₄m₀][124][136][235]

-[m₁m₆m₀][m₂m₄m₀][m₃m₅m₀][125][134][236]

+[m₁m₄m₀][m₂m₆m₀][m₃m₅m₀][125][136][234]

+[m₁m₅m₀][m₂m₄m₀][m₃m₆m₀][126][134][235]

-[m₁m₄m₀][m₂m₅m₀][m₃m₆m₀][126][135][234]

＝f_123；456

该函数记作f_123；456，其中1，2，3，4，5，6为模板点的坐标，m₁，m₂，m₃，m₄，m₅，m₆，m₀为图像点的坐标，括号＂[]＂表示行列式。

然后，对于此组合的上述函数，我们进行加权和建立如下评价函数I_2D：

$I_{2D}=\frac{1}{20}\underset{\mathrm{ijk};\mathrm{opq}\∈S}{\mathrm{\Σ}}\frac{1}{w_{\mathrm{ijk};\mathrm{opq}}^2}{f}_{\mathrm{ijk};\mathrm{opq}}^2,$

其中S是1，2，3，4，5，6的所有组合集，这样的排列组合共有20个，w_ijk；opq是权值。

对于所有的6点对组合，计算评价函数I_2D的值。

以上针对的是二维模板的情形，三维模板也是类似的过程，所不同的是需要建立8点对组合，将函数f_123；456扩展。

5.根据指标值对镜头进行评价

对每个点对组计算出的评价函数I_2D值和一个设定好的恰当阀值ε做比较。所有的评价函数值小于阀值ε，镜头的切向畸变在噪声控制范围之内，判定没有切向畸变。有某个评价函数值大于阀值ε，则判定有切向畸变，最大的评价函数值量化了该镜头的切向畸变程度。最大评价函数值越大，则畸变程度越高，最大评价函数值越小，则畸变程度越小。当最大评价函数值小到一定程度如根据经验设定的ε，则可认定没有畸变，因为很小的最大评价函数值往往是由噪声引起，而图像上很小的切向畸变可以得到一个远远大于ε的评价函数值。

实施例

图1(a)-(d)中图像边缘到中心的距离d分别是23.92，126.82，14.15和21.85像素。从图像1(a)到(d)算出的最大评价函数I_2D的值分别为：0.0016，0.98，0.0049，1.75，阀值ε取d的0.3％。对图像1(a)，0.0016<0.3％×23.92＝0.07176，所以可以认为没有畸变，对图像1(b)，0.98>0.3％×126.82＝0.38，所以畸变比较明显，对图像1(c)，0.0049<0.3％×14.15＝0.04245，所以可以认为没有畸变，对图像1(d)，1.75>0.3％×21.85＝0.06555，所以存在很大的畸变，图1所示为反射折射镜头相机拍摄的图像以及FC-E8鱼眼镜头相机拍摄的图像，其中天花板作为所使用的模板，天花板上的平行线的交点作为所使用的特征点，图1(a)是示出校准好的反射折射相机所拍，图1(b)是示出反射镜面稍有平移所拍，图1(c)是示出校准好的鱼眼相机所拍，图1(d)是示出反射镜面有倾斜所拍。

按照本发明的方法，在图像中提取模板(天花板)上的图像点；确定出模板上的点与图像上的点的对应；利用模板上点的坐标和图像上对应点的坐标，用公式计算出评价指标。我们可以看出模板不需要正对着摄像头，所以该方法很灵活、实用。根据计算的结果，认为拍摄图1(a)与图1(c)时摄像机是没有切向畸变的，也就是说摄像机镜头已经校准好。而拍摄图1(b)与图1(d)时的摄像机是没有校准好的或者认为镜头是存有切向畸变的。这一检测结果与事实相符。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种评价摄像机镜头切向畸变指标的方法，包括步骤：

步骤1：在被拍场景中具有一个模板，需要评测的摄像机镜头在被拍场景拍摄图像；

步骤2：在拍摄图像中，利用人工或者标记的方法提取模板上的点；

步骤3：将模板上的点与图像上的点为相互对应的点对组合；

步骤4：利用模板上点的坐标和图像上对应点坐标的点对组合，计算出切向畸变的评价函数指标；所述评价函数指标计算包括步骤如下：

步骤S41：将不同点对进行组合，对于每一个组合，首先建立如下一个函数f_123；456：

[m₁m₆m₀][m₂m₅m₀][m₃m₄m₀][124][135][236]

-[m₁m₅m₀][m₂m₆m₀][m₃m₄m₀][124][136][235]

-[m₁m₆m₀][m₂m₄m₀][m₃m₅m₀][125][134][236]

+[m₁m₄m₀][m₂m₆m₀][m₃m₅m₀][125][136][234]

+[m₁m₅m₀][m₂m₄m₀][m₃m₆m₀][126][134][235]

-[m₁m₄m₀][m₂m₅m₀][m₃m₆m₀][126][135][234]

＝f_123；456

该函数记作f_123；456，其中1，2，3，4，5，6为模板点的坐标，m₁，m₂，m₃，m₄，m₅，m₆，m₀为图像点的坐标，括号″[]″表示行列式；

步骤S42：对于此组合的上述函数进行加权和建立如下评价函数I_2D：

$I_{2D}=\frac{1}{20}\underset{\mathrm{ijk};\mathrm{opq}\&Element;S}{\mathrm{\&Sigma;}}\frac{1}{w_{\mathrm{ijk};\mathrm{opq}}^2}{f}_{\mathrm{ijk};\mathrm{opq}}^2,$

其中S是1，2，3，4，5，6的所有组合集，w_ijk；opq是权值；对于所有的点对组合，计算评价函数I_2D的值；

步骤5：对每个点对组合计算出的评价函数值和设定的阀值做比较，当所有的评价函数值小于阀值，镜头的切向畸变在噪声控制范围之内，判定没有切向畸变；当有某个评价函数值大于阈值，则判定有切向畸变，最大的评价函数值量化了该镜头的切向畸变程度。

2.按权利要求1所述的一种评价摄像机镜头切向畸变指标的方法，其特征在于，所用的模板在摄像头的拍摄范围内。

3.按权利要求1所述评价摄像机镜头切向畸变指标的方法，其特征在于，所用的模板是二维模板。

4.按权利要求1所述评价摄像机镜头切向畸变指标的方法，其特征在于，模板与图像点对应，是按照人工或者标记的方法对初始点对进行匹配；然后，按照点位置分布和直线搜索方向自动进行配准。

Images