CN109785393A - 一种基于平面运动约束的相机自标定方法 - Google Patents
一种基于平面运动约束的相机自标定方法 Download PDFInfo
- Publication number
- CN109785393A CN109785393A CN201811630269.2A CN201811630269A CN109785393A CN 109785393 A CN109785393 A CN 109785393A CN 201811630269 A CN201811630269 A CN 201811630269A CN 109785393 A CN109785393 A CN 109785393A
- Authority
- CN
- China
- Prior art keywords
- camera
- matrix
- formula
- image
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于平面运动约束的相机自标定方法,步骤包括:1)提取拍摄的平面图像对,让同一个固定内参数的相机,对着某个固定平面改变不同姿态的变化,拍摄n个图像对,此处要求姿态不同是指平面的法向量在相机坐标系的方位须不同;2)计算各图像对的单应变换矩阵Hk;3)求解单应变换矩阵Hk的复特征向量,对n个单应变换矩阵Hk进行特征值分解,得到n对复共轭特征向量;4)构造求解绝对二次曲线的像的线性方程组;5)求解绝对二次曲线的像W,6)求解得到相机内参数。本发明的方法简便灵活,结果可靠。
Description
技术领域
本发明属于计算机视觉中的视觉导航与三维重构技术领域,涉及一种基于平面运动约束的相机自标定方法。
背景技术
相机标定是从二维图像获取三维空间信息必不可少的步骤,被广泛应用于三维重构、机器人导航与测距、即时定位与地图构建(SLAM)等领域。目前已有的相机标定技术包括标定物标定方法和自标定方法,标定物标定方法需要结构已知、加工精度很高的标定物作为参照物,另外,通过标定物上已知三维坐标的点与其图像点之间的对应关系来构建关于相机模型参数的约束。一旦相机变焦或参数改变,就需要重新利用标定物进行离线标定。而现有的相机自标定技术的精度和鲁棒性较差,难以满足实际需要。
相机自标定方法直接利用拍摄同一场景的多幅图像进行在线标定,现有的基于Kruppa方程和分层三维重构的自标定方法往往需要解一个非线性方程组或解一个相应的非线性规划问题,这些方法精度和鲁棒性较差,且对初值的选取十分敏感。因此,其实际应用受到了极大的限制。
发明内容
本发明的目的是提供一种基于平面运动约束的相机自标定方法,解决了现有技术在一些应用场合无法使用标定物,但难以求解相机内参数的问题。
本发明所采用的技术方案是,一种基于平面运动约束的相机自标定方法,按照以下步骤实施:
步骤1、提取拍摄的平面图像对,
让同一个固定内参数的相机,对着某个固定平面改变不同姿态的变化,拍摄n个图像对,此处要求姿态不同是指平面的法向量在相机坐标系的方位须不同;
步骤2、计算各图像对(Iak,Ibk),k=1,2,...,n的单应变换矩阵Hk;
步骤3、求解单应变换矩阵Hk的复特征向量;
对n个单应变换矩阵Hk,k=1,2,...,n进行特征值分解,得到n对复共轭特征向量rk±i·sk,k=1,2,...,n;
步骤4、构造求解绝对二次曲线的像的线性方程组;
步骤5、求解绝对二次曲线的像W;
步骤6、求解得到相机内参数。
本发明的有益效果是,让同一相机在某个平面上作两次以上不同的姿态平面运动,每次平面运动前后采集该平面的两幅图像,计算它们的单应变换矩阵,并对其进行特征值分解,所得到的复特征向量即为一对复共轭圆环点的像。通过不同平面运动得到的圆环点的像就能拟合出绝对二次曲线的像,最后通过Cholesky分解绝对二次曲线的像,计算出相机内参数。
本方法适用于不便于使用标定物进行离线标定但能对相机实施平面运动的场合。当智能机器人以不同姿态在地平面进行平移和旋转时,就可以采用本文方法对其携带的相机进行自标定,进而为其后续的导航和测距等任务奠定基础。本方法是一种在线的、简便灵活的标定方法,并且是一种线性计算方法,无需任何优化过程。
附图说明
图1是本发明方法中的相机内参数均方误差与平面运动次数的关系,其中,图1a是fv和fv的均方误差与平面运动次数的关系;图1b是u0和v0的均方误差与平面运动次数的关系;
图2是本发明方法在不同平面运动前后采集的图像对及其对应点集,其中,图2a是平面运动1前后采集的图像Ia1和图像Ib1;图2b是平面运动2前后采集的图像Ia2和图像Ib2。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的基于平面运动约束的相机自标定方法,按照以下步骤实施:
步骤1、提取拍摄的平面图像对;
让同一个固定内参数的相机,对着某个固定平面(如地平面)改变不同姿态的变化,拍摄n个图像对,此处要求姿态不同是指平面的法向量在相机坐标系的方位须不同;
参照图2a、图2b,在相机拍摄时,调整一次仰俯角度和翻转角度,采集地平面的一幅图像Iak,然后保持相机姿态不变,在平面上平移和旋转后采集第二幅图像Ibk,得到图像对(Iak,Ibk),如此重复以上过程n次,得到n对关于某个平面(如地平面)的图像对(Iak,Ibk),k=1,2,...,n,其中n>2;
步骤2、计算各图像对(Iak,Ibk),k=1,2,...,n的单应变换矩阵Hk;
2.1)采用SURF算法(现有技术)获取图像对(Iak,Ibk)的初始匹配点集;
2.2)使用RANSAC鲁棒估计基础矩阵算法(现有技术),在估计基础矩阵的过程中剔除大部分外点,使筛选出的匹配点集尽可能满足极几何约束条件;
2.3)在经过筛选后的匹配点集上再次使用RANSAC鲁棒估计基础矩阵算法以及归一化的DLT算法(现有技术)剔除剩余的外点,精确求解图像对(Iak,Ibk)的单应变换矩阵Hk;
步骤3、求解单应变换矩阵Hk的复特征向量;
对n个单应变换Hk,k=1,2,...,n进行特征值分解,得到n对复共轭特征向量rk±i·sk,k=1,2,...,n;
步骤4、构造求解绝对二次曲线的像的线性方程组;
对步骤3得到的每对复共轭特征向量rk±i·sk,k=1,2,...,n,恰好都是平面的圆环点的像,所以必定位于绝对二次曲线的像W=K-T·K-1上,即:
(rk±i·sk)T·K-T·K-1·(rk±i·sk)=0 (1)
公式(1)的等式左边是复数,而等式右边为0,则左式的实部、虚部都为0,则有:
以上K是摄像机的内参矩阵,表达式如下:
其中,四个参数fu,fv,u0,v0是本发明方法要计算获得的摄像机参数;
因为W=K-T·K-1是对称矩阵,将式(3)代入后变为:
将式(4)中对称矩阵W的5个不同元素分别记作q3=-fv 2·u0,q4=-fu 2·v0,q5=fu 2·fv 2+fu 2·v0 2+fv 2·u0 2,则W改写为:
因为单应变换矩阵Hk,k=1,2,...,n是3×3的矩阵,所以计算得到的共轭特征向量rk±i·sk,k=1,2,...,n也是3维的,记rk=[r1k,r2k,r3k]T,sk=[s1k,s2k,s3k]T,k=1,2,...,n,将其代入式(2)并展开得到方程组(6):
将q1,q2,q3,q4,q5这五个元素写成一个向量q,即:
q=[q1q2q3q4q5]T (7)
将方程组(6)中的系数矩阵记作V,则方程组(6)简写为:
Vq=0 (8)
其中,V是(2n)×5的矩阵,V对的元素为:
Vj1=r1j·s1j,j=1,2,...,n (9)
Vj2=r2j·s2,j j=1,2,...,n (10)
Vj3=r3j·s1j+r1j·s,3jj=1,2,...,n (11)
Vj4=r3j·s2j+r2j·s3j,j=1,2,...,n (12)
Vj5=r3j·s3j,j=1,2,...,n (13)
Vj3=2(r1j·r3j-s1j·s3j),j=n+1,...,2n (16)
Vj4=2(r2j·r3j-s2j·s3j),j=n+1,...,2n (17)
又因为fu与fv近似相等,根据q1和q2的定义推出方程q1-q2=0,即:
[1 -1 0]·q=0 (19)
联立式(19)和式(8),这样关于q的线性方程共有(2n+1)个,相应地,式(8)中的V变为(2n+1)×5的矩阵,其第(2n+1)行是[1 -1 0 0 0];
步骤5、求解绝对二次曲线的像W,
当n>2时,式(8)给出的线性方程组是超定方程组,采用最小二乘方法对其进行求解,其最小二乘解是VTV的最小特征值对应的特征向量,则直接对V进行奇异值(SVD)分解求解出其解q,代入式(5),得到绝对二次曲线的像W;
步骤6、求解得到相机内参数;
对W进行Cholesky分解求解出对求逆得到矩阵,由于矩阵与公式(3)的相机内参数矩阵K相差一个比例因子,故将的所有元素除以使变成1,则有:
对比式(3)和式(20),可计算出相机的内参数分别为:
fv和fv的均方误差与平面运动次数的关系见图1a;u0和v0的均方误差与平面运动次数的关系见图1b。
Claims (6)
1.一种基于平面运动约束的相机自标定方法,其特征在于,按照以下步骤实施:
步骤1、提取拍摄的平面图像对;
让同一个固定内参数的相机,对着某个固定平面改变不同姿态的变化,拍摄n个图像对,此处要求姿态不同是指平面的法向量在相机坐标系的方位须不同;
步骤2、计算各图像对(Iak,Ibk),k=1,2,...,n的单应变换矩阵Hk;
步骤3、求解单应变换矩阵Hk的复特征向量;
对n个单应变换矩阵Hk,k=1,2,...,n进行特征值分解,得到n对复共轭特征向量rk±i·sk,k=1,2,...,n;
步骤4、构造求解绝对二次曲线的像的线性方程组;
步骤5、求解绝对二次曲线的像W;
步骤6、求解得到相机内参数。
2.根据权利要求1所述的基于平面运动约束的相机自标定方法,其特征在于:所述的步骤1中,具体过程是,
在相机拍摄时,调整一次仰俯角度和翻转角度,采集地平面的一幅图像Ia1,然后保持相机姿态不变,在平面上平移和旋转后采集第二幅图像Ib1,得到第一对图像对(Ia1,Ib1);
如此重复以上过程n次,得到n对关于某个平面的图像对(Iak,Ibk),k=1,2,...,n,其中n>2。
3.根据权利要求2所述的基于平面运动约束的相机自标定方法,其特征在于:所述的步骤2中,具体过程是,
2.1)采用SURF算法获取图像对(Iak,Ibk)的初始匹配点集;
2.2)使用RANSAC算法估计基础矩阵,在估计基础矩阵的过程中剔除大部分外点,使筛选出的匹配点集尽可能满足极几何约束条件;
2.3)在经过筛选后的匹配点集上再次使用RANSAC算法以及归一化的DLT算法剔除剩余的外点,并精确求解图像对(Iak,Ibk)的单应变换矩阵Hk。
4.根据权利要求3所述的基于平面运动约束的相机自标定方法,其特征在于:所述的步骤4中,具体过程是,
对步骤3得到的每对复共轭特征向量rk±i·sk,k=1,2,...,n,恰好都是平面的圆环点的像,所以必定位于绝对二次曲线的像W=K-T·K-1上,即:
(rk±i·sk)T·K-T·K-1·(rk±i·sk)=0 (1)
式(1)的等式左边是复数,而等式右边为0,则等式左边的实部、虚部都为0,则有:
其中,K是摄像机的内参矩阵,表达式如下:
其中,四个参数fu,fv,u0,v0即为要计算获得的摄像机参数;
因为W=K-T·K-1是对称矩阵,将式(3)代入后变为:
将式(4)中对称矩阵W的5个不同元素分别记作q3=-fv 2·u0,q4=-fu 2·v0,q5=fu 2·fv 2+fu 2·v0 2+fv 2·u0 2,则W改写为式(5):
因为单应变换矩阵Hk,k=1,2,...,n是3×3的矩阵,所以计算得到的共轭特征向量rk±i·sk,k=1,2,...,n也为3维,记为rk=[r1k,r2k,r3k]T,sk=[s1k,s2k,s3k]T,k=1,2,...,n,将其代入式(2)并展开得到方程组(6):
将q1,q2,q3,q4,q5这五个元素写成一个向量q,即:
q=[q1 q2 q3 q4 q5]T (7)
将方程组(6)中的系数矩阵记作V,则方程组(6)改写为:
Vq=0 (8)
其中,V是(2n)×5的矩阵,V对的元素分别如下:
Vj1=r1j·s1j,j=1,2,...,n (9)
Vj2=r2j·s2j,j=1,2,...,n (10)
Vj3=r3j·s1j+r1j·s3j,j=1,2,...,n (11)
Vj4=r3j·s2j+r2j·s3j,j=1,2,...,n (12)
Vj5=r3j·s3j,j=1,2,...,n (13)
Vj3=2(r1j·r3j-s1j·s3j),j=n+1,...,2n (16)
Vj4=2(r2j·r3j-s2j·s3j),j=n+1,...,2n (17)
因为fu与fv近似相等,根据q1和q2的定义推出方程q1-q2=0,即:
[1 -1 0 0 0]·q=0 (19)
联立式(19)和式(8),这样关于q的线性方程共有(2n+1)个,相应地,式(8)中的V变为(2n+1)×5的矩阵,其第(2n+1)行是[1 -1 0 0 0]。
5.根据权利要求4所述的基于平面运动约束的相机自标定方法,其特征在于:所述的步骤5中,具体过程是,
当n>2时,式(8)中的线性方程组是超定方程组,采用最小二乘方法进行求解,最小二乘解是VTV的最小特征值对应的特征向量,则直接对V进行奇异值分解求解出其解q,代入式(5),得到绝对二次曲线的像W。
6.根据权利要求5所述的基于平面运动约束的相机自标定方法,其特征在于:所述的步骤6中,具体过程是,
对W进行Cholesky分解求解出再对求逆得到矩阵由于矩阵与式(3)的相机内参数矩阵K相差一个比例因子,故将的所有元素除以使变成1,则有:
对比式(3)和式(20),最终计算出相机的内参数分别为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811630269.2A CN109785393B (zh) | 2018-12-29 | 2018-12-29 | 一种基于平面运动约束的相机自标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811630269.2A CN109785393B (zh) | 2018-12-29 | 2018-12-29 | 一种基于平面运动约束的相机自标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785393A true CN109785393A (zh) | 2019-05-21 |
CN109785393B CN109785393B (zh) | 2022-11-25 |
Family
ID=66498874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811630269.2A Active CN109785393B (zh) | 2018-12-29 | 2018-12-29 | 一种基于平面运动约束的相机自标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785393B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706292A (zh) * | 2019-09-30 | 2020-01-17 | 华中科技大学 | 一种基于机器视觉的二维工作台误差自标定方法 |
CN114708331A (zh) * | 2022-02-24 | 2022-07-05 | 合肥的卢深视科技有限公司 | 深度相机的校准方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116888A (zh) * | 2013-02-01 | 2013-05-22 | 云南大学 | 利用平面三角形求解摄像机的内参数 |
CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
WO2018049581A1 (zh) * | 2016-09-14 | 2018-03-22 | 浙江大学 | 一种同时定位与地图构建方法 |
-
2018
- 2018-12-29 CN CN201811630269.2A patent/CN109785393B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116888A (zh) * | 2013-02-01 | 2013-05-22 | 云南大学 | 利用平面三角形求解摄像机的内参数 |
CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
WO2018049581A1 (zh) * | 2016-09-14 | 2018-03-22 | 浙江大学 | 一种同时定位与地图构建方法 |
Non-Patent Citations (2)
Title |
---|
张雪波等: "基于单应矩阵的摄像机标定方法及应用", 《控制工程》 * |
邢科新等: "基于平面运动约束的移动机器人位姿估计", 《浙江工业大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706292A (zh) * | 2019-09-30 | 2020-01-17 | 华中科技大学 | 一种基于机器视觉的二维工作台误差自标定方法 |
CN110706292B (zh) * | 2019-09-30 | 2022-07-12 | 华中科技大学 | 一种基于机器视觉的二维工作台误差自标定方法 |
CN114708331A (zh) * | 2022-02-24 | 2022-07-05 | 合肥的卢深视科技有限公司 | 深度相机的校准方法、装置、电子设备和存储介质 |
CN114708331B (zh) * | 2022-02-24 | 2023-03-14 | 合肥的卢深视科技有限公司 | 深度相机的校准方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109785393B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110296691B (zh) | 融合imu标定的双目立体视觉测量方法与系统 | |
CN107301654B (zh) | 一种多传感器的高精度即时定位与建图方法 | |
CN109360240B (zh) | 一种基于双目视觉的小型无人机定位方法 | |
CN105976353B (zh) | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 | |
Hol et al. | Modeling and calibration of inertial and vision sensors | |
CN112598757A (zh) | 一种多传感器时间空间标定方法及装置 | |
CN108038902A (zh) | 一种面向深度相机的高精度三维重建方法和系统 | |
CN106600627A (zh) | 一种基于标志点的刚体运动捕捉方法及系统 | |
WO2011105616A1 (en) | Three-dimensional measurement apparatus, model generation apparatus, processing method thereof, and non-transitory computer-readable storage medium | |
US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
CN107038753B (zh) | 立体视觉三维重建系统及方法 | |
CN112362034B (zh) | 基于双目视觉的固体发动机多节筒段对接引导测量方法 | |
CN112598706B (zh) | 无需精确时空同步的多相机运动目标三维轨迹重建方法 | |
CN111915685B (zh) | 一种变焦摄像机标定方法 | |
CN115471534A (zh) | 基于双目视觉和imu的水下场景三维重建方法及设备 | |
CN112229323A (zh) | 基于手机单目视觉的棋盘格合作目标的六自由度测量方法及其应用 | |
CN114758011B (zh) | 融合离线标定结果的变焦相机在线标定方法 | |
CN109785393A (zh) | 一种基于平面运动约束的相机自标定方法 | |
CN111145267A (zh) | 基于imu辅助的360度全景视图多相机标定方法 | |
CN113345010B (zh) | 基于改进ICP的多Kinect系统坐标标定与转换方法 | |
CN113240749A (zh) | 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法 | |
Zhang et al. | Point cloud registration with 2D and 3D fusion information on mobile robot integrated vision system | |
Xie et al. | Multi-image based camera calibration without control points | |
Ma et al. | Three-point marking method to overcome external parameter disturbance in stereo-DIC based on camera pose self-estimation | |
CN117934636B (zh) | 一种多深度相机动态外参标定方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |