CN111223148B - 一种基于相同圆和正交性质标定摄像机内参数的方法 - Google Patents
一种基于相同圆和正交性质标定摄像机内参数的方法 Download PDFInfo
- Publication number
- CN111223148B CN111223148B CN202010013726.4A CN202010013726A CN111223148B CN 111223148 B CN111223148 B CN 111223148B CN 202010013726 A CN202010013726 A CN 202010013726A CN 111223148 B CN111223148 B CN 111223148B
- Authority
- CN
- China
- Prior art keywords
- straight line
- point
- vanishing
- circle
- matrix
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于相同圆和正交性质标定摄像机内参数的方法,包括:拟合靶标投影方程;根据靶标投影方程估计消失线;根据消失线确定正交消失点;通过正交消失点计算摄像机内参数;本发明的靶标制作简单,只需任意两个半径相同的圆;对该靶标的物理尺度没有要求,无需知道圆心在世界坐标系下的坐标和圆的半径;靶标的图像边界点几乎可以全部提取,这样可以提高曲线拟合的精确度,从而提高标定精度;本发明方法是一个线性的算法,计算简单,仅仅只需要对圆像方程特征值分解即可完成标定。
Description
技术领域
本发明涉及计算机视觉领域,尤其是一种基于相同圆和正交性质标定摄像机内参数的方法。
背景技术
计算机视觉的中心任务就是对图像进行理解,而它的最终目标是使计算机具有通过二维图像认知三维环境信息的能力。这种能力将不仅使机器能感知包括形状、姿态、运动等在内的三维环境中物体的几何信息,而且能对它们进行描述、存储、识别与理解。摄像机标定就是确定从三维空间点到它的二维图像点之间的映射关系,它是许多计算机视觉应用必不可少的步骤。为了确定这一映射过程,需要建立摄像机的几何成像模型,几何模型的参数称为摄像机参数,摄像机参数可分为内参数和外参数两类。内参数描述成像系统的成像几何特性,外参数描述成像系统关于世界坐标系的方向和位置。摄像机标定可分为传统标定、自标定和基于几何实体的标定。无论哪种标定方法,都旨在建立二维图像与摄像机内参数之间的约束关系,特别是线性约束关系,这是目前摄像机标定所追求的目标,也是目前计算机视觉领域研究的热点之一。
针孔摄像机成像模型简单,几何原理清晰,不需要一些特殊的镜面,在视觉领域中有重要的应用。文献“An algorithm for self calibration from several views”,(R.Hartley,In Proc.IEEE Conference on Computer Vision and PatternRecognition,pages 908–912,June1994.)提出了一种针孔摄像机自标定方法,这类方法的优点是不需要使用标定块,缺点是必须获得图像之间的对应点。而在计算机视觉中,实现一个十分有效的寻找对应点的方法是很困难的。文献“Camera calibration by a singleimage of balls:From conics to the absolute conic”,(Teramoto H.and Xu G.,InProc.of 5th ACCV,2002,pp.499–506.)研究了在针孔摄像机下球像和绝对二次曲线的关系,通过最小化重投影误差非线性的标定内参数。而该方法需要一个好的初始化步骤,不然在最小化过程时会得到一个局部最小值。文献“Camera Calibration from Images ofSpheres”,(Hui Zhang and Kwan-Yee K.,IEEE Transactions on Pattern Analysis&Machine Intelligence.2007,29(3):499-502)研究了球像的对偶和绝对二次曲线的像的关系,并将该关系应用于摄像机的标定。文献“Interpreting Sphere Images Using theDouble-Contact Theorem”,(X.Ying,H.Zha,Springer Berlin Heidelberg,2006,3851(91):724-733)介绍了双接触原理,利用双接触原理可以确定三个球像与绝对二次曲线的像的关系,使用这个关系建立了针孔摄像机内参数的线性约束,通过此线性约束即可获得针孔摄像机的内参数。
圆被认为是和点,线和二次曲线相似的重要图像特征之一,其最重要的优点是圆可以更加精确的从图像中提取出来,并提供可接受的标定精度。由于圆具有更多的几何信息,因此利用圆进行摄像机标定已成为近年来的一个研究方向。文献“The Common self-polar triangle of concentric circles and its application to cameracalibration”,(H.F.Huang and H.Zhang,in:Proceedings of IEEE InternationalConference on Computer Vision and Pattern Recognition,2015,pp.4065–4072.)发现了同心圆具有无穷多个公共自极三角形,但是这些公共自极三角形族共享一个顶点和一条直线。通过分析公共自极三角形的代数性质发现该顶点和直线是同心圆的圆心和支撑平面上的无穷直线。因此,在图像平面上,利用两个同心圆像的广义特征值分解能够确定圆心的像和消失线。这些允许对IAC产生良好的约束。最后,通过分解IAC摄像机内参数能够被提取出来.文献“Recovering projected centers of circle-pairs with common tangents”,(Q.Chen,H.Y.Wu,in:Proceedings of IEEE International of Conference onmechatronics and Automation,2017,pp.1775-1780.)描述了一种新的通过分解退化二次曲线来恢复圆对公切线的方法。此外,利用圆的性质获得两个消失点,从而确定支撑平面上的消失线。最后,利用消失线来确定摄像机的内参数。文献“Camera calibration with twoarbitrary coplanar circles”,(Q.Chen,H.Y.Wu,T.Wada,in:Proc.ECCV,2004,pp.521–532.)结算了一种新的标定算法,该方法仅仅使用任意两个半径的两个共面圆的投影,即可同时估计相机的外部参数和焦距。然而,该方法会造成误差累计且只能估计部分摄像机内参数。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种基于相同圆和正交性质标定摄像机内参数的方法;本发明解决了计算摄像机机内部参数误差大的问题;解决了摄像机机内部参数数量不全的问题;解决了摄像机机内部参数计算方法复杂的问题。
本发明采用的技术方案如下:
一种基于相同圆和正交性质标定摄像机内参数的方法,包括:拟合靶标投影方程;根据靶标投影方程估计消失线;根据消失线确定正交消失点;通过正交消失点计算摄像机内参数。
进一步的,所述拟合靶标投影方程是利用Matlab程序中的Edge函数提取靶标图像边缘点的像素坐标,并用最小二乘法拟合获得圆像的方程。
进一步的,所述估计消失线方法为:以空间中的两个半径相同的分离圆C1和C2为标定物体;若令以Oc为光心的摄像机的内参数矩阵为其中rc是纵横比,fc是有效焦距,s是倾斜因子,[u0 v0 1]T是摄像机主点p的齐次坐标矩阵形式,其中rc,fc,u0,v0,s为摄像机的5个内参数;则通过特征值分解计算出C1 *和C2 *的三个广义特征向量Lk,其中k=1,2,3,它们代表了圆C1和C2的公共自极三角形的三条边,且其中两条边L1和L2是平行的,垂直于另一条边L3;由圆的性质知,直线L1与圆C1有实交点M1和M2,与圆C2只有复交点;同理的,直线L2与圆C2有实交点N1和N2,与圆C1只有复交点;设直线L1与直线L3相交于E1,直线L2与直线L3相交于E2,则连接点E1和N1形成直线U1,连接E2和M2形成直线U1,连接E2和M1形成直线U2,连接点E1和N2形成直线V2;根据等腰三角形和半径相同的圆的几何性质,其另一组平行直线U1,V1或U2,V2也能够被获得;两组平行直线即确定该平面上的无穷远直线L∞;利用Matlab中的Edge函数提取图像靶标图像边缘点的像素坐标,通过最小二乘法拟合得到相应的二次曲线方程;用cni表示第n幅图像中的第i个圆像的系数矩阵,其中n=1,2,3,i=1,2;圆像方程cni可以通过单应矩阵Hn=K[rn1 rn2 Tn]与圆的方程Ci确定,即有关系式λcnicni=Hn -TCiHn -1,其中λcni是非零比例因子,rn1和rn2分别是旋转矩阵Rn的第一列和第二列,Tn是平移向量;在第n幅透视图像平面上,取两幅圆像方程cn1,cn2,那么矩阵对(cn1 *,cn2 *)的广义特征向量等价于矩阵cn2cn1 -1的特征向量,通过特征值分解,矩阵cn2cn1 -1的特征向量lnk可以被获得,它们表示Lk的第n幅像;因此可知,消失点vn1∞可由直线ln1和ln2确定,即λnv1vn1∞=ln1×ln2,其中λnv1是非零比例因子,×表示叉积;若直线ln1与二次曲线cn1相交于两点mn1和mn2,与直线ln3相交于en1;因此可知,直线ln2与二次曲线cn2相交于两点nn1和nn2,与直线ln3相交于en2;通过连接点en1和nn1构成直线un1,连接点en2和mn2构成直线vn1,那么直线un1和vn1的消失点vn2∞可以被获得,即λnv2vn2∞=un1×vn1,其中λnv2是非零比例因子;因此,经过点mn1和en2的直线un2与经过点en1和nn2的直线vn2相交于消失点vn3∞,即λnv3vn3∞=un2×vn2,其中λnv3是非零比例因子;连接两个消失点vn1∞和vn2∞可以获得消失线ln∞,即λnlln∞=vn1∞×vn2∞,其中λnl是非零比例因子。
进一步的,所述确定正交消失点方法为:在第n幅透视图像上,已知平面π1上的消失线ln∞,直线ln3上的消失点vn1∞′可以被确定,即λnv1′vn1∞′=ln3×ln∞,其中λnv1′是非零比例因子,×表示叉积,可知vn1∞和vn1∞′是一组正交消失点;已知平面π1上的两个消失点vn2∞和vn3∞,消失点vn2∞和vn3∞关于圆像cn1的极线lnv2和lnv3可以被确定,即有λnl2lnv2=cn1·vn2∞,λnl3lnv3=cn1·vn3∞,其中λnl2和λnl3是非零比例因子,·表示点积;因为无穷远点V2∞和V3∞关于圆C1的极线方向与过该无穷远点的直线方向是正交的,若消失线ln∞与直线lnv2和lnv3分别相交于消失点vn2∞′和vn3∞′,即有λnv2′vn2∞′=lnv2×ln∞,λnv3′vn3∞′=lnv3×ln∞,其中λnv2′和λnv3′是非零比例因子;那么vn2∞和vn2∞′是一组正交消失点;同理地,vn3∞和vn3∞′也是上一组正交消失点。
进一步的,计算摄像机内参数方法为:由正交消失点{vn1∞,vn1∞′},{vn2∞,vn2∞′},n对绝对二次曲线的像ω的线性约束获得ω,即:对ω进行Cholesky分解再求逆便得到内参数矩阵K,即获得摄像机的5个内参数。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明的靶标制作简单;对该靶标的物理尺度没有要求,无需知道圆心在世界坐标系下的坐标和圆的半径;靶标的图像边界点几乎可以全部提取,这样可以提高曲线拟合的精确度,从而提高标定精度。
2、本发明方法是一个线性的算法,计算简单,仅仅只需要对圆像方程特征值分解即可完成标定。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是基于相同圆和正交性质标定摄像机内参数的方法流程图。
图2是靶标在针孔摄像机下的投影示意图。
图3是用于求解针孔摄像机内参数的靶标示意图。
图4是靶标在图像平面上的投影示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
实施例1
一种基于相同圆和正交性质标定摄像机内参数的方法,如图1所示,包括:
S1:拟合靶标投影方程。
上述步骤中,所述拟合靶标投影方程是利用Matlab程序中的Edge函数提取靶标图像边缘点的像素坐标,并用最小二乘法拟合获得圆像的方程。
S2:根据靶标投影方程估计消失线。
上述步骤中,所述估计消失线方法为:以空间中两个半径相同的分离圆为标定物体。如图2所示,若以空间中任意一点Ow为原点建立世界坐标系Ow-XwYwZw,其中两个圆C1和C2所在的支撑平面是世界平面OwXwYw。代数上地,计算矩阵对(C1 *,C2 *)的广义向量的问题也是确定矩阵C2C1 *的特征向量问题,即两个圆C1和C2的广义特征值分解有下面的式子成立:
C1 *L=βC2 *L, (1)
或
(C1 *-βC2 *)L=03×3, (2)
或
(C2C1 *-βI)L=03×3, (3)
其中I是3×3阶单位矩阵。若C1和C2有公共自极三角形,那么公共自极三角形的顶点X和边L应该满足下面的关系:
X=C1 *L, (4)
X=βC2 *L。 (5)
联立(4)和(5)式,则可得:
C1 *L=X=βC2 *L。 (6)
由(1)和(6)式可知,(C1 *,C2 *)的广义特征向量Lk是圆C1和C2的公共自极三角形的三条边。
如图3所示,公共自极三角形中的其中一条边L3经过两个圆的圆心O1和O2.因为直线L1关于圆C1和C2的公共极点是直线L2和L3的交点E2,直线L2关于圆C1和C2的公共极点是直线L1和L3的交点E1,那么根据配极原则可知,直线L1也经过L3关于圆C1和C2的公共极点,即支撑平面上的无穷远点V1∞。相似的,可知直线L2也经过无穷远点V1∞。且根据圆的性质可知,L1⊥L3,L2⊥L3。直线L1与圆C1有实交点M1和M2,与圆C2只有复交点。同理的,直线L2与圆C2有实交点N1和N2,与圆C1只有复交点。根据交点的定义可知,点M1,M2,N1,N2可由下面的式子确定:
根据两个半径相同的圆C1和C2的几何性质,我们很容易的观察到一个性质:等腰三角形ΔO1M1M2和等腰三角形ΔO2N1N2是全等的。进一步的,我们不难证明经过点E1和N1的直线U1和经过点E2和M2的直线V1是相互平行的。同理的,经过点E2和M1的直线U2和经过点E1和N2的直线V2是相互平行的。那么该支撑平面上的另外两个无穷远点V2∞,V3∞可以被确定的。
用Matlab中的Edge函数提取3幅图像中的靶标图像边缘点的像素坐标,通过最小二乘法拟合得到相应的二次曲线方程,这里用cni表示第n(n=1,2,3)幅图像中的第i(i=1,2)个圆像的系数矩阵。
其中λnm是非零比例因子,rn1和rn2分别是旋转矩阵Rn的第一列和第二列,Tn是平移向量。如图1,以摄像机光心OC为原点建立摄像机坐标系Oc-XcYcZc,图像平面π与Zc轴垂直,圆C1,C2投影分别为cn1,cn2,图1中下标n忽略表示,用c1,c2表示。假设圆C1在图像平面π上的投影为cn1,根据射影变换的同素性,则图像点mn在圆像cn1上,即有:
mn Tcn1mn=0。 (11)
因为Hn=K[rn1 rn2 Tn]是3×3阶可逆矩阵,则联立(9),(10)和(11)式,我们可得:
λnc1cn1=Hn -TC1Hn -1, (12)
其中λnc1是非零比例因子。
同理的,若圆C2的在图像平面π上的投影为cn2,则有下面的式子成立:
λnc2cn2=Hn -TC2Hn -1, (13)
其中λnc2是非零比例因子。
首先考虑矩阵对(cn1 *,cn2 *),代数上地,因为矩阵对(cn1 *,cn2 *)的广义特征向量等价于矩阵cn2cn1 -1的特征向量,从(12)和(13)式可知,下面的等式满足:
这里∝表示相差一个非零比例因子。由于二次曲线对(cn1 *,cn2 *)和圆对(C1 *,C2 *)由一个非奇异的单应Hn所关联,即cn2cn1 -1∝Hn -TC2C1 -1Hn T。两个圆C1和C2的广义特征分解是射影不变量,即若Lk(k=1,2,3)是矩阵C1和C2的广义特征向量,那么lnk=HnLk一定是矩阵cn1和cn2的广义特征向量。在图像平面上,消失点v1∞可由直线ln1和ln2确定,即:
λnv1vn1∞=ln1×ln2, (15)
其中λnv1是非零比例因子,×表示叉积。
如图4所示(图4中的下标n忽略),若直线ln1与二次曲线cn1相交于两点mn1和mn2,与直线ln3相交于en1。同理可知,直线ln2与二次曲线cn2相交于两点nn1和nn2,与直线ln3相交于en2。通过连接点en1和nn1构成直线un1,连接点en2和mn2构成直线vn1。,即有下面两个等式成立:
λnu1un1=en1×nn1, (16)
λnv1vn1=en2×mn2, (17)
其中λnu1和λnv1是非零比例因子。那么根据上述讨论可知,直线un1和vn1的消失点vn2∞可以被获得,即:
λnv2vn2∞=un1×vn1, (18)
其中λnv2是非零比例因子。同理的,经过点mn1和en2的直线un2与经过点en1和nn2的直线vn2相交于消失点vn3∞,即:
λnu2un2=mn1×en2, (19)
λnv2vn2=en1×nn2, (20)
λnv3vn3∞=un2×vn2, (21)
其中λnu2,λnv2,λnv3是非零比例因子。连接两个消失点vn1∞和vn2∞可以获得消失线ln∞,即:λnlln∞=vn1∞×vn2∞,(22)其中λnl是非零比例因子。
S3:根据消失线确定正交消失点。
上述步骤中,所述确定正交消失点方法为:在第n(n=1,2,3)幅透视图像上,已知平面π1上消失线ln∞,那么直线ln3上的消失点vn1∞′可以被确定,即有:
λnv1′vn1∞′=ln3×ln∞, (23)
其中λnv1′是非零比例因子,×表示叉积。那么根据上述讨论可知,vn1∞和vn1∞′是一组正交消失点。进一步的,已知平面π1上的两个消失点vn2∞和vn3∞,那么消失点vn2∞和vn3∞关于圆像cn1的极线lnv2和lnv3可以被确定,即有:
λnl2lnv2=cn1·vn2∞, (24)
λnl3lnv3=cn1·vn3∞, (25)
其中λnl2和λnl3是非零比例因子,·表示点积。从文献“Calibrating aparacatadioptric camera by the property of the polar of a point at infinitywith respect to a circle”,(Zhao Y,Li Y,and Zheng B,Applied Optics,2018,57(15):4345–4352)可知,因为无穷远点V2∞和V3∞关于圆C1的极线方向与过该无穷远点的直线方向是正交的,若消失线ln∞与直线lnv2和lnv3分别相交于消失点vn2∞′和vn3∞′,即有:
λnv2′vn2∞′=lnv2×ln∞, (26)
其中λnv2′和λnv3′是非零比例因子。那么vn2∞和vn2∞′是一组正交消失点。同理的,vn3∞和vn3∞′也是上一组正交消失点。
S4:通过正交消失点计算摄像机内参数。
上述步骤中,计算摄像机内参数方法为:在每幅图像上仅仅选取两组正交消失点。三幅透视图像可以获得六组正交消失点{v11∞,v11∞′},{v12∞,v12∞′},{v21∞,v21∞′},{v22∞,v22∞′},{v31∞,v31∞′},{v32∞,v32∞′}。其次,由正交消失点对绝对二次曲线的像ω的线性约束有:
通过SVD方法求解方程组(27)获得ω。最后,对ω=K-TK-1进行Cholesky分解再求逆便可获得K,即获得了针孔摄像机的内参数。
实施例2
本实施例根据实施例1的方法进行具体数据的带入计算,方便对技术方案进行进一步的理解。
一种基于相同圆和正交性质标定摄像机内参数的方法,包括:
S1:拟合靶标投影方程。
本实施例采用的图像大小为1038×1048。用针孔摄像机拍摄靶标的3幅实验图像,读入图像,利用Matlab中的Edge函数提取靶标图像边缘点的像素坐标,并用最小二乘法拟合获得圆像的方程。第n(n=1,2,3)幅图像中第i(i=1,2)个圆像的方程的系数矩阵分别为cni,结果如下:
S2:根据靶标投影方程估计消失线。
上述步骤中,因为任意两幅圆像方程cn1,cn2,矩阵对(cn1 *,cn2 *)的广义特征向量等价于矩阵cn2cn1 -1的特征向量。因此,我们计算矩阵c12c11 -1,c22c21 -1,c32c31 -1,结果如下:
将(34)式特征值分解,则可得三条直线l1k的齐次坐标矩阵,结果如下:
l11=[0.0000131372232636 -0.0005453828949783 1]T, (37)
l12=[0.0000202628469355 -0.0005337512731734 1]T, (38)
l13=[-0.0008928788850378 0.0000001014635096 1]T。 (39)
将(35)式特征值分解,则可得三条直线l2k的齐次坐标矩阵,结果如下:
l21=[0.0001787630326410 -0.0007227863595615 1]T, (40)
l22=[-0.0000926813825859 -0.0009810319466767 1]T, (41)
l23=[-0.0017096410841089 0.0008605325871420 1]T。 (42)
将(36)式特征值分解,则可得三条直线l3k的齐次坐标矩阵,结果如下:
l31=[-0.0063150148065399 0.0105614598878041 1]T, (43)
l32=[-0.0438145781588402 0.0511254198786016 1]T, (44)
l33=[-0.0007246252546235 0.0009164097593132 1]T。 (45)
将(37)和(38)式带入(15)式,则可得消失点v11∞的齐次坐标矩阵,结果如下:
v11∞=[-2879.8267949194755601 1764.2047106606082707 1]T。 (46)
将(40)和(41)式带入(15)式,则可得消失点v21∞的齐次坐标矩阵,结果如下:
v21∞=[-1065.5406460551009786 1120.0000000000000000 1]T。 (47)
将(43)和(44)式带入(15)式,则可得消失点v31∞的齐次坐标矩阵,结果如下:
v31∞=[-289.9742893997091641 -268.0682368868707499 1]T。 (48)
将(28),(29),(37)和(38),式带入(7)和(8)式,则可得点m11,m12,n11,n12的齐次坐标矩阵,结果如下:
m11=[617.7121596583361906 1848.4536860915297893 1]T, (49)
m12=[1791.2521159172349598 1876.7220028211127100 1]T, (50)
n11=[381.7200782616370702 1888.0231039571813198 1]T, (51)
n12=[2290.9414414043790202 1960.5030439438357916 1]T。 (52)
将(30),(31),(40)和(41)式带入(7)和(8)式,则可得点m21,m22,n21,n22的齐次坐标矩阵,结果如下:
m21=[866.65948134171651418 1597.8811191903980670 1]T, (53)
m22=[2593.8444044523052980 2025.0568824054050764 1]T, (54)
n21=[1783.7530719672731720 850.817653722285285 1]T, (55)
n22=[614.4301810556108875 961.2875141445059625 1]T。 (56)
将(32),(33),(43)和(44)式带入(7)和(8)式,则可得点m31,m32,n31,n32的齐次坐标矩阵,结果如下:
m31=[659.4095102552425942 299.5969169460132093 1]T, (57)
m32=[1148.9010156011377148 592.2786235256461395 1]T, (58)
n31=[482.8067068929873926 394.2064875482898287 1]T, (59)
n32=[991.3482004413441472 830.0274757963233014 1]T。 (60)
由(37),(38)和(39)式,我们易得交点e11,e12,结果如下:
e11=[1120.1841542350548479 1860.5572684320245571 1]T, (61)
e12=[1120.1904611046218178 1916.0577206148723234 1]T。 (62)
由(40),(41)和(42)式,我们易得交点e21,e22,结果如下:
e21=[1463.4968400320069576 1745.4938332677022572 1]T, (63)
e22=[1048.1492373459368536 920.3126183451992119 1]T。 (64)
由(43),(44)和(45)式,我们易得交点e31,e32,结果如下:
e31=[853.992796607284731 415.944121543864469 1]T, (65)
e32=[674.1267668088423761 558.1681281263408891 1]T。 (66)
将(51)和(61),(50)和(62)式分别带入(16)和(17)式,则可得直线u11,v11的齐次坐标矩阵,结果如下:
u11=[0.0000762123717178 -0.0005664612084171 1]T, (67)
v11=[0.0000483693633997 -0.0005665950800424 1]T。 (68)
将(55)和(63),(54)和(64)式分别带入(16)和(17)式,则可得直线u21,v21的齐次坐标矩阵,结果如下:
u21=[-0.0007724041072318 -0.0002068918976949 1]T, (69)
v21=[-0.0004788561528626 -0.0001714102494968 1]T。 (70)
将(59)和(654),(58)和(66)式分别带入(16)和(17)式,则可得直线u31,v31的齐次坐标矩阵,结果如下:
u31=[-0.0015567663119650 0.0000886074250207 1]T, (71)
v31=[-0.0013966087241317 0.0004632684538783 1]T。 (72)
将(67)和(68)式分别带入(18)式,则可得消失点v12∞的齐次坐标矩阵,结果如下:
v12∞=[-8.4824509396292739 1764.2047106604563850 1]T。 (73)
将(69)和(70)式分别带入(18)式,则可得消失点v22∞的齐次坐标矩阵,结果如下:
v22∞=[1064.6669826047116202 8808.2383626505215943 1]T。 (74)
将(71)和(72)式分别带入(18)式,则可得消失点v32∞的齐次坐标矩阵,结果如下:
v32∞=[627.0993637878117397 -268.0682368868804132 1]T。 (75)
将(46)和(73)式分别带入(22)式,则可得消失线l1∞的齐次坐标矩阵,结果如下:
l1∞=[-0.0000000000000000299 -0.0005668276441828 1]T。 (76)
将(47)和(74)式分别带入(22)式,则可得消失线l2∞的齐次坐标矩阵,结果如下:
l2∞=[0.0009383786284404 -0.0000001066339350 1]T。 (77)
将(48)和(75)式分别带入(22)式,则可得消失线l3∞的齐次坐标矩阵,结果如下:
l3∞=[0.0000000000000000393 0.0037303934685182 1]T。 (78)
S3:根据消失线确定正交消失点。
上述步骤中,将(39)和(76)式带入(23)式中,那么直线l13上的消失点v11∞′的齐次坐标矩阵可以被确定,结果如下:
v11∞′=[1120.1732050807611358 1764.2047106603965858 1]T。 (79)
将(42)和(77)式带入(23)式中,那么直线l23上的消失点v21∞′的齐次坐标矩阵可以被确定,结果如下:
v21∞′=[-1066.0406460551512282 -3280.0000000001127773 1]T。 (80)
将(45)和(78)式带入(23)式中,那么直线l33上的消失点v31∞′的齐次坐标矩阵可以被确定,结果如下:
v31∞′=[1719.0407600301355159 -268.0682368868919525 1]T。 (81)
将(28)和(73)式带入(24)式,可得消失点v12∞关于圆像c11的极线,结果如下:
l1v2=[-0.0000165555195047 -0.0004907272535253 1]T。 (82)
将(30)和(74)式带入(24)式,可得消失点v22∞关于圆像c21的极线,结果如下:
l2v2=[0.0014093155034162 -0.0041299928876849 1]T。 (83)
将(32)和(75)式带入(24)式,可得消失点v32∞关于圆像c31的极线,结果如下:
l3v2=[0.0006187695486010 -0.0019438104466911 1]T。 (84)
将(76)和(82)式带入(26)式中,可得直线l1v2上的消失点v12∞′的齐次坐标,结果如下:
v12∞′=[8109.4808074812699487 1764.2047106600268762 1]T。 (85)
将(77)和(83)式带入(26)式中,可得直线l2v2上的消失点v22∞′的齐次坐标,结果如下:
v22∞′=[-1065.6817280121174462 -121.5212216203657078 1]T。 (86)
将(78)和(84)式带入(26)式中,可得直线l3v2上的消失点v32∞′的齐次坐标,结果如下:
v32∞′=[-2458.2234900304283655 -268.0682368868479557 1]T。 (87)
S4:通过正交消失点计算摄像机内参数。
上述步骤中,将(46-48)和(79-81),(73-75)和(85-87)式代入(28)得到ω中元素的线性方程组,使用SVD分解求解该线性方程组得到ω的系数矩阵。结果如下:
最后,对(88)中的ω=K-TK-1进行Cholesky分解再求逆便可获得K,结果如下:
其中纵横比rc=K(1,1)/K(2,2)(K(1,1)表示矩阵K的第1行第1列的元素,K(2,2)表示矩阵K的第2行第2列的元素),故=针孔摄像机的5个内参数分别为:rc=0.9090909090909140,fc=880.0000000005804849,s=0.0999999994780177,u0=319.9999999996829842,v0=239.9999999989941841。
本发明的靶标制作简单,只需任意两个半径相同的圆;对该靶标的物理尺度没有要求,无需知道圆心在世界坐标系下的坐标和圆的半径;靶标的图像边界点几乎可以全部提取,这样可以提高曲线拟合的精确度,从而提高标定精度;本发明方法是一个线性的算法,计算简单,仅仅只需要对圆像方程特征值分解即可完成标定。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (2)
1.一种基于相同圆和正交性质标定摄像机内参数的方法,其特征在于,包括:拟合靶标投影方程;根据靶标投影方程估计消失线;根据消失线确定正交消失点;通过正交消失点计算摄像机内参数;
所述估计消失线方法为:以空间中的两个半径相同的分离圆C1和C2为标定物体;若令以Oc为光心的摄像机的内参数矩阵为其中rc是纵横比,fc是有效焦距,s是倾斜因子,[u0 v0 1]T是摄像机主点p的齐次坐标矩阵形式,其中rc,fc,u0,v0,s为摄像机的5个内参数;则通过特征值分解计算出C1 *和C2 *的三个广义特征向量Lk,其中k=1,2,3,它们代表了圆C1和C2的公共自极三角形的三条边,且其中两条边L1和L2是平行的,垂直于另一条边L3;所述Lk确认方法为:计算矩阵对(C1 *,C2 *)的广义向量的问题也是确定矩阵C2C1 *的特征向量问题,即两个圆C1和C2的广义特征值分解有下面的式子成立:C1 *L=βC2 *L或(C1 *-βC2 *)L=03×3或(C2C1 *-βI)L=03×3,其中I是3×3阶单位矩阵;若C1和C2有公共自极三角形,那么公共自极三角形的顶点X和边L应该满足下面的关系:X=C1 *L,X=βC2 *L,联立两式,则可得:C1 *L=X=βC2 *L由前述公式可知,(C1 *,C2 *)的广义特征向量Lk是圆C1和C2的公共自极三角形的三条边;由圆的性质知,直线L1与圆C1有实交点M1和M2,与圆C2只有复交点;同理的,直线L2与圆C2有实交点N1和N2,与圆C1只有复交点;设直线L1与直线L3相交于E1,直线L2与直线L3相交于E2,则连接点E1和N1形成直线U1,连接E2和M2形成直线U1,连接E2和M1形成直线U2,连接点E1和N2形成直线V2;根据等腰三角形和半径相同的圆的几何性质,其另一组平行直线U1,V1或U2,V2也能够被获得;两组平行直线即确定该平面上的无穷远直线L∞;利用Matlab中的Edge函数提取图像靶标图像边缘点的像素坐标,通过最小二乘法拟合得到相应的二次曲线方程;用cni表示第n幅图像中的第i个圆像的系数矩阵,其中n=1,2,3,i=1,2;圆像方程cni可以通过单应矩阵Hn=K[rn1 rn2 Tn]与圆的方程Ci确定,即有关系式λcnicni=Hn -TCiHn -1,其中λcni是非零比例因子,rn1和rn2分别是旋转矩阵Rn的第一列和第二列,Tn是平移向量;在第n幅透视图像平面上,取两幅圆像方程cn1,cn2,那么矩阵对(cn1 *,cn2 *)的广义特征向量等价于矩阵cn2cn1 -1的特征向量,通过特征值分解,矩阵cn2cn1 -1的特征向量lnk可以被获得,它们表示Lk的第n幅像;因此可知,消失点vn1∞可由直线ln1和ln2确定,即λnv1vn1∞=ln1×ln2,其中λnv1是非零比例因子,×表示叉积;若直线ln1与二次曲线cn1相交于两点mn1和mn2,与直线ln3相交于en1;因此可知,直线ln2与二次曲线cn2相交于两点nn1和nn2,与直线ln3相交于en2;通过连接点en1和nn1构成直线un1,连接点en2和mn2构成直线vn1,那么直线un1和vn1的消失点vn2∞可以被获得,即λnv2vn2∞=un1×vn1,其中λnv2是非零比例因子;因此,经过点mn1和en2的直线un2与经过点en1和nn2的直线vn2相交于消失点vn3∞,即λnv3vn3∞=un2×vn2,其中λnv3是非零比例因子;连接两个消失点vn1∞和vn2∞可以获得消失线ln∞,即λnlln∞=vn1∞×vn2∞,其中λnl是非零比例因子;
所述确定正交消失点方法为:在第n幅透视图像上,已知平面π1上的消失线ln∞,直线ln3上的消失点vn1∞′可以被确定,即λnv1′vn1∞′=ln3×ln∞,其中λnv1′是非零比例因子,×表示叉积,可知vn1∞和vn1∞′是一组正交消失点;已知平面π1上的两个消失点vn2∞和vn3∞,消失点vn2∞和vn3∞关于圆像cn1的极线lnv2和lnv3可以被确定,即有λnl2lnv2=cn1·vn2∞,λnl3lnv3=cn1·vn3∞,其中λnl2和λnl3是非零比例因子,·表示点积;因为无穷远点V2∞和V3∞关于圆C1的极线方向与过该无穷远点的直线方向是正交的,若消失线ln∞与直线lnv2和lnv3分别相交于消失点vn2∞′和vn3∞′,即有λnv2′vn2∞′=lnv2×ln∞,λnv3′vn3∞′=lnv3×ln∞,其中λnv2′和λnv3′是非零比例因子;那么vn2∞和vn2∞′是一组正交消失点;因此,vn3∞和vn3∞′也是上一组正交消失点;
2.如权利要求1所述的基于相同圆和正交性质标定摄像机内参数的方法,其特征在于,所述拟合靶标投影方程是利用Matlab程序中的Edge函数提取靶标图像边缘点的像素坐标,并用最小二乘法拟合获得圆像的方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013726.4A CN111223148B (zh) | 2020-01-07 | 2020-01-07 | 一种基于相同圆和正交性质标定摄像机内参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013726.4A CN111223148B (zh) | 2020-01-07 | 2020-01-07 | 一种基于相同圆和正交性质标定摄像机内参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111223148A CN111223148A (zh) | 2020-06-02 |
CN111223148B true CN111223148B (zh) | 2023-03-28 |
Family
ID=70829272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010013726.4A Active CN111223148B (zh) | 2020-01-07 | 2020-01-07 | 一种基于相同圆和正交性质标定摄像机内参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111223148B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668090B (zh) * | 2020-12-02 | 2022-04-08 | 成都飞机工业(集团)有限责任公司 | 一种基于空间正交分解的发动机功率分出轴调整方法 |
CN113610926B (zh) * | 2021-07-28 | 2024-04-12 | 北京航空航天大学 | 一种基于消失点正交性质的相机标定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930548A (zh) * | 2012-11-19 | 2013-02-13 | 云南大学 | 利用两个相同的相交椭圆线性求解摄像机内参数 |
CN103116892A (zh) * | 2013-03-15 | 2013-05-22 | 云南大学 | 两个相交相同圆及公切线求解摄像机内参数 |
CN108921904A (zh) * | 2018-07-13 | 2018-11-30 | 云南大学 | 利用单个球及渐近线的性质标定针孔摄像机的方法 |
CN109035342A (zh) * | 2018-07-13 | 2018-12-18 | 云南大学 | 利用一条直线及圆环点极线标定拋物折反射摄像机的方法 |
CN109360248A (zh) * | 2018-12-05 | 2019-02-19 | 云南大学 | 利用单个球及共轭直径的性质标定拋物折反射摄像机 |
CN109559351A (zh) * | 2018-11-28 | 2019-04-02 | 云南大学 | 分离圆的公共自极三角形及正交消失点标定针孔摄像机 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5898475B2 (ja) * | 2011-11-28 | 2016-04-06 | クラリオン株式会社 | 車載カメラシステム及びその較正方法、及びその較正プログラム |
US9813610B2 (en) * | 2012-02-24 | 2017-11-07 | Trace Optics Pty Ltd | Method and apparatus for relative control of multiple cameras using at least one bias zone |
US20130259403A1 (en) * | 2012-04-03 | 2013-10-03 | Oluwatosin Osinusi | Flexible easy-to-use system and method of automatically inserting a photorealistic view of a two or three dimensional object into an image using a cd,dvd or blu-ray disc |
WO2013184131A1 (en) * | 2012-06-08 | 2013-12-12 | Intel Corporation | Device, system and method of orientation estimation of a mobile device |
-
2020
- 2020-01-07 CN CN202010013726.4A patent/CN111223148B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930548A (zh) * | 2012-11-19 | 2013-02-13 | 云南大学 | 利用两个相同的相交椭圆线性求解摄像机内参数 |
CN103116892A (zh) * | 2013-03-15 | 2013-05-22 | 云南大学 | 两个相交相同圆及公切线求解摄像机内参数 |
CN108921904A (zh) * | 2018-07-13 | 2018-11-30 | 云南大学 | 利用单个球及渐近线的性质标定针孔摄像机的方法 |
CN109035342A (zh) * | 2018-07-13 | 2018-12-18 | 云南大学 | 利用一条直线及圆环点极线标定拋物折反射摄像机的方法 |
CN109559351A (zh) * | 2018-11-28 | 2019-04-02 | 云南大学 | 分离圆的公共自极三角形及正交消失点标定针孔摄像机 |
CN109360248A (zh) * | 2018-12-05 | 2019-02-19 | 云南大学 | 利用单个球及共轭直径的性质标定拋物折反射摄像机 |
Non-Patent Citations (4)
Title |
---|
3D靶标的摄像机三步标定算法与实现;黄艳等;《计算机技术与发展》;20100110(第01期);全文 * |
Homography Estimation from the Common Self-Polar Triangle of Separate Ellipses;Haifei Huang;《2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)》;20161212;全文 * |
The common self-polar triangle of separate circles: Properties and applications to camera calibration;Haifei Huang;《2016 IEEE International Conference on Image Processing (ICIP)》;20160815;全文 * |
基于单幅立方体图的摄像机内参数标定;赵越等;《现代电子技术》;20091115(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111223148A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou | A new minimal solution for the extrinsic calibration of a 2D LIDAR and a camera using three plane-line correspondences | |
Puig et al. | Calibration of central catadioptric cameras using a DLT-like approach | |
Orghidan et al. | Camera calibration using two or three vanishing points | |
Zhang et al. | A robust and rapid camera calibration method by one captured image | |
Hansen et al. | Online continuous stereo extrinsic parameter estimation | |
Sun et al. | Camera self-calibration with lens distortion | |
CN111223148B (zh) | 一种基于相同圆和正交性质标定摄像机内参数的方法 | |
CN112465877B (zh) | 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法 | |
US20200294269A1 (en) | Calibrating cameras and computing point projections using non-central camera model involving axial viewpoint shift | |
CN111080715B (zh) | 三个球和无穷远点的极线性质标定摄像机内参数的方法 | |
Takahashi et al. | Mirror-based camera pose estimation using an orthogonality constraint | |
Zhu et al. | Camera calibration from very few images based on soft constraint optimization | |
Zou et al. | Calibration of nonoverlapping in-vehicle cameras with laser pointers | |
CN108921904B (zh) | 利用单个球及渐近线的性质标定针孔摄像机的方法 | |
Cao et al. | Camera calibration using symmetric objects | |
Brooks et al. | Towards robust metric reconstruction via a dynamic uncalibrated stereo head | |
CN111223149A (zh) | 一种基于两个半径相同的分离圆的性质标定摄像机内参数的方法 | |
CN109035342B (zh) | 利用一条直线及圆环点极线标定拋物折反射摄像机的方法 | |
CN115661226B (zh) | 镜面物体的三维测量方法、计算机可读存储介质 | |
CN113345033B (zh) | 一种中心折反射摄像机内参数标定方法及系统 | |
CN102682467A (zh) | 基于平面和直线的三维重建方法 | |
CN107958468B (zh) | 利用空间位置不同的三个球标定中心折反射摄像机的方法 | |
CN113048985B (zh) | 已知相对旋转角度条件下的像机相对运动估计方法 | |
Hou et al. | High-precision visual imaging model and calibration method for multi-depth-of-field targets | |
CN110930461B (zh) | 利用靶标求解针孔摄像机内参数的方法、存储介质和系统 |
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 |