CN111402315A - 一种自适应调整双目摄像机基线的三维距离测量方法 - Google Patents

一种自适应调整双目摄像机基线的三维距离测量方法 Download PDF

Info

Publication number
CN111402315A
CN111402315A CN202010139536.7A CN202010139536A CN111402315A CN 111402315 A CN111402315 A CN 111402315A CN 202010139536 A CN202010139536 A CN 202010139536A CN 111402315 A CN111402315 A CN 111402315A
Authority
CN
China
Prior art keywords
camera
distance
dimensional
binocular
cameras
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
Application number
CN202010139536.7A
Other languages
English (en)
Other versions
CN111402315B (zh
Inventor
李新胜
张严辞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN202010139536.7A priority Critical patent/CN111402315B/zh
Publication of CN111402315A publication Critical patent/CN111402315A/zh
Application granted granted Critical
Publication of CN111402315B publication Critical patent/CN111402315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images

Abstract

一种自适应调整双目摄像机基线的三维距离测量方法，针对在户外场景中进行多视角摄像机三维测量时，标定物不容易安放；由于小型标志物尺寸小，图像像素少而模糊，双目摄像机测量中匹配特征点像素水平距离过小，精度不高，基本上无法使用的问题，采用先就近使用小标志物标定双目摄像机内外参数，再扩展双目摄像机基线，扩展基线后，这样远处的同一特征点图像上的像素距离变远，从而提高了测量精度；然后用原标定得到的内外参数进行测量后按比例量化结果的方式进行三维距离测量。让双目摄像机户外标定变得可行，在精确控制摄像机移动基线距离的情况下，得到的测量结果精度可以达到0.5%以内，也可以应用于目标跟踪监视、智能事件分析等应用领域。

Description

一种自适应调整双目摄像机基线的三维距离测量方法
技术领域
本发明涉及计算机应用技术和计算机视觉中的增强现实领域，具体涉及一种自适应调整双目摄像机基线的三维距离测量方法。该方法主要应用在大场景中进行距离测量，这里大场景指10米至100米的距离范围。具体的子领域为基于多视角的多幅图像（图片）进行三维场景恢复或重建中特征点的三维恢复，及距离测量。基于多视角图像的三维恢复技术英文一般表达为Structure from Motion（SfM），在摄影测量中也有相应的应用。
背景技术
增强现实是指通过将计算机生成的虚拟场景、文字注释等信息实时、精确地叠加到使用者所观察到的真实世界景象中，对人的视觉系统进行延伸和扩充的一种技术。如何实时、精确地计算用户视点相对于真实世界的位置、姿态信息，并利用这些信息将虚拟场景正确地叠加到它所应处的位置上，即虚实配准，是增强现实系统中的关键问题之一。
三维测量中常用方法有结构光法，激光点云测量法，但它们需要相关的更昂贵的硬件设备，或更特定的应用场景，而基于多视角的多图像三维恢复成本低，应用范围广，有自身的优势。
多视角图像三维测量技术中的关键技术包括,相机标定、特征点图像测量、图片定向、特征点匹配、三维重建、集束优化（Bundle Adjustment）和测量精度评价，主要应用于一般物品，地形、建筑物等，场景有大也有小，其大场景一般是通过高分辨率摄像机（千万像素级）及大量的多视角图像提升其精度。而摄像机为获取多视角的图像，一般安装在移动平台上，如汽车和无人机。高分辨率相机安装在无人机上拍摄得到的局部区域地形图像,人们通过摄影测量的技术和方法获得局部地形的三维地表/地形模型，用于对冰川、山脉、土壤、河流、植被等地理信息进行建模,可以完成地表地形测量、桥梁和道路设计、古迹的测量和建模以、汽车和船舶制造、航空和航天零部件测量、及大型零部件和结构的测量和安装等应用。
目前,世界上性能可靠和应用广泛的工业静态摄影测量系统典型代表包括: 德国AICON公司的DPA摄影测量系统，德国GOM公司的TRITOP摄影测量系统和美国GSI公司的VSTARS单相机摄影测量系统。这类仪器通常由一台数字单反相机、测量配件(定向靶、基准长度棒、回光反射目标点和编码点)以及摄影测量软件组成。操作者在不同角度和方位拍摄被测物图像，测量软件处理图像，进行目标点识别和测量、图片定向、目标点匹配和光束平差等操作过程获得目标点的空间坐标信息。定向靶和编码点被用于辅助图片定向，基准长度棒为测量结果提供准确的缩放比例。可以看出，此类系统应用时除去摄像机外，还需要较多的测量配件，来提升其精度。
双目摄像机在计算机视觉领域中经常被用于生成深度图和三维点云，后续再进行相应的特征点距离测量。双目摄像机的基线是指双目摄像机中的两个像机光心（小孔成像原理的那个孔）相连接形成的线段。基线长度即此线段的长度。
双目摄像机进行深度测量获得深度图的一般流程是：
1）将两目摄像机固定在某个位置，镜头焦距及方向均需要固定；
2）用标定板标定出双目摄机的内参数及外参数，计算出左右两个相机实时进行校正图像的参数；
3）用双目摄像机提取出同一时刻的视频帧（图像），用上述第2步得到的参数校正图像，用立体匹配算法在同一水平线上匹配稠密特征点，根据左右特征点在水平线上的距离，重建出深度图；
4）重复第3 步，实时得到每一帧图像的深度图。
双目摄像机进行深度测量生成三维点云的一般步骤是：
1）将两目摄像机固定在某个位置，镜头焦距及方向均需要固定；
2）用标定板标定出双目摄机的内参数及外参数，并计算出左右两个相机实时进行校正图像的参数，并计算出深度图生成三维点云的生成转换矩阵Q（大小为4×4）；
三维点云的生成转换矩阵Q的具体生成一般如下两种方式：其中w, h为视频帧（图像）的宽和高，[x 0 , y 0 ]是标定出的图像中心点位置，f是标定出的图像焦距大小。
Figure 265661DEST_PATH_IMAGE001
或
Figure 97088DEST_PATH_IMAGE002
3）用双目摄像机提取出同一时刻的视频帧（图像），用上述第2步得到的参数校正图像，用立体匹配算法在同一水平线上匹配稠密特征点，重建出深度图，再根据三维点云生成转换矩阵Q将深度图转换为稠密三维点云；
4）重复第3 步，实时得到每一帧图像对的对应的稠密三维点云。
双目摄像机进行深度测量，测量两点间距离的一般步骤是：
1）将两目摄像机固定在某个位置，镜头焦距及方向均需要固定；
2）用标定板标定出双目摄机的内参数及外参数，并计算出左右两个相机实时校正图像的参数，并计算出深度图生成三维点云的矩阵Q（大小为4×4），Q的生成方式与双目摄像机进行深度测量生成三维点云的一般步骤相同；
3）用双目摄像机提取出同一时刻的视频帧（图像），用上述第2步得到的参数校正图像，用立体匹配算法在同一水平线上匹配稠密特征点，重建出深度图，再根据三维点云生成矩阵Q将深度图转换为稠密三维点云；
4）重复第3 步，实时得到每一帧图像对的对应的稠密三维点云，得到每一个点在现实世界中的三维坐标；5）从三维点云中手动选取两点，直接根据这两点的三维坐标计算其距离。
目前也存在一些改变摄像机基线的专利方法，但是这些方法的保护点在于提供了新方式来在硬件上改变摄像机基线，并没有在算法上进行改进行改进提升立体测量的可靠性及精度。
但双目摄像机在立体测量中被用于生成深度图及三维点云的时候，存在一定的不足之处：目前一般的应用范围是小场景，范围一般在5米内，一般情况在1至2米的近距离，扩展到大场景（超过10米）时就会因为基线距离过短，远处物体的匹配点像素位置差别过小，而无法保证大场景中物体三维测量的精度。因此，大场景的多视角图像三维测量方法还需要进行相应的改进与提升。本发明一种自适应调整双目摄像机基线的三维距离测量方法就针对这个应用，创造性地将基线调整引入到三维测量流程中来，从而提高了大场景三维测量的可行性及精度。
发明内容
本发明要解决双目摄像机在立体测量中生成深度图及三维点云的技术问题是：在户外场景中进行多视角摄像机三维测量时，标定物不容易安放，尤其是在户外中楼顶边、立杆安装等方式时；小型标志物由于它尺寸小，图像中像素少而模糊，双目摄像机测量中匹配特征点像素水平距离过小，精度不高，基本上无法使用。本发明一种自适应调整双目摄像机基线的三维距离测量方法针对此问题，采用先就近使用小标志物标定双目摄像机内外参数，再扩展双目摄像机基线，扩展基线后，这样远处的同一特征点图像上的像素距离变远，从而提高了精度，然后用原标定得到的内外参数进行测量后按比例量化结果的方式进行三维距离测量，即按基线扩展的倍数乘以扩展后的测量结果。让双目摄像机户外标定变得可行，在精确控制摄像机移动基线距离的情况下，得到的测量结果精度可以达到0.5%以内，可以应用于图像分割、目标跟踪、智能事件分析等应用领域。
本发明为了解决双目摄像机在立体测量中的技术问题，克服其不足，本发明提供了一种自适应调整双目摄像机基线的三维距离测量方法，所采用的技术方案是： 1）先就近使用小标志物标定双目摄像机内外参数；2）再沿摄像机拍摄方向的垂直坐标轴方向水平移动双目摄像机中的一个，扩展双目摄像机基线，增加其大场景中匹配特征点之间的基线距离，这样增大了对应特征点在像平面上的像素距离，则提升了测量精度；3）然后用原标定参数进行测量后按基线扩展的比例因子进行现实世界中两点间的距离测量，得到最终的结果。
本发明一种自适应调整双目摄像机基线的三维距离测量方法的目的是这样达到的：针对户外场景中进行多视角摄像机三维测量时，标定物不容易安放，基本上无法使用的问题，采用先就近使用小标志物标定双目摄像机内外参数，再扩展双目摄像机基线，这样增大了对应特征点在像平面上的像素距离，则提升了测量精度，然后用原标定得到的内外参数进行测量后，再按基线扩展比例量化结果的方式进行三维距离测量。
本发明一种自适应调整双目摄像机基线的三维距离测量方法的创新点（独特性）在于： 将现有户外场景中进行多视角摄像机三维测量方法，在应用方式上给予一定的约束条件（按拍摄垂直方向水平移动）并灵活使用（按基线扩展的比例重新量化三维重建的点云坐标），将标志物使用的小场景标定方法扩展使用到不方便标定的大场景中，扩展了小场景三维测量方法到大场景，提高了标定的鲁棒性及准确性。
本发明一种自适应调整双目摄像机基线的三维距离测量方法的主要流程（步骤）是：
1）将双目摄像机（两个摄像机分别记为C 0, C 1）同向安放，即两个摄像机中心轴方向平行且在同一高度（在同一水平面上，），设固定两个像机的光心位置o 0, o 1，两个相机的基线距离为B 0，即o 0, o 1之间的距离为B 0。用标定板对两个摄像机进行标定，得到标定的内外参数，它们分别是第一个摄像机C 0的内参数矩阵K 0 ，外参数中的旋转矩阵R 0 和平移矩阵T 0 ，第二个摄像机C 1的内参数矩阵K 1 ，外参数中的旋转矩阵R 1 和平移矩阵T 1 。这样，对应的摄像机投影矩阵为：P 0 = [K 0 , 1]*[R 0 , T 0 ]及P 1 = [K 1 , 1]*[R 1 , T 1 ]。若将在当前状态参数下对摄像机进行测量，设现在摄像机测量出的匹配像素点在第一个摄像机和第二个摄像机的像素坐标为[u 0 , v 0 ]和[u 1 , v 1 ]，恢复出三维坐标得到的结果是X 0，这里，X 0是多个匹配的像素点恢复出的结果的集合，集合中的某一点用记号X 0i 或X 0j 表示；同理[u 0 , v 0 ]和[u 1 , v 1 ]也是多个匹配像素点的集合。若对当前三维恢复出的结果进行测距，即求X 0i 与X 0j 之间的距离，记为d(X 0i , X 0j )。
2）再扩展双目摄像机基线，将第二个摄像机位置水平移动到o 2，使o 0, o 2的距离为B 1，其中B 1 =αB 0，其中，α是两次基线距离的比例倍数。
3）然后用原标定参数进行测量后按比例进行量化，即用P 0 = [K 0 , 1]*[R 0 , T 0 ]及P 1 = [K 1 , 1]*[R 1 , T 1 ]去进行三维恢复测量现有摄像机测量得到的参数，设现在摄像机测量出的匹配像素点在第一个摄像机和第二个摄像机的像素坐标为[u 0 ’, v 0 ’]和[u 1 ’,v 1 ’]，得到的结果是X 1，这里，X 1是多个匹配的像素点恢复出的结果的集合，集合中的某一点用记号X 1i 或X 1j 表示；同理，[u 0 ’, v 0 ’]和[u 1 ’, v 1 ’]也是多个匹配像素点的集合。若对当前三维恢复出的结果进行测距，即求X 1i 与X 1j 之间的距离，记为d(X 1i , X 1j )，最终的结果需要乘以第2步计算出的比例系数倍数α，即αd(X 1i , X 1j )，这就是基线扩展后两点距离测量的最终结果。同时，d(X 0i , X 0j )与d(X 1i , X 1j )满足比例关系d(X 0i , X 0j )=αd(X 1i , X 1j )。
与现有技术相比，本发明的有益效果是，可以将小场景的标定方法扩展到大场景使用，解决了以往大场景使用标志物不便及限制多的问题。一般来说，在大场景中是不便于使用标志物的，因为大场景中会将标志物做得比较大，比较大的标志物有时在场景中无法安装，如标志物往往无法挂在建筑物的外墙上；道路上的标志是规定的，不能随意增加形状大小无意义的标志等。而只使用小的标志物在大场景中又无法获得足够的精度，因为小标志物在大场景的投影图像中比较小，特征点匹配效果较差。通过上述小标志物在窄基线条件下的标定及后续扩基线测量，就解除了标志物在大场景中使用不便的问题，即这样通过一般性的小标志物提升了大场景中三维恢复技术的可测性；同时，扩展基线后增大了对应特征点在像平面上的像素距离，提升了测量精度。
附图说明
图1是本发明所使用的标定板样式示例（7×6角点布局）。
图2是 双目摄像机的安装典型示例(基线扩展前及基线扩展后对照示意)。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
本发明一种自适应调整双目摄像机基线的三维距离测量方法的具体步骤是：
1）将双目摄像机（两个摄像机分别记为C 0, C 1）同向安放，即两个摄像机中心轴方向平行且在同一高度（在同一水平面上，如附图2内双目摄像机的安装典型示例上半部子图所示），设固定两个像机的光心位置o 0, o 1，两个相机的基线距离为B 0，即o 0, o 1之间的距离为B 0。用标定板对两个摄像机进行标定，得到标定的内外参数，如可以用附图1所示的方格型标定板，标定的方法只要精度足够，原则上可以使用任意一种可以计算出摄像机内外参数的方法。摄像机内外参数分别是第一个摄像机C 0的内参数矩阵K 0 ，外参数中的旋转矩阵R 0 和平移矩阵T 0 ，第二个摄像机C 1的内参数矩阵K 1 ，外参数中的旋转矩阵R 1 和平移矩阵T 1 。这样，对应的摄像机投影矩阵为：P 0 = [K 0 , 1]*[R 0 , T 0 ]及P 1 = [K 1 , 1]*[R 1 , T 1 ]。若将在当前状态参数下对摄像机进行测量，设现在摄像机测量出的匹配像素点在第一个摄像机和第二个摄像机的像素坐标为[u 0 , v 0 ]和[u 1 , v 1 ]，恢复出三维坐标得到的结果是X 0，这里，X 0是多个匹配的像素点恢复出的结果的集合，集合中的任意两点用记号X 0i 和X 0j 表示；同理[u 0 , v 0 ]和[u 1 , v 1 ]也是多个匹配像素点的集合。若对当前三维恢复出的结果进行测距，即求X 0i 与X 0j 之间的距离，记为d(X 0i , X 0j )。
2）再扩展双目摄像机基线，将第二个摄像机位置水平移动到o 2，使o 0, o 2的距离为B 1，其中B 1 =αB 0，其中，α是两次基线距离的比例倍数。
其扩展的方式如附图2内双目摄像机的安装典型示例，上半部分是扩展前的安装方式及状态，下半部分是扩展后的安装方式及状态，可以看出B 1>B 0，扩展是使基线距离扩大。
水平移动第二个摄像机C 1时，应采用以下方法保证水平移动时摄像机方向不变化：a）采用高精度固定导轨移动摄像机，摄像机安装在水平导轨的滑块上；2）采用水平仪及横杆保证两摄像机在同一水平面上，并用水平仪保证横杆在同一水平高度上，摄像机安装在横杆上。以上方法均需要保证摄像机方向变化范围小于1°（度）。
3）然后用原标定参数进行测量后按比例进行量化，即用P 0 = [K 0 , 1]*[R 0 , T 0 ]及P 1 = [K 1 , 1]*[R 1 , T 1 ]去进行三维恢复测量现有摄像机测量得到的参数，设现在摄像机测量出的匹配像素点在第一个摄像机和第二个摄像机的像素坐标为[u 0 ’, v 0 ’]和[u 1 ’,v 1 ’]，得到的结果是X 1，这里，X 1是多个匹配的像素点恢复出的结果的集合，集合中的任意两点用记号X 1i 和X 1j 表示；同理，[u 0 ’, v 0 ’]和[u 1 ’, v 1 ’]也是多个匹配像素点的集合。若对当前三维恢复出的结果进行测距，即求X 1i 与X 1j 之间的距离，X 1i 与X 1j ，记为d(X 1i , X 1j )，最终的结果需要乘以第2步计算出的比例系数倍数α，即αd(X 1i , X 1j )，这就是基线扩展后两点距离测量的最终结果。同时，d(X 0i , X 0j )与d(X 1i , X 1j )满足比例关系d(X 0i , X 0j )=αd(X 1i , X 1j )。
对于摄像机难免发生的微小的垂直方向的位移，采用如下的位移补偿方法：1）在摄像机位移相应参数中加入固定补偿值，如T 0 ，T 1 或P 0 、P 1 中，这是一个经验值，需要根据三维恢复后的结果后动加入。或2）在摄像机安装时增加额外的固定支架，加固摄像机的位移及方向指向。或3）在基线距离已经增加的情况下，在纹理丰富的场景下，使用特征点自动匹配技术进行摄像机的自标定，求得摄像机的内参数和外参数，再进行图像校正，稠密像素点匹配，获得深度图，若能得到更佳的深度图，则可以使用。
本发明一种自适应调整双目摄像机基线的三维距离测量方法按如下步骤进行使用：
1）准备两个同样设置的摄像机，固定安装在横杆上，保证其拍摄方向相同，并在同一水平面上，测量其水平基线距离B 0，如使用附图1所示的标定板测量得到相应的内参数和外参数P 0及P 1，并计算出左右两个相机实时校正图像的参数，并计算出深度图生成三维点云的矩阵Q（大小为4×4）；
利用标志物（标定板）进行标定的方法可以是下述文献[1][2]中的方法。
[1]. Zhengyou Zhang. A flexible new technique for camera calibration.Pattern Analysis and Machine Intelligence, IEEE Transactions on, 22(11):1330–1334, 2000.
[2].Jean-Yves Bouguet. Camera calibration tool box for matlab, 2004.
计算出左右两个相机实时校正图像的参数可以直接调用Opencv 4.0.0中的版本的cv::initUndistortRectifyMap函数及cv::remap实现。
2）水平增大基线距离到B 1，扩展方式如附图2内双目摄像机的安装典型示例所示，此时无需再用标定板进行测量，直接使用上步测量得到P 0及P 1及Q进行三维恢复，用双目摄像机提取出同一时刻的视频帧（图像），用第1步得到的参数校正图像，用立体匹配算法在同一水平线上匹配稠密特征点，重建出深度图； 这里构造深度图的方法可以使用任意的稠密匹配方法，如SAD（Sum of Absolute Differences）和SGM（Semi-global Matching）等。再根据三维点云生成矩阵Q将深度图转换为稠密三维点云；点云的坐标X 1需要扩大α倍，即X 2=α X 1；
3）从恢复出的三维点云中手动选取两点，直接根据这两点的三维坐标计算其距离。这样就完成了两点距离的测距。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (5)

1.一种自适应调整双目摄像机基线的三维距离测量方法，其特征在于：针对在户外场景中进行多视角摄像机三维测量时，标定物不容易安放；小型标志物由于它尺寸小，图像中像素少而模糊，双目摄像机测量中匹配特征点像素水平距离过小，精度不高，基本上无法使用的问题，采用先就近使用小标志物标定双目摄像机内外参数，再扩展双目摄像机基线，扩展基线后，这样远处的同一特征点图像上的像素距离变远，从而提高了测量精度；然后用原标定得到的内外参数进行测量后按比例量化结果的方式进行三维距离测量，即按基线扩展的倍数乘以扩展后的测量结果；让双目摄像机户外标定变得可行，在精确控制摄像机移动基线距离的情况下，得到的测量结果精度可以达到0.5%以内，可以应用于图像分割、目标跟踪、智能事件分析等应用领域。
2.如权利要求1所述的一种自适应调整双目摄像机基线的三维距离测量方法，其特征在于：自适应调整双目摄像机基线的步骤是：1）先就近使用小标志物标定双目摄像机内外参数；2）再沿摄像机拍摄方向的垂直坐标轴方向水平移动双目摄像机中的一个，扩展双目摄像机基线，增加其大场景中匹配特征点之间的基线距离；3）然后用原标定参数进行测量后按基线扩展的比例因子进行现实世界中两点间的距离测量，得到最终的结果。
3. 如权利要求1所述的一种自适应调整双目摄像机基线的三维距离测量方法，其特征在于：将双目摄像机（两个摄像机分别记为C 0, C 1）同向安放，即两个摄像机中心轴方向平行且在同一高度（在同一水平面上，如附图2内双目摄像机的安装典型示例上半部子图所示），设固定两个像机的光心位置o 0, o 1，两个相机的基线距离为B 0，即o 0, o 1之间的距离为B 0；双目摄像机基线扩展方式为:将第二个摄像机位置水平移动到o 2，使o 0, o 2的距离为B 1，其中B 1 =αB 0，其中，α是两次基线距离的比例倍数。
4. 如权利要求1所述的一种自适应调整双目摄像机基线的三维距离测量方法，其特征在于：在基线扩展前，用小标定板进行双目摄像机进行标定，若对当前三维恢复出的结果进行测距，即求X 0i 与X 0j 之间的距离，记为d(X 0i , X 0j ) ；基线扩展后，对当前三维恢复出的结果进行测距，即求X 1i 与X 1j 之间的距离，X 1i 与X 1j ，记为d(X 1i , X 1j )，最终的结果需要乘以第2步计算出的比例系数倍数α，即αd(X 1i , X 1j )，这就是基线扩展后两点距离测量的最终结果；
同时，d(X 0i , X 0j )与d(X 1i , X 1j )满足比例关系d(X 0i , X 0j )=αd(X 1i , X 1j )。
5.如权利要求3所述的一种自适应调整双目摄像机基线的三维距离测量方法，其特征在于：在扩展摄像机基线（间距）时，对于摄像机难免发生的微小的垂直方向的位移，采用如下的位移补偿方法：1）在摄像机位移相应参数中加入固定补偿值，如T 0 ，T 1 或P 0 、P 1 中，这是一个经验值，需要根据三维恢复后的结果后动加入；或2）在摄像机安装时增加额外的固定支架，加固摄像机的位移及方向指向；或3）在基线距离已经增加的情况下，在纹理丰富的场景下，使用特征点自动匹配技术进行摄像机的自标定，求得摄像机的内参数和外参数，再进行图像校正，稠密像素点匹配，获得深度图，若能得到更佳的深度图，则可以使用。
CN202010139536.7A 2020-03-03 2020-03-03 一种自适应调整双目摄像机基线的三维距离测量方法 Active CN111402315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010139536.7A CN111402315B (zh) 2020-03-03 2020-03-03 一种自适应调整双目摄像机基线的三维距离测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010139536.7A CN111402315B (zh) 2020-03-03 2020-03-03 一种自适应调整双目摄像机基线的三维距离测量方法

Publications (2)

Publication Number Publication Date
CN111402315A true CN111402315A (zh) 2020-07-10
CN111402315B CN111402315B (zh) 2023-07-25

Family

ID=71432174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010139536.7A Active CN111402315B (zh) 2020-03-03 2020-03-03 一种自适应调整双目摄像机基线的三维距离测量方法

Country Status (1)

Country Link
CN (1) CN111402315B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259589A (zh) * 2021-05-17 2021-08-13 中新国际联合研究院 一种基线自适应调整的双目相机智能感知方法及其装置
CN114079768A (zh) * 2020-08-18 2022-02-22 杭州海康汽车软件有限公司 图像的清晰度测试方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008233205A (ja) * 2007-03-16 2008-10-02 Nikon Corp 測距装置および撮像装置
WO2009101798A1 (ja) * 2008-02-12 2009-08-20 Panasonic Corporation 複眼撮像装置、測距装置、視差算出方法及び測距方法
CN102362147A (zh) * 2009-03-25 2012-02-22 富士胶片株式会社 距离测量方法和距离测量设备
CN102986221A (zh) * 2011-07-19 2013-03-20 松下电器产业株式会社 图像编码装置及其集成电路、以及图像编码方法
JP2013113712A (ja) * 2011-11-29 2013-06-10 Sharp Corp ステレオ３次元計測装置
KR20140044443A (ko) * 2012-10-05 2014-04-15 한국전기연구원 스테레오 카메라의 광축 간격 조절 방법
CN105823468A (zh) * 2016-03-01 2016-08-03 乐卡汽车智能科技（北京）有限公司 基线距离可调的双目障碍物检测方法、装置及系统
CN106030243A (zh) * 2014-02-25 2016-10-12 株式会社理光 距离测量装置和视差计算系统
CN106981083A (zh) * 2017-03-22 2017-07-25 大连理工大学 双目立体视觉系统摄像机参数的分步标定方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008233205A (ja) * 2007-03-16 2008-10-02 Nikon Corp 測距装置および撮像装置
WO2009101798A1 (ja) * 2008-02-12 2009-08-20 Panasonic Corporation 複眼撮像装置、測距装置、視差算出方法及び測距方法
CN102362147A (zh) * 2009-03-25 2012-02-22 富士胶片株式会社 距离测量方法和距离测量设备
CN102986221A (zh) * 2011-07-19 2013-03-20 松下电器产业株式会社 图像编码装置及其集成电路、以及图像编码方法
JP2013113712A (ja) * 2011-11-29 2013-06-10 Sharp Corp ステレオ３次元計測装置
KR20140044443A (ko) * 2012-10-05 2014-04-15 한국전기연구원 스테레오 카메라의 광축 간격 조절 방법
CN106030243A (zh) * 2014-02-25 2016-10-12 株式会社理光 距离测量装置和视差计算系统
CN105823468A (zh) * 2016-03-01 2016-08-03 乐卡汽车智能科技（北京）有限公司 基线距离可调的双目障碍物检测方法、装置及系统
CN106981083A (zh) * 2017-03-22 2017-07-25 大连理工大学 双目立体视觉系统摄像机参数的分步标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HIROTAKA IIDA 等: "《High一accuracy Range Image Generation by Fusing Binocular and Motion stereo using Fisheyes Stereo Camera》", 《 PROCEEDINGS OF THE 2020 IEEE/SICE》 *
张旭苹 等: "《大尺度三维几何尺寸立体视觉测量系统实现》", 《光学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079768A (zh) * 2020-08-18 2022-02-22 杭州海康汽车软件有限公司 图像的清晰度测试方法及装置
CN114079768B (zh) * 2020-08-18 2023-12-05 杭州海康汽车软件有限公司 图像的清晰度测试方法及装置
CN113259589A (zh) * 2021-05-17 2021-08-13 中新国际联合研究院 一种基线自适应调整的双目相机智能感知方法及其装置

Also Published As

Publication number Publication date
CN111402315B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CA3103844C (en) Method for reconstructing three-dimensional space scene based on photographing
US9883163B2 (en) Method and system for determining camera parameters from a long range gradient based on alignment differences in non-point image landmarks
CN110648398B (zh) 基于无人机航摄数据的正射影像实时生成方法及系统
Teller et al. Calibrated, registered images of an extended urban area
CN105758426B (zh) 移动机器人的多传感器的联合标定方法
EP2111530B1 (en) Automatic stereo measurement of a point of interest in a scene
US10290119B2 (en) Multi view camera registration
US8098958B2 (en) Processing architecture for automatic image registration
EP1242966B1 (en) Spherical rectification of image pairs
JP4245963B2 (ja) 較正物体を用いて複数のカメラを較正するための方法およびシステム
CN102472609B (zh) 位置和姿势校准方法及设备
CN108510551B (zh) 一种远距离大视场条件下相机参数的标定方法及系统
CN110146099B (zh) 一种基于深度学习的同步定位与地图构建方法
WO2007133620A2 (en) System and architecture for automatic image registration
KR20110068469A (ko) 메타정보 없는 단일 영상에서 3차원 개체정보 추출방법
KR20130138247A (ko) 신속 3ｄ 모델링
JPWO2005010817A1 (ja) 画像処理装置
CN113763479B (zh) 一种折反射全景相机与imu传感器的标定方法
CN111402315B (zh) 一种自适应调整双目摄像机基线的三维距离测量方法
CN108362205A (zh) 基于条纹投影的空间测距方法
CN111105467B (zh) 一种图像标定方法、装置及电子设备
CN110986888A (zh) 一种航空摄影一体化方法
CN112712566B (zh) 基于结构参数在线校正的双目立体视觉传感器测量方法
JPH11514434A (ja) イメージデータを用いてカメラの位置及び配向を決定する方法と装置
KR101634283B1 (ko) 단일영상에서의 3차원 카메라교정을 통한 3차원 공간모델링 형성제어장치 및 방법

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