CN114359405A - 一种离轴沙姆3d线激光相机的标定方法 - Google Patents

Abstract

本发明公开了一种离轴沙姆3D线激光相机的标定方法，构建离轴沙姆3D线激光相机的成像模型：构建与透镜面平行且成像中心过光轴的虚拟像面坐标系，实现图像像素坐标与世界坐标系下坐标之间的转换；先计算相机内参和外参初值，后利用非线性优化算法计算最优解，获得相机标定；采集不少于2组有无激光用于激光平面标定的标定板图片，通过组内标定板图片做差的方法，得到激光线数据，计算每组激光线中心像素坐标在相机坐标系下的三维坐标，拟合得到激光平面方程，得到激光平面的标定。解决了离轴沙姆3D线激光相机难以标定的问题。

Description

一种离轴沙姆3D线激光相机的标定方法

技术领域

本发明涉及3D线激光测量技术领域，尤其涉及一种离轴沙姆3D线激光相机的标定方法。

背景技术

3D线激光相机主要由相机和激光器组成，是一种快速发展的非接触式测量装置，具有灵活性好、速度快、精度高以及智能化等优点，在逆向工程和复杂曲面零部件等测量领域有着广泛应用。但在实际应用中，对于倾斜目标，传统镜头存在由于景深限制，会出现视野两端离焦模糊的问题。为解决此问题，具有增大景深，使得倾斜目标全视野清晰成像优势的沙姆相机，逐渐得到了重视与青睐。如图1所示，沙姆相机是指拍摄时满足沙姆定律的相机，即目标聚焦面、透镜面、成像面三者延长线相交于一线，且相交线唯一，此相交线即称为沙姆线。离轴是指主光轴不通过成像面中心，具有降低主光线角度CRA，增加相机接收强度的作用。

相机标定是求解相机参数的过程，即通过建立相机模型，构建相机图像像素位置与场景点位置之间的关系，由已知特征点的图像坐标求解相机的模型参数。相机标定的精度及算法的稳定性直接影响相机工作产生结果的准确性，做好相机标定是做好后续工作的前提，提高标定精度是实现相机测量的重点所在。

目前，对于普通相机标定问题已提出了很多成熟的方法，如传统相机标定法、主动视觉相机标定方法、相机自标定法等。但对于离轴沙姆3D线激光相机，其与普通相机的成像模型不同，因此传统成熟的相机标定方法对离轴沙姆3D线激光相机标定无法适用。

发明内容

本发明实施例提供了一种离轴沙姆3D线激光相机的标定方法，用于实现离轴沙姆3D线激光相机的标定。

一种离轴沙姆3D线激光相机的标定方法，包括：

步骤1：构建离轴沙姆3D线激光相机的成像模型：将图像坐标系转换到实际像面坐标系，构建与透镜面平行且成像中心过光轴的虚拟像面坐标系，将实际像面坐标系转换到虚拟像面坐标系，在虚拟像面坐标系进行畸变校正，得到虚拟像面坐标系下无失真的虚拟像面坐标，再将无失真的虚拟像面坐标转换到实际像面坐标系下无失真的实际像面坐标，再将实际像面坐标转换到图像坐标系对应的无失真的图像像素坐标，再近似按照小孔成像模型，将无失真的图像像素坐标转换到相机坐标系下的坐标，再将相机坐标系下坐标转换到世界坐标系下的坐标。从而得到图像像素坐标与世界坐标系下坐标的转换关系，实现离轴沙姆3D线激光相机成像模型的构建；

步骤2：基于成像模型进行相机标定：先计算相机内参和外参初值，后利用非线性优化算法计算最优解，进行相机标定获得相机标定参数：相机内参、畸变系数、沙姆角、偏移量；

步骤3：对激光平面进行标定：采集不少于2组用于激光平面标定的标定板图片，每组中标定板位于同一位置，包含有激光线图片和无激光线图片；通过组内标定板图片做差的方法，得到激光线数据，通过中心线提取算法提取激光线中心像素坐标；对每组无激光线标定板图片，提取特征点坐标，以距离激光线最邻近的特征点计算标定板图片对应的外参，根据标定板图片对应的外参，计算每组激光线中心像素坐标在相机坐标系下的三维坐标，通过拟合得到激光平面方程，实现对激光平面的标定。

一种较佳的实施方式，步骤1具体为：

(1)图像坐标系下的一点qⁱ＝(u_i，v_i)^T转换到实际像面坐标系下的点q^s＝(x_s，y_s)^T，实际像面坐标系为倾斜的像面；

其中，s_x、s_y分别表示像素在x方向和y方向的实际物理尺寸，(u₀，v₀)表示图像坐标系原点在图像坐标系中的坐标；

(2)将实际像面坐标系下的点q^s转换到虚拟像面坐标系下的点q^p＝(x_p，y_p)^T，虚拟像面垂直于光轴且成像中心在光轴上；

其中，o_x、o_y分别表示实际像面坐标系中心在x方向和y方向的偏移量，S_x、S_y分别表示倾斜的实际像面中心与虚拟像面的x方向和y方向的沙姆角；

(3)在虚拟像面坐标系上引入畸变模型，将虚拟像面坐标系下的点q^p变换到无失真的点

其中，k₁、k₂、k₃表示径向畸变参数，p₁、p₂表示切向畸变参数，r²＝x_p ²+y_p ²；

(4)将虚拟像面坐标系上无失真的点

转换到实际像面坐标系上无失真的点

(5)将实际像面坐标系上无失真的点

转换到图像坐标系下无失真的像素点

(6)将实际像面坐标系上无失真的像素点

转换到相机坐标系下的点q^c＝(x_c，y_c，z_c)^T；

其中，α_x、α_y表示x和y方向的有效焦距；

(7)将相机坐标系下的点q^c转换为世界坐标系下的点q^w＝(x_w，y_w，z_w)^T。

其中，R表示由世界坐标系到相机坐标系的旋转矩阵，T表示由世界坐标系到相机坐标系的平移向量。

一种较佳的实施方式，步骤2中先计算相机内参和外参初值，具体为：通过张氏解析算法计算相机的内参和外参初值。

一种较佳的实施方式，步骤2中利用非线性优化算法计算最优解，进行相机标定，具体为：建立内参、畸变参数、外参以及沙姆角和偏移量的参数的非线性优化方程，通过迭代循环求解进行优化，最终的最优解即为相机标定参数。

一种较佳的实施方式，步骤2具体为：

(1)对不少于N₁张的标定板图片，提取每张标定板图片上的N₂个特征点；

(2)采用张氏解析算法，计算相机内参α_x，α_y，u₀，v₀，以及外参Rⁱ，Tⁱ；

(3)利用非线性优化算法对内参、畸变系数、外参以及沙姆角和偏移量进行优化，对应的非线性优化模型如下：

L为以重投影误差最小为准则的目标方程，i表示标定板第i个位姿，j表示第j个特征点，N₁为标定板位姿个数，N₁≥3，N₂为特征点数目，N₂≥2，A为相机内参，Rⁱ、Tⁱ为外参，K＝(k₁，k₂，k₃，p₁，p₂)为畸变系数，(S_x,S_y)表示x和y方向的沙姆角，(o_x,o_y)表示成像中心在成像面x和y方向的偏移量，m_ij表示第i个位姿下第j个特征点的实际像面的像素坐标，M_ij表示第i个位姿下第j个特征点的重投影的实际成像面的像素坐标。

一种较佳的实施方式，步骤3具体为：

(1)将标定板图片放置于测量的景深范围内，与激光平面呈一定倾角，控制激光器在标定板图片表面形成激光线，采集有激光线的标定板图像，同时保持标定板位置不变，采集同一位置无激光线的标定板图像；重复采集不少于2组不同位置的有激光线和无激光线的标定板图像；

(2)对标定板图像进行特征检测，得到标定板图像特征点的图像坐标；

(3)对每组有激光线和无激光线的标定板图像进行做差，对做差后的图像通过中心线提取算法，获取每组图片对应的激光线的图像坐标(uⁱ，vⁱ)，i＝1，2，…，N为每组标定板图片的编号，N为采集的标定板图片的组数；

(4)对得到的激光线的图像坐标做线性拟合得到对应直线，找出每组中特征点距离直线最近的M个特征点；

(5)结合相机标定得到相机内参，利用每组图片中的M个特征点

计算与相机坐标系之间的旋转矩阵Rⁱ和平移向量Tⁱ；

其中，

为第i组图片的M个特征点的像素坐标，

为该点在第i组图片的M个特征点在世界坐标系下的三维坐标，Rⁱ和Tⁱ为计算得到的第i组图片世界坐标系与相机坐标系之间的旋转矩阵和平移向量，s为缩放变量，A为相机内参；

(6)根据得到的标定板图片对应的外参，计算每组M个特征点在相机坐标系下的三维坐标

并拟合得到N个平面方程A_ix+B_iy+C_iZ+D_i＝0；

(7)计算每条激光线在相机坐标系下的三维坐标

(8)对所有激光线在相机坐标系下的三维坐标

进行最小二乘平面拟合，得到激光平面方程P_A*x+P_B*y+P_C*z+P_D＝0，其中方程中的各个系数通过拟合获得。

本发明实施例的有益效果包括：构建了一种离轴沙姆相机的成像模型，降低了离轴沙姆3D线激光相机的标定难度；通过获得的相机内参以及畸变系数，并使用非线性优化算法对沙姆角、偏移量进行迭代优化，提高了标定结果的精度。

附图说明

图1为离轴沙姆3D线激光相机结构图；

图2为本发明实施例的离轴沙姆相机的标定模型示意图；

图3为本发明实施例的离轴沙姆3D线激光相机的标定流程图；

图4为本发明实施例标定相机的某一位置的标定板图片；

图5为本发明实施例的标定激光平面的一组标定板图片；

图6为本发明实施例的获取到距离激光线最近的20个特征点。

具体实施方式

下面结合附图2、附图3、附图4、附图5和附图6，对本发明的具体实施方式进行详细说明。下面所描述的实施例仅仅是本发明的一部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图2为本发明实施例的离轴沙姆相机的标定模型示意图，构建图像像素坐标位置与世界坐标位置之间的关系，由已知特征点的图像坐标求解相机的模型参数。

如图3所示，一种离轴沙姆3D线激光相机的标定方法，包括：

步骤1：构建离轴沙姆3D线激光相机的成像模型：将图像坐标系转换到实际像面坐标系，构建与透镜面平行且成像中心过光轴的虚拟像面坐标系，将实际像面坐标系转换到虚拟像面坐标系，在虚拟像面坐标系进行畸变校正，得到虚拟像面坐标系下无失真的虚拟像面坐标，再将无失真的虚拟像面坐标转换到实际像面坐标系下无失真的实际像面坐标，再将实际像面坐标转换到图像坐标系对应的无失真的图像像素坐标，再近似按照小孔成像模型，将无失真的图像像素坐标转换到相机坐标系下的坐标，再将相机坐标系下坐标转换到世界坐标系下的坐标。从而得到图像像素坐标与世界坐标系下坐标的转换关系，实现离轴沙姆3D线激光相机成像模型的构建；

步骤2：基于成像模型进行相机标定：先计算相机内参和外参初值，后利用非线性优化算法计算最优解，进行相机标定获得相机标定参数：相机内参、畸变系数、沙姆角、偏移量；

步骤3：对激光平面进行标定：采集不少于2组用于激光平面标定的标定板图片，每组中标定板位于同一位置，包含有激光线图片和无激光线图片；通过组内标定板图片做差的方法，得到激光线数据，通过中心线提取算法提取激光线中心像素坐标；对每组无激光线标定板图片，提取特征点坐标，以距离激光线最邻近的特征点计算标定板图片对应的外参，根据标定板图片对应的外参，计算每组激光线中心像素坐标在相机坐标系下的三维坐标，通过拟合得到激光平面方程，实现对激光平面的标定。

其中，步骤1具体为：

(1)图像坐标系下的一点qⁱ＝(u_i，v_i)^T转换到实际像面坐标系下的点q^s＝(x_s，y_s)^T，实际像面坐标系为倾斜的像面；

其中，s_x、s_y分别表示像素在x方向和y方向的实际物理尺寸，(u₀，v₀)表示图像坐标系原点在图像坐标系中的坐标；

(2)将实际像面坐标系下的点q^s转换到虚拟像面坐标系下的点q^p＝(x_p，y_p)^T，虚拟像面垂直于光轴且成像中心在光轴上；

其中，o_x、o_y分别表示实际像面坐标系中心在x方向和y方向的偏移量，S_x、S_y分别表示倾斜的实际像面中心与虚拟像面的x方向和y方向的沙姆角；

(3)在虚拟像面坐标系上引入畸变模型，将虚拟像面坐标系下的点q^p变换到无失真的点

其中，k₁、k₂、k₃表示径向畸变参数，p₁、p₂表示切向畸变参数，r²＝x_p ²+y_p ²；

(4)将虚拟像面坐标系上无失真的点

转换到实际像面坐标系上无失真的点

(5)将实际像面坐标系上无失真的点

转换到图像坐标系下无失真的像素点

(6)将实际像面坐标系上无失真的像素点

转换到相机坐标系下的点q^c＝(x_c，y_c，z_c)^T；

其中，α_x、α_y表示x和y方向的有效焦距；

(7)将相机坐标系下的点q^c转换为世界坐标系下的点q^w＝(x_w，y_w，z_w)^T。

其中，R表示由世界坐标系到相机坐标系的旋转矩阵，T表示由世界坐标系到相机坐标系的平移向量。

步骤2中先计算相机内参和外参初值，具体为：通过张氏解析算法计算相机的内参和外参初值。

步骤2中利用非线性优化算法计算最优解，进行相机标定，具体为：建立内参、畸变参数、外参以及沙姆角和偏移量的参数的非线性优化方程，通过迭代循环求解进行优化，最终的最优解即为相机标定参数。

步骤2具体转化过程为：

(1)对不少于N₁张的标定板图片，提取每张标定板图片上的N₂个特征点；

(2)采用张氏解析算法，计算相机内参α_x，α_y，u₀，v₀，以及外参Rⁱ，Tⁱ；

(3)利用非线性优化算法对内参、畸变系数、外参以及沙姆角和偏移量进行优化，对应的非线性优化模型如下：

L为以重投影误差最小为准则的目标方程，i表示标定板第i个位姿，j表示第j个特征点，N₁为标定板位姿个数，N₁≥3，N₂为特征点数目，N₂≥2，A为相机内参，Rⁱ、Tⁱ为外参，K＝(k₁，k₂，k₃，p₁，p₂)为畸变系数，(S_x,S_y)表示x和y方向的沙姆角，(o_x,o_y)表示成像中心在成像面x和y方向的偏移量，m_ij表示第i个位姿下第j个特征点的实际像面的像素坐标，M_ij表示第i个位姿下第j个特征点的重投影的实际成像面的像素坐标。

具体对相机标定时的一个具体实施方式，使用9*11的圆形图案标定板，将标定板放置激光平面上，在相机的视野范围内，上下以及左右移动，采集不同位置的30张相机标定图片，采集的某一位置的图片如图4所示。

步骤3具体标定过程为：

(1)将标定板图片放置于测量的景深范围内，与激光平面呈一定倾角，控制激光器在标定板图片表面形成激光线，采集有激光线的标定板图像，同时保持标定板位置不变，采集同一位置无激光线的标定板图像；重复采集不少于2组不同位置的有激光线和无激光线的标定板图像。具体一个实施方式是重复直至采集4组激光平面标定图片，采集的某一位置的两种图片如图5所示。

(2)对标定板图像进行特征检测，得到标定板图像特征点的图像坐标；

(3)对每组有激光线和无激光线的标定板图像进行做差，对做差后的图像通过中心线提取算法，获取每组图片对应的激光线的图像坐标(uⁱ，vⁱ)，i＝1，2，…，N为每组标定板图片的编号，N为采集的标定板图片的组数；采用灰度重心法对激光线进行检测，可以清晰得到激光线的图像坐标。

(4)对得到的激光线的图像坐标做线性拟合得到对应直线，找出每组中特征点距离直线最近的M个特征点；具体一个实施方式，如图6所示，可以找到与激光线相邻最近的20个圆点中标记圆圈的特征点。

(5)结合相机标定得到相机内参，利用每组图片中的M个特征点

计算与相机坐标系之间的旋转矩阵Rⁱ和平移向量Tⁱ；

其中，

为第i组图片的M个特征点的像素坐标，

为该点在第i组图片的M个特征点在世界坐标系下的三维坐标，Rⁱ和Tⁱ为计算得到的第i组图片世界坐标系与相机坐标系之间的旋转矩阵和平移向量，s为缩放变量，A为相机内参；

(6)根据得到的标定板图片对应的外参，计算每组M个特征点在相机坐标系下的三维坐标

并拟合得到N个平面方程A_ix+B_iy+C_iZ+D_i＝0；

(7)计算每条激光线在相机坐标系下的三维坐标

(8)对所有激光线在相机坐标系下的三维坐标

进行最小二乘平面拟合，得到激光平面方程P_A*x+P_B*y+P_C*z+P_D＝0，其中方程中的各个系数通过拟合获得。

具体一个实施方式中，使用的相机分辨率为1920*1080，x方向和y方向的沙姆角分别为[0°,5.71°]，x方向和y方向的偏移量为[0,4.15]单位为毫米。

按照本发明实施例中的方法，采用张氏解析算法得到的相机内参为：

经非线性优化后所得到的的沙姆角和偏移量的优化结果为：

[0.57804,6.42792]

[-0.01706,4.16547]

重投影误差为：0.17647

激光平面的方程系数为：0.0042*x-2.3758y+z-320.1950＝0

从而，可以获得离轴沙姆3D线激光相机的标定：相机的内参、畸变系数、沙姆角、偏移量以及激光平面在相机坐标系下的平面方程系数。

本发明实施例的离轴沙姆3D线激光相机的标定方法，构建了离轴沙姆相机的成像模型，实现了离轴沙姆3D线激光相机的标定；并且，通过获得的相机内参以及畸变系数，并使用非线性优化算法对沙姆角、偏移量进行迭代优化，提高了标定结果的精度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种离轴沙姆3D线激光相机的标定方法，其特征在于，包括：

步骤1：构建所述离轴沙姆3D线激光相机的成像模型：将图像坐标系转换到实际像面坐标系，构建与透镜面平行且成像中心过光轴的虚拟像面坐标系，将实际像面坐标系转换到虚拟像面坐标系，在虚拟像面坐标系进行畸变校正，得到虚拟像面坐标系下无失真的虚拟像面坐标，再将无失真的虚拟像面坐标转换到实际像面坐标系下无失真的实际像面坐标，再将实际像面坐标转换到图像坐标系对应的无失真的图像像素坐标，再近似按照小孔成像模型，将无失真的图像像素坐标转换到相机坐标系下的坐标，再将相机坐标系下坐标转换到世界坐标系下的坐标。从而得到图像像素坐标与世界坐标系下坐标的转换关系，实现离轴沙姆3D线激光相机成像模型的构建；

步骤2：基于所述成像模型进行相机标定：先计算相机内参和外参初值，后利用非线性优化算法计算最优解，进行相机标定获得所述相机标定参数：相机内参、畸变系数、沙姆角、偏移量；

步骤3：对激光平面进行标定：采集不少于2组用于激光平面标定的标定板图片，每组中所述标定板位于同一位置，包含有激光线图片和无激光线图片；通过组内标定板图片做差的方法，得到激光线数据，通过中心线提取算法提取激光线中心像素坐标；对每组所述无激光线标定板图片，提取特征点坐标，以距离激光线最邻近的特征点计算所述标定板图片对应的外参，根据所述标定板图片对应的外参，计算每组所述激光线中心像素坐标在相机坐标系下的三维坐标，通过拟合得到激光平面方程，实现对所述激光平面的标定。

2.根据权利要求1所述的方法，其特征在于，所述步骤1具体为：

(1)所述图像坐标系下的一点qⁱ＝(u_i，v_i)^T转换到所述实际像面坐标系下的点q^s＝(x_s，y_s)^T，所述实际像面坐标系为倾斜的像面；

其中，s_x、s_y分别表示像素在x方向和y方向的实际物理尺寸，(u₀，v₀)表示所述图像坐标系原点在所述图像坐标系中的坐标；

(2)将所述实际像面坐标系下的点q^s转换到所述虚拟像面坐标系下的点q^p＝(x_p，y_p)^T，所述虚拟像面垂直于所述光轴且成像中心在所述光轴上；

其中，o_x、o_y分别表示所述实际像面坐标系中心在x方向和y方向的偏移量，S_x、S_y分别表示倾斜的所述实际像面中心与所述虚拟像面的x方向和y方向的沙姆角；

(3)在所述虚拟像面坐标系上引入畸变模型，将所述虚拟像面坐标系下的点q^p变换到无失真的点

其中，k₁、k₂、k₃表示径向畸变参数，p₁、p₂表示切向畸变参数，r²＝x_p ²+y_p ²；

(4)将所述虚拟像面坐标系上无失真的点

转换到所述实际像面坐标系上无失真的点

(5)将所述实际像面坐标系上无失真的点

转换到图像坐标系下无失真的像素点

(6)将所述实际像面坐标系上无失真的像素点qⁱ，转换到相机坐标系下的点q^c＝(x_c，y_c，z_c)^T；

其中，α_x、α_y表示x和y方向的有效焦距；

(7)将相机坐标系下的点q^c转换为世界坐标系下的点q^w＝(x_w，y_w，z_w)^T。

其中，R表示由世界坐标系到相机坐标系的旋转矩阵，T表示由世界坐标系到相机坐标系的平移向量。

3.根据权利要求1所述的方法，其特征在于，所述步骤2中所述先计算相机内参和外参初值，具体为：通过张氏解析算法计算相机的内参和外参初值。

4.根据权利要求1所述的方法，其特征在于，所述步骤2中所述利用非线性优化算法计算最优解，进行相机标定，具体为：建立内参、畸变参数、外参以及沙姆角和偏移量的参数的非线性优化方程，通过迭代循环求解进行优化，最终的最优解即为相机标定参数。

5.根据权利要求1、3或4所述的方法，其特征在于，所述步骤2具体为：

(1)对不少于N₁张的标定板图片，提取每张所述标定板图片上的N₂个特征点；

(2)采用张氏解析算法，计算相机内参α_x，α_y，u₀，v₀，以及外参Rⁱ，Tⁱ；

(3)利用非线性优化算法对内参、畸变系数、外参以及沙姆角和偏移量进行优化，对应的非线性优化模型如下：

L为以重投影误差最小为准则的目标方程，i表示标定板第i个位姿，j表示第j个特征点，N₁为标定板位姿个数，N₁≥3，N₂为特征点数目，N₂≥2，A为相机内参，Rⁱ、Tⁱ为外参，K＝(k₁，k₂，k₃，p₁，p₂)为畸变系数，(S_x,S_y)表示x和y方向的沙姆角，(o_x,o_y)表示成像中心在成像面x和y方向的偏移量，m_ij表示第i个位姿下第j个特征点的实际像面的像素坐标，M_ij表示第i个位姿下第j个特征点的重投影的实际成像面的像素坐标。

6.根据权利要求1所述的方法，其特征在于，所述步骤3具体为：

(1)将所述标定板图片放置于测量的景深范围内，与激光平面呈一定倾角，控制激光器在所述标定板图片表面形成激光线，采集有激光线的标定板图像，同时保持标定板位置不变，采集同一位置无激光线的标定板图像；重复采集不少于2组不同位置的有激光线和无激光线的标定板图像；

(2)对标定板图像进行特征检测，得到标定板图像特征点的图像坐标；

(3)对每组有激光线和无激光线的标定板图像进行做差，对做差后的图像通过中心线提取算法，获取每组图片对应的激光线的图像坐标(uⁱ，vⁱ)，i＝1，2，…，N为每组标定板图片的编号，N为采集的标定板图片的组数；

(4)对得到的所述激光线的图像坐标做线性拟合得到对应直线，找出每组中特征点距离直线最近的M个特征点；

(5)结合相机标定得到相机内参，利用每组图片中的M个特征点

计算与相机坐标系之间的旋转矩阵Rⁱ和平移向量Tⁱ；

其中，

为第i组图片的M个特征点的像素坐标，

为该点在第i组图片的M个特征点在世界坐标系下的三维坐标，Rⁱ和Tⁱ为计算得到的第i组图片世界坐标系与相机坐标系之间的旋转矩阵和平移向量，s为缩放变量，A为相机内参；

(6)根据得到的所述标定板图片对应的外参，计算每组M个特征点在相机坐标系下的三维坐标

并拟合得到N个平面方程A_ix+B_iy+C_iZ+D_i＝0；

(7)计算每条激光线在相机坐标系下的三维坐标

(8)对所有激光线在相机坐标系下的三维坐标

进行最小二乘平面拟合，得到激光平面方程P_A*x+P_B*y+P_C*z+P_D＝0，其中方程中的各个系数通过拟合获得。

Images