專利名稱：攝像機標定的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺檢測技術(shù)領(lǐng)域，尤其涉及一種攝像機標定的方法及 裝置。
背景技術(shù)：
在計算機視覺檢測過程中，為了獲取計算機圖像象素點與實際物理空間點 的對應關(guān)系，攝像機標定是必不可少的過程。所述攝像機標定，就是在一定的 攝像機模型下，經(jīng)過對圖像的處理，利用一系列數(shù)學變換和計算方法，獲得攝像 機內(nèi)部的幾何和光學特性(也即內(nèi)部參數(shù))，以及攝像機坐標系相對于空間坐標 系的位置關(guān)系(也即外部參數(shù))。
在現(xiàn)有技術(shù)中，有多種攝像機的標定方法，如傳統(tǒng)標定方法，自標定方法 等。下面分別介紹一下傳統(tǒng)標定法和自標定法的原理。 ( 一)傳統(tǒng)標定法
利用傳統(tǒng)標定法進行攝像機標定的時候，需要使用標定參照物。傳統(tǒng)標定
法可包括直接線性變換標定法(DLT),徑向排列約束(RAC)標定法，主動視覺 標定法和平面標定法等。下面以直接線性變換標定法和徑向排列約束標定法為 例，描述一下傳統(tǒng)標定法的基本原理。
直接線性變換標定法是由Abdal-Aziz和Karara于70年代初提出的。該方 法首先需建立攝像機成像模型線性方程組，并測出場景中 一組點的世界坐標和 其在成像平面上的對應坐標，然后將這些坐標值代入該線性方程組中求出該線 性方程組的未知系數(shù)，該線性方程組的系數(shù)包含了攝像機的內(nèi)部參數(shù)。
但是，直接線性變換標定法忽略了鏡頭畸變，只適合視野較小的攝像機標
6定。當鏡頭畸變明顯時(尤其是采用廣角鏡頭)，所述攝像機成像模型線性模型 無法準確地描述攝像機的成像過程，這時在攝像機的標定過程中需要引入畸變 因子進行校正。
Tsai于80年代中期提出了基于RAC (徑向排列約束)的標定方法。該方法 的核心是利用徑向 一致約束，來求解除攝像機光軸方向的平移外的其它攝像機 外部參數(shù)，然后再求解攝像機的其它參數(shù)。由于RAC方法考慮了徑向畸變，因 此相比DLT方法，它的^青度更高。 (二)自標定法
1992年,0. D. Faugeras， Q.T. L醒g,和S. J. Maybank首先寸是出了自標定的 概念，使得在場景未知和攝像機任意運動的一般情形下的攝像機標定成為可能。 也就是說，利用自標定方法進行攝像機標定時，不需要標定參照物，僅僅是通 過圖像點之間的對應關(guān)系就可以對攝像機進行標定。自標定依據(jù)的是多幅圖像 中成像點間存在的特殊約束關(guān)系(如^ l線約束)，因此可以不需要場景的結(jié)構(gòu)信 息。常用的自標定方法包括基于Kruppa方程的自標定方法和基于絕對二次曲 面、無窮遠平面的自標定方法等。
但是，在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下的問
題
由于傳統(tǒng)標定法在拍攝和標定過程中 一直需要使用標定參照物，因而給拍 攝操作及標定方法的使用帶來了很大的不便。特別是在一些計算機視覺和攝影 測量任務的執(zhí)行過程中，攝像機的焦距、位置等參數(shù)由于受視覺或測量系統(tǒng)的 機械震動或熱效應影響而變化，或者由于執(zhí)行某一具體的任務而需要有意改變， 從而使得初始的攝像機標定參數(shù)不再有效，因而需要進行在線重標定。而由于 標定參照物的使用和位置調(diào)整將導致在線任務的中斷，所以傳統(tǒng)標定方法不適合在線重標定。而自標定方法的標定精度不高，魯棒性不足；并且利用自標定 方法進行攝像機標定時一般無法獲取攝像機的外部參數(shù)。

發(fā)明內(nèi)容
本發(fā)明的實施例提供一種攝像機的標定方法及裝置，以實現(xiàn)在線攝像機標 定，并提高攝像機標定的精確度。
本發(fā)明實施例攝像機的標定方法采用以下技術(shù)方案 一種攝像機的標定方法包括如下步驟
利用包含有標定參照物的初始圖像，對攝像機進行初始標定，獲取攝像機 的初始標定參數(shù)；
獲取所述已進行初始標定的初始圖像與待標定圖像的匹配特征參數(shù)，其中 所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取的，且所述待標定圖像不包括 所述標定參照物；
利用所述攝像機的初始標定參數(shù)及所述匹配特征參數(shù)，對所述待標定圖像 進行標定，獲取攝像機新的標定參數(shù)。
本發(fā)明實施例攝像機的標定裝置采用以下技術(shù)方案 一種攝像機的標定裝置包括
初始標定參數(shù)獲取單元，用于利用包含有標定參照物的初始圖像，對攝像 機進行初始標定，獲取攝像機的初始標定參數(shù)；
匹配特征參數(shù)獲取單元，用于獲取所述已進行初始標定的初始圖像與待標 定圖像的匹配特征參數(shù)，其中所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取 的，且所述待標定圖像不包括所述標定參照物；
重標定參數(shù)獲取單元，用于利用由所述初始標定參數(shù)獲取單元獲取的攝像 機的初始標定參數(shù)及由所述匹配特征參數(shù)獲取單元獲取的匹配特征參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。
本發(fā)明實施例攝像機的標定方法及裝置，可先對包含有標定參照物初始圖
像進行初始標定，并獲取攝像機的初始標定參數(shù)。當攝<14幾的參數(shù)發(fā)生變化時， 可獲得初始圖像與待標定圖像之間的匹配特征參H繼而通過已經(jīng)獲得的攝像 機的初始標定參數(shù)以及匹配特征參數(shù)，計算出待標定圖像的攝像機參數(shù)。與現(xiàn) 有技術(shù)中的傳統(tǒng)標定法相比，由于本發(fā)明實施例計算出了包含標定參照物的初 始圖像以及不包含標定參照物的待標定圖像之間的匹配特征參數(shù)，因此，當攝 像機的參數(shù)發(fā)生變化時，能夠準確的獲得攝像機的新的標定參數(shù)，實現(xiàn)對攝像 機的在線標定。而相較于現(xiàn)有技術(shù)中的自標定法而言，在進行攝像機的初始標 定時，利用的是包含標定參照物的初始圖像先進行攝像機的初始標定，并以獲 得的攝像機的初始標定參數(shù)作為進行對攝像機進行新的標定的基礎(chǔ)，因此，本 發(fā)明實施例提高了攝像機標定的精確度。


圖1為本發(fā)明實施例一掘/f象機的標定方法的流程圖； 圖2為本發(fā)明實施例二攝像機的標定方法的流程圖； 圖3為本發(fā)明實施例三攝像機的標定裝置的示意圖； 圖4為本發(fā)明實施例三攝像機的標定裝置的結(jié)構(gòu)圖； 圖5為本發(fā)明實施例三中匹配特征參數(shù)獲取單元的示意圖。
具體實施例方式
為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需 要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明 的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。
9為解決現(xiàn)有技術(shù)中的傳統(tǒng)標定法以及自標定法無法實現(xiàn)攝像機的在線標定以及攝像機標定精確度不高的問題，本發(fā)明實施例提供了 一種攝像機標定的方法。下面結(jié)合附圖對本發(fā)明實施例做詳細說明。
實施例一
如圖l所示，本發(fā)明實施例一攝傳4幾的標定方法包括如下步驟
步驟ll、利用包含有標定參照物的初始圖像，對攝像機進行初始標定，獲取攝#4幾的初始標定參凄t 。
在此步驟中，為了保證攝像機標定的精確度，可利用傳統(tǒng)的兩步法，即徑向排列約束標定法進行攝像機標定。當然，還可利用其他的傳統(tǒng)標定法，如DLT方法等對所述初始圖像進行攝像機標定。所述的標定參照物可任意選定。
步驟12、獲取所述已進行初始標定的初始圖像與待標定圖像的匹配特征參數(shù)；其中所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取的，且所述待標定圖像不包括所述標定參照物。
所述的匹配特征參數(shù)包括獲取的匹配特征點，以及所述匹配特征點的像素坐標以及世界坐標等。
在本發(fā)明實施例中，可以利用尺度不變特征變換(SIFT, Scale InvariantFeature Transform),獲取已進4亍初始標定的初始圖^f象與特，標定圖l象的匹配特征參數(shù)。下面對尺度不變特征變換算法作一簡單介紹。尺度不變特征變換算法首先在尺度空間進行特征檢測，并確定關(guān)鍵點的位置和關(guān)鍵點所處的尺度，然后使用關(guān)鍵點鄰域梯度的主方向作為該關(guān)鍵點的方向特征，以實現(xiàn)算子對尺度和方向的無關(guān)性。尺度不變特征變換算法的主要計算步驟如下
1)尺度空間極值檢測搜索整個尺度和圖像位置。通過使用高斯差分函數(shù)確定對尺度和方向具有不變性的興趣點，以初步確定關(guān)鍵點位置和所在尺度。2) 關(guān)鍵點定位在每一個候選位置，詳細地模型擬合以確定所述關(guān)鍵點的位置和尺度，并根據(jù)各關(guān)鍵點的穩(wěn)定性的高低，選擇關(guān)4建點。然后通過擬合三維二次函數(shù)以精確地確定關(guān)鍵點的位置和尺度，同時消除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應點，以增強匹配穩(wěn)定性、提高抗噪聲能力。
3) 方向分配根據(jù)局部圖像梯度，為每一個關(guān)鍵點方向分配一個或多個方向。其后對該關(guān)鍵點的所有操作都根據(jù)為其分配的方向、尺度、位置進行。利用關(guān)鍵點鄰域像素的梯度方向分布特性，為每個關(guān)鍵點指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。
4) 關(guān)鍵點描述符在每個關(guān)鍵點周圍，在選定的尺度下測量局部圖像梯度。為了增強匹配的穩(wěn)健性，對每個關(guān)鍵點使用4 x 4共16個種子點來描述，這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，最終形成128維的SIFT特征向量。
利用尺度不變特征變換算法提取的SIFT特征向量具有如下特性
a) SIFT特征是圖像的局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定；
b) 獨特性(Distinctiveness)好，信息量豐富，適用于在海量特征數(shù)據(jù)庫中進行快速、準確的匹配等。
可利用其他的方法獲得，利用Harris角點提取法等。
步驟13、利用所述攝像機的初始標定參數(shù)及匹配特征參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。
通過上述步驟可以看出，與現(xiàn)有技術(shù)中的傳統(tǒng)標定法相比，由于本發(fā)明實施例計算出了包含標定參照物的初始圖像以及不包含標定參照物的待標定圖像之間的匹配特征參數(shù)，因此，當攝像機的參數(shù)發(fā)生變化時，能夠準確的獲得攝像機的新的標定參數(shù)，實現(xiàn)對攝像機的在線標定。而相4交于現(xiàn)有技術(shù)中的自標定法而言，在進行攝像機的初始標定時，利用的是包含標定參照物的初始圖像先進行攝像機的初始標定，并以獲得的攝像機的初始標定參數(shù)作為進行對攝像機進行新的標定的基礎(chǔ)，因此，本發(fā)明實施例提高了攝像機標定的精確度。實施例二
下面結(jié)合實施例二詳細描述一下，本發(fā)明實施例所述的if像機的標定方法的實現(xiàn)過程。在實施例二中，以選取兩組包含有標定參照物初始圖像為例進行
描述。如圖2所示，實施例二所述的方法包括如下步驟步驟21、獲取進行初始標定的初始圖像。
在標定開始時，利用攝像機拍攝兩組包含有標定參照物的初始圖像，這兩組圖像分別用來提供非共面的特征點。在此，為方便描述，分別將該兩組初始圖像稱為第一組圖像和第二組圖像。在拍攝第二組圖像時，可使攝像機的內(nèi)部參數(shù)和外部參數(shù)相對第一組圖像稍微有所變化，以保證兩組圖像中有一定的相同的內(nèi)容，并可保證攝像機標定的客觀性和準確性。
步驟22、在獲得了初始圖像后，利用角點提取法提取所述初始圖像的特征點。所述的角點提取法包括Harris提取法，SIFT提取法等。但由于Harris角點提取法操作簡便，在此利用其進行特征點提取時能夠保證攝像機標定的效率。其中Harris角點提取法的原理與現(xiàn)有技術(shù)中的相同，在此不再贅述。
步驟23、在提取出特征點后，將這些角點分別在兩組圖像中的像素坐標G,，々)記錄下來，并獲取這些角點對應的世界坐標(&,:^,;)。
步驟24、根據(jù)傳統(tǒng)的兩步法(RAC標定法)，獲取每組圖像所對應的攝像機參數(shù)，包括攝像機的內(nèi)部參數(shù)和外部參數(shù)。其中，傳統(tǒng)的兩步法的計算原理與現(xiàn)有技術(shù)中的相同，在此做簡單描述。說明書第8/15頁
計算攝像機參數(shù)的具體過程如下首先根據(jù)所述特征點的圖像坐標以及所述世界坐標，利用最小二乘法求解超定線性方程，計算攝像機的外部參數(shù)，然后根據(jù)所述特征點的圖像坐標以及所述世界坐標，計算攝像機的內(nèi)部參數(shù)，分別用以下參數(shù)表示
(/1 、 (c),c;)、《、s、《、^、 。'3 、 4、 /-2'2 、 4、《、《2、 。'3 、 "、 g 、"),(/2、 (c,cj)、《、《、^、《、g、《、《、《、《、《、《、r/、"、r/)。其中上標l、 2分別表示第一圖像組和第二組圖像中的相應參數(shù)。其中f
是內(nèi)參焦距(mm)， ( C,,Cy )分別是光心的象素坐標(pix)， ^是攝像機鏡頭徑向畸變的一階系數(shù)，S,是非確定性標度尺寸因子。外部參數(shù)r、 t分別是三維空間
世界坐標系與攝像機坐標系之間的旋轉(zhuǎn)矩陣和平移向量。其中，7;, 7;, 7;是從
世界坐標系到攝像機坐標系變換的沿三個坐標軸的平移量(旋轉(zhuǎn)之后)。其中r,t可以表示成如公示(1)的形式
(1)
如果攝像機坐標系在三維空間世界坐標系下的方向繞X軸逆時針旋轉(zhuǎn)角度"，繞Y軸逆時針旋轉(zhuǎn)角度/ ，繞Z軸逆時針旋轉(zhuǎn)角度p則旋轉(zhuǎn)矩陣為"v^，其中，G， V ^可表示成如公示(2), (3), (4)的形式；
<formula>formula see original document page 13</formula><formula>formula see original document page 14</formula>
(4)
步驟25、在對兩組初始圖像進行完攝像機的初始標定后，移開標定參照物，相對于上述的第二組圖^f象，獲取待標定的圖像。
步驟26、利用尺度不變特征變換提取法提取所述已進行初始標定的初始圖像和待標定圖像的特征點，以便保證提取的特征點對圖像旋轉(zhuǎn)、尺度縮放、平移甚至亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性，且不需要假設(shè)場景中存在角點、直線、圓等固定的幾何特征，從而對拍攝場景沒有限制或要求。其中所述特征點的提取法與實施例一中所述的相同。當然，在此步驟中也可利用Harris角點提取法等進行特征點的提取。
步驟27、將所述已進行初始標定的初始圖像與待標定圖像進行特征點匹配，獲取匹配4#4正點。
匹配特征點的提取是基于SIFT特征的提取方法，具體過程是在第一組圖像或第二組圖像分別選取一幅圖像，從待標定的圖像中選取一幅圖像，在所述選取的兩幅圖像之間進行SIFT特征點匹配，采用兩幅圖像中特征點的特征向量的歐式距離作為兩幅圖像中SI FT特征點的相似性判定度量。
首先，利用尺度不變特征變換提取法，為所述已進行初始標定的初始圖像中的各個特征點，在所述待標定圖像的各特征點中，分別選取與所述已進行初始標定的初始圖像中的相應特征點間的歐式距離最近的特征點和次近的特征點。若所述最近的特征點所對應的歐式距離與所述次近的特征點所對應的歐式距離之間的比例閾值小于預設(shè)值，則所述最近的特征點為所述已進行初始標定的初始圖像中相應特征點的匹配特征點。
例如若假設(shè)已進行初始標定的初始圖像中的特征點分別為P1，P2，P3......
14Pn,在待標定的圖像中的特征點分別為Q1,Q2，Q4……Qm。以Pl點為例，首先在
待標定圖像的特征點中選取與Pl點的歐式距離最近的特征點和次近的特征點， 假設(shè)為分別Q2點和Q3點，那么若Pl點與Q2點之間的歐式距離與Pl點與Q3 點之間的歐式距離之間的比例閾值小于預設(shè)值，則可確定Q2點為Pl點的匹配 特征點。對所述已進行初始標定的初始圖像中的其他特征點，確定其匹配特征 點的過程相同。
該預設(shè)值可以設(shè)為0.6，當然，還可根據(jù)需要設(shè)置為其他的數(shù)值。預設(shè)值設(shè) 置的越小，則兩幅圖像中匹配特征點的個數(shù)就越少，但是攝像機標定的穩(wěn)定性 就越高。
步驟28、分別獲取所述匹配特征點在所述已進行初始標定的包含有標定參 照物的初始圖像中的像素坐標以及在待標定圖像中的^象素坐標。
在具體的查找匹配特征點的過程中，為了保證特征點匹配的正確性，可從 第一組圖像、第二組圖像以及待標定圖像中各選取一幅圖像，可采用"兩兩匹 配"的方式，以確定在三幅圖像中對應同一匹配特征點的像素坐標。
首先利用由所述第一組圖像中選取的圖像，由第二組圖像中選取的圖像， 選取這兩幅圖像中的對應某三維空間特征點A的匹配特征向量^、 F2。然后，將 第 一輪匹配的特征向量^與由待標定圖像中所選取的圖像進行匹配。
若能在由待標定圖像中所選取的圖像中找到匹配的特征向量^,則再以^為 基礎(chǔ)，在由第二組圖像中選取的圖像中尋找匹配的特征向量；若找到的特征向 量正好是K,則表明該特征點A是三幅圖像共有的匹配特征點，特征向量分別 為^、 F2、 r3。然后將從SIFT特征向量Fj、 r2、 ^中抽取出的特征點的象素坐
標記錄下來，分別為(4,力)、(4,《)、(4,《)。這種三幅圖像之間循環(huán)的兩 兩匹配方法能最大可能保證特征點匹配準確性。根據(jù)所述匹配特征點的像素坐標以及攝像機的初始標定參數(shù)，按照公式(5 ) (10)所示的計算所述匹配特征點在理想坐標系下的理想圖像坐標(x^凡)。
& c》
x =&(1 + V2)
義=義
TV
々
m ")
vx/"/ (10)
其中(A,&)是匹配特征點的像素坐標，《,力分別是x方向(掃描線方向) 和y方向相鄰CCD感光單元中心之間的距離(mm); A^是X方向感光單元的數(shù) 目(由攝像機廠家提供)，A^是計算機每行采樣的象素數(shù)目，即圖像的X方向 尺寸(pix個數(shù))。
步驟29、計算所述匹配特征點的世界坐標(Xw,uJ。
在此步驟中，首先利用所述攝像機初始標定的才聶像才幾參凄史，以及所述匹配 特征點的像素坐標，形成超定線性方程組(11);
上-l
-1-1
1J
>1
(AA +(/'《2 +(/v2'3 — = 乂t;1—/r/
(A〗-Ow+(A22 - Ow+(A23 - = xu2rz2—/2rx2 (1"
通過最小二乘法求解所述超定線性方程組，計算出所述匹配特征點的世界
坐標(Xu丄
步驟30、利用上述步驟21-29求出匹配特征點的像素坐標，以及所述匹配 特征點的世界坐標后，即可再次利用傳統(tǒng)的兩步法求解出待標定圖像的攝像機參數(shù)。其中傳統(tǒng)兩步法的計算原理與步驟24中描述的相同。
此后若攝像機參數(shù)再次發(fā)生改變，需要對其他待標定圖像進行標定時，即 可執(zhí)行上述的步驟25 -步驟30即可。
利用實施利一和實施例二的攝像機的標定方法，可先對包含有標定參照物 初始圖像進行初始標定，并獲取攝像機的初始標定參^L當攝像機的參數(shù)發(fā)生 變化時，可獲得初始圖像與待標定圖像之間的匹配特征參數(shù)。繼而通過已經(jīng)獲 得的攝像機的初始標定參數(shù)以及匹配特征參數(shù)，計算出待標定圖像的攝像機參 數(shù)。與現(xiàn)有技術(shù)中的傳統(tǒng)標定法相比，由于本發(fā)明實施例計算出了包含標定參 照物的初始圖像以及不包含標定參照物的待標定圖像之間的匹配特征參數(shù)，因 此，當攝像機的參數(shù)發(fā)生變化時，能夠準確的獲得攝像機的新的標定參數(shù)，實 現(xiàn)對攝像機的在線標定。而相較于現(xiàn)有技術(shù)中的自標定法而言，在進行攝像機 的初始標定時，利用的是包含標定參照物的初始圖像先進行攝像機的初始標定， 并以獲得的攝像機的初始標定參數(shù)作為進行對攝像機進行新的標定的基礎(chǔ)，因 此，本發(fā)明實施例提高了攝像機標定的精確度。
是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算 機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實施例的流程。 其中，所述的存儲介質(zhì)可為^茲碟、光盤、只讀存儲記憶體(Read-0nly Memory, ROM)或卩逸才幾存4諸i己十乙體(Random Access Memory, RAM)等。 實施例三
與本發(fā)明實施例攝像機的標定方法相對應，本發(fā)明實施例三還提供了 一種 攝像機的標定裝置。
如圖3所示，本發(fā)明實施例三所述的攝像機的標定裝置，包括初始標定參數(shù)獲取單元42，匹配特征參數(shù)獲取單元43,以及重標定參數(shù)獲取單元44。
其中，初始標定參數(shù)獲取單元42,用于利用獲取的包含有標定參照物的初 始圖像，對攝像機進行初始標定，獲取攝像機的初始標定參數(shù)；匹配特征參數(shù) 獲取單元43，用于獲取所述已進行初始標定的初始圖像與待標定圖像的匹配特 征參數(shù)；重標定參數(shù)獲取單元44，用于利用由所述初始標定參數(shù)獲取單元42獲
參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。
為進一步提高攝像機標定的效率，如圖4所示，所述裝置還包括圖像獲 取單元41，用于獲取包含有標定參照物的初始圖像，以及用于當攝像機參數(shù)發(fā) 生變化時，獲取不包含所述標定參照物的待標定圖像。
其中，如圖5所示，所述匹配特征參數(shù)獲取單元43包括特征點提取模塊 431，用于提取所述已進行初始標定的初始圖像和待標定圖像的特征點；匹配特 征點提取模塊432，用于將由所述特征點提取模塊431提取的所述已進行初始標 定的初始圖像的特征點與待標定圖像中的特征點進行匹配，獲取匹配特征點； 坐標獲取模塊433,用于根據(jù)所述匹配特征點在已進行初始標定的初始圖像中的 像素坐標、所述匹配特征點在所述待標定圖像中的像素坐標以及所述攝像機的 初始標定參數(shù)，計算所述匹配特征點的世界坐標。所述特征點提取模塊431在 進行特征點提取的過程中，可以采用Harris角點提取法，SIFT提取法等。
為了提高攝像機標定的準確性，所述匹配特征點提取模塊432可包括特 征點選取子模塊4321,用于利用尺度不變特征變換提取法，為所述已進行初始 標定的初始圖像中的各個特征點，在所述待標定圖像的各特征點中，分別選取 與所述已進行初始標定的初始圖像中的相應特征點間的歐式距離最近的特征點 和次近的特征點；匹配特征點確定子^^塊4322，用于在所述最近的特征點所對應的歐式距離與所述次近的特征點所對應的歐式距離之間的比例閾值小于預設(shè) 值時，確定所述最近的特征點為所述已進行初始標定的初始圖像中相應特征點
的匹配特征點。其中所述的預設(shè)值可以為0. 6,或其他任意的數(shù)值。當該預設(shè)值 的值越小時，匹配特征點的個數(shù)越小，但是攝像機標定越穩(wěn)定。
其中所述坐標獲取模塊433包括圖像坐標獲取子模塊4331,用于分別獲 取由所述匹配特征點提取模塊431獲取的匹配特征點，在所述已進行初始標定 的初始圖像中的像素坐標及待標定圖像中的像素坐標；世界坐標獲取子模塊 4332，用于利用所述攝像機的初始標定參數(shù)，以及所述匹配特征點在已進行初 始標定的初始圖像中的像素坐標，形成超定線性方程組，并根據(jù)所述超定線性 方程組，計算出所述匹配特征點的世界坐標。
此時，所述重標定參數(shù)獲取單元44,用于根據(jù)所述世界坐標獲取子模塊4332 計算得到的匹配特征點的世界坐標，以及由所述圖像坐標獲取子模塊4331獲得 的所述匹配特征點在所述待標定圖像中的像素坐標，計算攝像機新的標定參數(shù)。
本發(fā)明實施例三所述的設(shè)攝像機的標定裝置的工作原理，與實施例一和實 施例二所描述的實現(xiàn)過程相同，在此不再贅述。
綜上所述，本發(fā)明實施例攝像機的標定方法及裝置，可先對包含有標定參 照物初始圖像進行初始標定，并獲取攝像機的初始標定參數(shù)。當攝像機的參數(shù) 發(fā)生變化時，可獲得初始圖像與待標定圖像之間的匹配特征參數(shù)。繼而通過已 經(jīng)獲得的攝像機的初始標定參數(shù)以及匹配特征參數(shù)，計算出待標定圖像的攝像 機參數(shù)。與現(xiàn)有技術(shù)中的傳統(tǒng)標定法相比，由于本發(fā)明實施例計算出了包含標 定參照物的初始圖像以及不包含標定參照物的待標定圖像之間的匹配特征參 數(shù)，因此，當攝像機的參數(shù)發(fā)生變化時，能夠準確的獲得攝像機的新的標定參 數(shù)，實現(xiàn)對攝像機的在線標定。而相較于現(xiàn)有技術(shù)中的自標定法而言，在進行攝像機的初始標定時，利用的是包含標定參照物的初始圖像先進行攝像機的初 始標定，并以獲得的攝像機的初始標定參數(shù)作為進行對攝像機進行新的標定的 基礎(chǔ)，因此，本發(fā)明實施例提高了攝像機標定的精確度。
以上所述，僅為本發(fā)明的具體實施方式
，但本發(fā)明的保護范圍并不局限于 此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到 變化或替換，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應 所述以權(quán)利要求的保護范圍為準。
權(quán)利要求
1、一種攝像機的標定方法，其特征在于，所述方法包括如下步驟利用包含有標定參照物的初始圖像，對攝像機進行初始標定，獲取攝像機的初始標定參數(shù)；獲取所述已進行初始標定的初始圖像與待標定圖像的匹配特征參數(shù)，其中所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取的，且所述待標定圖像不包括所述標定參照物；利用所述攝像機的初始標定參數(shù)及所述匹配特征參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。
2、 根據(jù)權(quán)利要求1所述的攝像機的標定方法，其特征在于，獲取所述已進 行初始標定的初始圖像與待標定圖像的匹配特征參數(shù)的步驟包括提取所述已進行初始標定的初始圖像和待標定圖像的特征點； 將所述已進行初始標定的初始圖像與待標定圖像的特征點進行匹配，獲取 匹配4爭;f正點；分別獲取所述匹配特征點在所述已進行初始標定的初始圖像中的像素坐標 及待標定圖像中的像素坐標；根據(jù)所述匹配特征點在已進行初始標定的初始圖像中的像素坐標、所述匹 配特征點在所述待標定圖像中的像素坐標以及所述攝像機的初始標定參數(shù)，計 算所述匹配特征點的世界坐標。
3、 根據(jù)權(quán)利要求2所述的攝像機的標定方法，其特征在于，當利用尺度不 變特征變換提取法時，將所述已進行初始標定的初始圖像與待標定圖像的特征 點進行匹配，獲取匹配特征點的步驟包括為所述已進行初始標定的初始圖像中的各個特征點，在所述待標定圖像的 各特征點中，分別選取與所述已進行初始標定的初始圖像中的相應特征點間的歐式距離最近的特征點和次近的特征點；若所述最近的特征點所對應的歐式距離與所述次近的特征點所對應的歐式 距離之間的比例閾值小于預設(shè)值，則所述最近的特征點為所述已進行初始標定 的初始圖像中相應特征點的匹配特征點。
4、 根據(jù)權(quán)利要求2所述的攝像機的標定方法，其特征在于，根據(jù)所述匹配 特征點在已進行初始標定的初始圖像中的像素坐標、所述匹配特征點在所述待 標定圖像中的像素坐標以及所述攝像機的初始標定參數(shù)，計算所述匹配特征點 的世界坐標的步驟具體為利用所述掘/f象4幾的初始標定參數(shù)，以及所述匹配特征點在已進行初始標定 的初始圖^(象中的^f象素坐標，形成超定線性方程組；根據(jù)所述超定線性方程組，計算出所述匹配特征點的世界坐標。
5、 根據(jù)權(quán)利要求4所述的攝像機的標定方法，其特征在于，利用所述初始 標定參數(shù)及匹配特征參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定 參數(shù)的步驟具體為根據(jù)所述匹配特征點的世界坐標，以及所述匹配特征點在所述待標定圖像 中的像素坐標，計算攝像機新的標定參數(shù)。
6、 一種攝像機的標定裝置，其特征在于，所述裝置包括 初始標定參數(shù)獲取單元，用于利用包含有標定參照物的初始圖像，對攝像機進行初始標定，獲取攝像機的初始標定參數(shù)；匹配特征參數(shù)獲取單元，用于獲取所述已進行初始標定的初始圖像與待標 定圖像的匹配特征參數(shù)，其中所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取 的，且所述待標定圖像不包括所述標定參照物；重標定參數(shù)獲取單元，用于利用由所述初始標定參數(shù)獲取單元獲取的攝像機的初始標定參數(shù)及由所述匹配特征參數(shù)獲取單元獲取的匹配特征參數(shù)，對所 述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。
7、 根據(jù)權(quán)利要求6所述的攝像機的標定裝置，其特征在于，所述裝置還包括圖像獲取單元，用于獲取包含有標定參照物的初始圖像，以及用于當攝像 機參數(shù)發(fā)生變化時，獲取不包含所述標定參照物的待標定圖像。
8、 根據(jù)權(quán)利要求6或7所述的攝像機的標定裝置，其特征在于，所述匹配 特征參數(shù)獲取單元包括特征點提取模塊，用于分別提取所述已進行初始標定的初始圖像的特征點 和所述待標定圖像的特征點；匹配特征點提取模塊，用于將由所述特征點提取模塊提取的所述已進行初 始標定的初始圖像的特征點與所述待標定圖像中的特征點進行匹配，獲取匹配 特征點；坐標獲取模塊，用于根據(jù)所述匹配特征點在已進行初始標定的初始圖像中 的像素坐標、所述匹配特征點在所述待標定圖像中的像素坐標以及所述攝像機 的初始標定參數(shù)，計算所述匹配特征點的世界坐標。
9、 根據(jù)權(quán)利要求8所述的攝像機的標定裝置，其特征在于，所述匹配特征 點提取模塊包括特征點選取子模塊，用于利用尺度不變特征變換提取法，為所述已進行初 始標定的初始圖像中的各個特征點，在所述待標定圖像的各特征點中，分別選 取與所述已進行初始標定的初始圖像中的相應特征點間的歐式距離最近的特征 點和次近的特^E點；匹配特征點確定子模塊，用于在所述最近的特征點所對應的歐式距離與所述次近的特征點所對應的歐式距離之間的比例閾值小于預設(shè)值時，確定所述最 近的特征點為所述已進行初始標定的初始圖像中相應特征點的匹配特征點。
10、 根據(jù)權(quán)利要求9所述的攝像機的標定裝置，其特征在于，所述坐標獲 取模塊包括圖像坐標獲取子模塊，用于分別獲取由所述匹配特征點提取模塊獲取的匹 配特征點，在所述已進行初始標定的初始圖像中的像素坐標及待標定圖像中的 像素坐標；世界坐標獲取子模塊，用于利用所述攝像機的初始標定參數(shù)以及所述匹配 特征點在已進行初始標定的初始圖像中的像素坐標，形成超定線性方程組，并 根據(jù)所述超定線性方程組，獲取所述匹配特征點的世界坐標。
11、 根據(jù)權(quán)利要求IO所述的攝像機的標定裝置，其特征在于， 所述重標定參數(shù)獲取單元，用于根據(jù)所述匹配特征點的世界坐標，以及所述匹配特征點在所述待標定圖像中的像素坐標，計算攝像機新的標定參數(shù)。
全文摘要
本發(fā)明實施例提供一種攝像機的標定方法及裝置，為實現(xiàn)攝像機的在線標定，并提高攝像機標定的精確度而發(fā)明。其中，所述方法包括利用包含有標定參照物的初始圖像，對攝像機進行初始標定，獲取攝像機的初始標定參數(shù)；獲取所述已進行初始標定的初始圖像與待標定圖像的匹配特征參數(shù)，其中所述待標定圖像是在攝像機參數(shù)發(fā)生變化時獲取的，且所述待標定圖像不包括所述標定參照物；利用所述攝像機的初始標定參數(shù)及匹配特征參數(shù)，對所述待標定圖像進行標定，獲取攝像機新的標定參數(shù)。本發(fā)明實施例主要應用于計算機視覺相關(guān)技術(shù)領(lǐng)域。
文檔編號G06T7/00GK101661617SQ20081013092
公開日2010年3月3日 申請日期2008年8月30日 優(yōu)先權(quán)日2008年8月30日
發(fā)明者源 劉, 李燦林, 馬利莊 申請人:深圳華為通信技術(shù)有限公司