基于雙目視覺的三維信息恢復(fù)

工學(xué)碩士學(xué)位論文基于雙目視覺的三維信息恢復(fù)THREEDIMENSIONALINFORMATIONRECOVERYBASEDONBINOCULARVISION學(xué)科專業(yè)控制工程機電工程與自動化學(xué)院二零一六年六月摘要現(xiàn)實世界是一個三維立體世界，通常的二維顯示已很難滿足人們的需求，人們希望能夠真實的還原出空間物體的三維信息。隨著現(xiàn)代信息技術(shù)的飛速發(fā)展，三維顯示技術(shù)不斷走向成熟，它能夠真實再現(xiàn)客觀世界的場景，呈現(xiàn)出場景的深度、層次和真實性。越來越多的3D應(yīng)用正在進(jìn)入并改善著我們的生活。雙目視覺是機器視覺的一種重要形式，具有精度高、擴展能力強大，連續(xù)工作時間長、結(jié)果易于保存和復(fù)制等不可替代的優(yōu)點，是目前應(yīng)用比較廣泛的三維恢復(fù)技術(shù)之一。本文分別對雙目視覺系統(tǒng)的構(gòu)建、雙目攝像機的標(biāo)定、圖像的獲取與預(yù)處理、特征提取與匹配、深度信息恢復(fù)等五個部分進(jìn)行討論與分析，主要的內(nèi)容包括（1）搭建雙目視覺平臺，利用該平臺進(jìn)行圖像的獲取，攝像機的標(biāo)定，雙目立體匹配，以及三維深度信息提取。調(diào)整兩個攝像頭的高度，保證在使用過程中雙目攝像機成像處在同一水平線上，減小系統(tǒng)誤差。（2）結(jié)合平面標(biāo)定模板的攝像機標(biāo)定方法，使用MATLABGUI設(shè)計攝像機標(biāo)定界面，該標(biāo)定界面操作簡單、方便、快捷，簡化了攝像機標(biāo)定工作。首先打印一個標(biāo)準(zhǔn)2D的79（252MM，324MM）棋盤格平面標(biāo)定板，使用左、右攝像機從不同角度各拍攝20張棋盤標(biāo)定模板圖像，輸入到所設(shè)計的攝像機標(biāo)定界面，進(jìn)行標(biāo)定，求解出左、右攝像機參數(shù)。（3）使用已標(biāo)定的雙目攝像機獲取立體圖像對，對獲取的圖像進(jìn)行預(yù)處理，通常獲取的圖像中包含的信息量比較大，而且還有可能摻雜著各種噪聲。因此在進(jìn)行立體匹配之前，需要把復(fù)雜的有噪聲的圖像簡單化。主要是對圖像進(jìn)行灰度化處理、平滑濾波，減少圖像中的噪聲干擾，提高圖像邊緣的可檢測性，為雙目立體匹配打好堅實基礎(chǔ)。（4）雙目立體匹配主要是對待匹配的圖像和參考圖像進(jìn)行特征點的檢測與匹配，得出兩幅圖像上對應(yīng)特征點之間的差異，求出兩幅圖像的視差。選取四組不同的圖像對SIFT和SURF匹配算法在特征點檢測數(shù)量和算法運行時間上進(jìn)行實驗對比，由實驗結(jié)果選擇性能較好的特征匹配算法，對目標(biāo)圖像進(jìn)行匹配，得到視差。（5）三維信息恢復(fù)是通過雙目視覺三角測量原理，計算出目標(biāo)體的深度信息。通過改變雙目視覺系統(tǒng)與目標(biāo)物體的距離，選取測量點進(jìn)行測試，將實驗得到深度信息與真實信息比較，得到系統(tǒng)的誤差大小，實驗結(jié)果表明在雙目視覺系統(tǒng)的測量范圍內(nèi)，本文的雙目視覺系統(tǒng)的總體誤差在5以內(nèi)，誤差較小，為后續(xù)的應(yīng)用奠定了理論基礎(chǔ)。關(guān)鍵詞雙目視覺；攝像機標(biāo)定；立體匹配；三維信息恢復(fù)ABSTRACTTHEREALWORLDISATHREEDIMENSIONALWORLD,USUALLY,2DDISPLAYCANNOTMEETTHENEEDSOFHUMANBEINGSPEOPLEWANTTOBEABLETOTRULYRESTORETHETHREEDIMENSIONALINFORMATIONOFSPACEOBJECTSWITHTHERAPIDDEVELOPMENTOFMODERNINFORMATIONTECHNOLOGY,3DDISPLAYTECHNOLOGYHASBECOMEMATURE,ITCANREPRODUCETHEOBJECTIVEWORLDOFTHESCENE,SHOWINGTHEDEPTHOFTHESCENE,THELEVELANDAUTHENTICITYMOREANDMORE3DAPPLICATIONSAREENTERINGANDIMPROVINGOURLIVESBINOCULARVISIONISANIMPORTANTFORMOFMACHINEVISION,HASTHEADVANTAGESOFHIGHPRECISION,POWERFULEXPANSIONABILITY,LONGCONTINUOUSWORKINGTIME,RESULTSAREEASYTOSTOREANDCOPYIRREPLACEABLEBINOCULARVISIONISONEOFTHEMOREWIDELYUSED3DRECOVERYTECHNIQUESTHECONSTRUCTIONOFBINOCULARVISIONSYSTEM,BINOCULARCAMERACALIBRATION,IMAGEACQUISITIONANDPREPROCESSING,FEATUREEXTRACTIONANDMATCHING,DEPTHINFORMATIONRECOVERYAREDISCUSSEDANDANALYZEDINTHISARTICLE,MAINLYCOMPLETEDTHEFOLLOWINGWORK1BUILDAPLATFORMOFBINOCULARVISIONANDUSETHISPLATFORMFORIMAGEACQUISITION,CAMERACALIBRATION,BINOCULARSTEREOMATCHING,DEPTHANDTHREEDIMENSIONALINFORMATIONEXTRACTIONADJUSTTHEHEIGHTOFTHETWOCAMERAS,GUARANTEEINTHEPROCESSOFUSINGBINOCULARBINOCULARCAMERAIMAGINGATTHESAMELEVEL,REDUCETHESYSTEMERROR2COMBINEDWITHTHECAMERACALIBRATIONMETHODOFPLANECALIBRATIONTEMPLATE,USINGMATLABGUIDESIGNCAMERACALIBRATIONINTERFACE,THECALIBRATIONINTERFACEISSIMPLE,CONVENIENTANDFAST,ANDSIMPLIFIESFIRSTLYPRINTASTANDARD2D79252MM,324MMCHECKERBOARDPLANARCALIBRATIONBOARD,USETHELEFTANDRIGHTCAMERASSHOOTING20ACHESSBOARDCALIBRATIONTEMPLATEIMAGEFROMDIFFERENTANGLES,INPUTTOCAMERACALIBRATIONINTERFACEDESIGNEDTOCAMERACALIBRATIONANDSOLVETHELEFTANDRIGHTCAMERAPARAMETERS3USINGTHECALIBRATEDBINOCULARCAMERATOOBTAINTHESTEREOIMAGE,BEFORESTEREOMATCHING,COMPLICATEDNOISYIMAGENEEDSTOBEPREPROCESSEDMAINLY,SMOOTHINGFILTERINGFORGRAYIMAGETOREDUCETHEINTERFERENCEOFTHENOISEOFIMAGETOENHANCEIMAGES,IMPROVEIMAGECONTRAST,IMPROVETHEDETECTIONOFIMAGEEDGE,PROVIDEDASOLIDFOUNDATIONFORSTEREOMATCHING4BINOCULARSTEREOMATCHINGISMAINLYTODEALWITHTHEMATCHINGIMAGEANDREFERENCEIMAGETODETECTANDMATCHTHEFEATUREPOINTS,ANDTOFINDOUTTHEDISPARITYBETWEENTHETWOIMAGESSELECTFOURDIFFERENTSETSOFIMAGESTOSIFTANDSURFMATCHINGALGORITHMINNUMBEROFFEATUREPOINTSDETECTIONANDRUNNINGTIMEOFTHEALGORITHMWERECOMPAREDACCORDINGTOTHEEXPERIMENTALRESULTS,WESELECTBETTERPERFORMANCEOFTHEFEATUREMATCHINGALGORITHMTOMATCHTHETARGETIMAGEANDOBTAINTHEDISPARITYVALUE53DINFORMATIONRECOVERYISTHROUGHTHEBINOCULARVISUALTRIANGULATIONPRINCIPLECALCULATEDTHEDEPTHINFORMATIONOFTHEOBJECTBYCHANGINGTHEDISTANCEBETWEENTHEBINOCULARVISIONSYSTEMANDTHEOBJECT,THEMEASUREMENTPOINTSARESELECTEDTOBETESTEDTHEEXPERIMENTALRESULTSARECOMPAREDWITHTHEREALINFORMATION,ANDTHEERRORSIZEOFTHESYSTEMISOBTAINEDTHEEXPERIMENTALRESULTSSHOWTHATINTHEMEASUREMENTRANGETHETOTALERROROFTHEBINOCULARVISIONSYSTEMISLESSTHAN5THISLAYSTHETHEORETICALFOUNDATIONFORTHEFOLLOWINGAPPLICATIONKEYWORDSBINOCULARVISIONCAMERACALIBRATIONSTEREOMATCHINGTHREEDIMENSIONALINFORMATIONRECOVERY目錄摘要VABSTRACTVII目錄IX第一章緒論111研究的背景與意義112國內(nèi)外研究概況2121國外研究概況3122國內(nèi)發(fā)展現(xiàn)狀與前景分析413論文主要工作和結(jié)構(gòu)安排5131主要工作5132結(jié)構(gòu)安排6第二章攝像機標(biāo)定及其界面設(shè)計821攝像機模型8211圖像坐標(biāo)系、攝像機坐標(biāo)系與世界坐標(biāo)系9212線性攝像機模型13213非線性攝像機模型15214鏡頭畸變的校正1722攝像機標(biāo)定18221線性攝像機標(biāo)定19222雙目視覺攝像機標(biāo)定2223攝像機標(biāo)定界面設(shè)計2324本章小結(jié)29第三章圖像預(yù)處理與邊緣檢測3131圖像獲取3132圖像預(yù)處理32321灰度變換32322平滑濾波3433邊緣檢測37331邊緣檢測理論38332邊緣檢測算子39333實驗結(jié)果與分析4234本章小結(jié)44第四章雙目立體匹配算法4541立體匹配原理45411匹配基元的正確選擇45412匹配約束條件45413匹配算法分類4742特征點檢測47421基于改進(jìn)的HARRIS角點檢測算法47422角點檢測結(jié)果對比5043特征匹配算法52431基于SIFT的立體匹配算法52432基于SURF的立體匹配算法59433SIFT、SURF算法對比分析6244本章小結(jié)66第五章三維信息恢復(fù)6751雙目視覺三角測量原理6752系統(tǒng)組成69521硬件組成69522系統(tǒng)工作流程7053三維信息恢復(fù)實現(xiàn)71531攝像機標(biāo)定實現(xiàn)71532雙目立體匹配實現(xiàn)77533三維深度信息提取78534誤差分析8254本章小結(jié)82第六章總結(jié)與展望8361總結(jié)8362展望83參考文獻(xiàn)85作者在攻讀碩士學(xué)位期間發(fā)表的論文91作者在攻讀碩士學(xué)位期間參與的項目92致謝93第一章緒論11研究的背景與意義機器視覺1最先應(yīng)用的領(lǐng)域是工業(yè)制造，因為通過機器視覺的自動識別功能，可以非常好的代替人眼識別。在一些不適合于人工作業(yè)的危險工作環(huán)境或人眼視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；在大批量工業(yè)生產(chǎn)過程中，不再依靠人來完成，用人眼視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。機器視覺就是利用機器來代替人的眼睛，不僅要獲取簡單的圖像而且要通過機器本身的機器視覺系統(tǒng)對所獲圖像的各種信息進(jìn)行處理、分析和計算，并對計算結(jié)果做出相應(yīng)的定量解釋和定性分析，從而進(jìn)行相應(yīng)的決策3。在工業(yè)方面，隨著工業(yè)40的興起帶動機器視覺升級，對機器視覺設(shè)備需求大幅增溫。相關(guān)產(chǎn)品開發(fā)商正著力研發(fā)3D視覺感測技術(shù)，讓機器視覺設(shè)備不僅能判斷物件顏色，更能辨別出質(zhì)感和空間位置，大幅提高辨識精準(zhǔn)度，以滿足更精密的自動化控制應(yīng)用。在生活娛樂方面，虛擬現(xiàn)實（VR）最為火爆，虛擬現(xiàn)實技術(shù)就是利用計算機生成一種模擬環(huán)境讓參與者置身于計算機生成的三維圖像世界中，感受逼真的三維世界。在VR系統(tǒng)中，雙目立體視覺起了很大作用。通過對攝像頭的實時畫面進(jìn)行分析，采用立體視覺技術(shù)來獲取圖像的深度圖，得出深度信息進(jìn)而可以感知深度。對于人來說，人眼是高級的視覺系統(tǒng)，人的視覺系統(tǒng)具有識別能力強、分辨率高、能快速適應(yīng)靈活多變的外部環(huán)境等優(yōu)點。但也有其自身的缺點，例如人的雙眼不能長時間的工作，否則獲取外界信息的能力就會降低，人眼在特定的環(huán)境時，它的識別能力也有一定的限制，還有就是受情緒的影響很大。表11是機器視覺與人眼視覺在不同類別下的對比。表11機器視覺與人眼視覺比較類別人眼視覺機器視覺適應(yīng)性適應(yīng)性強，可在復(fù)雜及變化的環(huán)境中識別目標(biāo)適應(yīng)性差，易受背景及環(huán)境變化的影響智能具有高級智能智能很差，不能很好地識別變化的目標(biāo)灰度分辨力差，一般能分辨64個灰度級強，具有多個灰度級速度01秒的視覺暫留使人眼無法看清楚快速運動的目標(biāo)快門時間可達(dá)到10微妙左右，處理器的速度越來越快運動分析定量分析定量分析，但受限制感光范圍400NM750NM范圍的可見光紫外光、紅外光、可見光環(huán)境要求對環(huán)境溫度、濕度的適應(yīng)性差對環(huán)境適應(yīng)性強觀測精度精度低，無法量化精度高，可到微米級，易量化測距可以定量估計能力非常有限二維描述高度發(fā)達(dá)對目標(biāo)能較好的描述三維描述高度發(fā)達(dá)非常低級其他主觀性，受情緒影響，易疲勞客觀性，可連續(xù)工作12國內(nèi)外研究概況隨著計算機技術(shù)的快速發(fā)展，機器視覺也相應(yīng)地獲得了飛速發(fā)展，一些新概念、新方法和新理論相繼出現(xiàn)，與之相關(guān)的機器視覺的成本也隨之大幅度的降低，機器視覺具有非常突出的特點，符合現(xiàn)代工業(yè)的發(fā)展要求，使得機器視覺在世界范圍內(nèi)得到了廣泛的應(yīng)用2。全球范圍內(nèi)，機器視覺產(chǎn)業(yè)主要在北美、歐洲以及日本地區(qū)發(fā)展迅速，正處于產(chǎn)業(yè)成熟期，在工業(yè)40等市場熱點的推動下，歐美、日本等國在機器視覺技術(shù)方面將會有不斷的發(fā)展與創(chuàng)新，國際市場上的機器視覺規(guī)模不斷的增長。另外，中國機器視覺市場正在繼北美、歐洲和日本之后，成為該領(lǐng)域世界第四大市場，占81（如圖11所示），正在引起世界各大廠商越來越多的重視。01203405607北美歐洲日本中國其他6114950840710圖11全球機器視覺市場地區(qū)分布圖121國外研究概況在國際上，歐美、日本等發(fā)達(dá)的國家和地區(qū)利用堅實的、強大的工業(yè)基礎(chǔ)，投入大量的人力、財力、物力來研究和開發(fā)機器視覺，不僅在硬件方面開發(fā)投入使用，而且對軟件也進(jìn)行不斷升級，提高算法的優(yōu)越性。通過理論與實際應(yīng)用的結(jié)合，不斷將理論研究投入到實際應(yīng)用中去，致使機器視覺不斷的發(fā)展進(jìn)步，取得了非常好的成果。例如，華盛頓大學(xué)與微軟公司合作為火星衛(wèi)星“探測者”號研制了寬基線立體視覺系統(tǒng)，使“探測者”號能夠在火星上對其即將跨越的幾千米內(nèi)的地形進(jìn)行精確的定位導(dǎo)航3。系統(tǒng)采用非線性優(yōu)化得到兩次拍攝圖像時攝像機的相對準(zhǔn)確的位置，利用魯棒性強的最大似然概率法結(jié)合高效的立體搜索進(jìn)行圖像匹配，得到亞像素精度的視差，并根據(jù)此視差計算圖像對中各點的三維坐標(biāo)。日本大阪大學(xué)自主開發(fā)了一套自適應(yīng)雙目視覺伺服系統(tǒng)，該自適應(yīng)雙目視覺系統(tǒng)對未知運動方式的目標(biāo)物體能夠?qū)崿F(xiàn)非常好的自適應(yīng)跟蹤4。美國麻省理工學(xué)院利用雙目立體視覺系統(tǒng)，通過三角測量原理求出目標(biāo)物體的深度信息，再采用改進(jìn)圖像分割方法，可以在非常快速的環(huán)境中對視頻圖像進(jìn)行目標(biāo)物體位置的分割，并取得了非常好的效果5。日本東京大學(xué)機將機器人整體姿態(tài)信息整合到實時雙目立體視覺系統(tǒng)中，整合之后的雙目立體視覺系統(tǒng)可以對機器人進(jìn)行導(dǎo)航，實時的躲避障礙物6。由于機器視覺本身的結(jié)構(gòu)就非常的復(fù)雜，所以只能不斷的進(jìn)行科學(xué)研究與創(chuàng)新。雖然機器視覺技術(shù)還面臨很多問題，但是發(fā)達(dá)國家和地區(qū)在這一領(lǐng)域仍然處于國際領(lǐng)先地位。122國內(nèi)發(fā)展現(xiàn)狀與前景分析隨著我國經(jīng)濟(jì)的快速發(fā)展，對機器視覺技術(shù)的需求越來越廣泛，推動了機器視覺技術(shù)的迅速發(fā)展，國內(nèi)相關(guān)高校、研究所和企業(yè)在機器視覺技術(shù)領(lǐng)域不斷的進(jìn)行積極的探索和大膽的嘗試，將視覺理論與實際應(yīng)用緊密結(jié)合，并逐步將機器視覺技術(shù)應(yīng)用到工業(yè)生產(chǎn)。比如，西北工業(yè)大學(xué)博士研究生針對雙目視覺系統(tǒng)結(jié)構(gòu)，采用三角法建立了雙目視覺測量系統(tǒng)的結(jié)構(gòu)參數(shù)模型，分析雙目視覺系統(tǒng)結(jié)構(gòu)參數(shù)與空間被測點之間的關(guān)系特性，研究各結(jié)構(gòu)參數(shù)對測量精度誤差分布的影響，通過仿真實驗給出了小誤差時的結(jié)構(gòu)參數(shù)的最佳取值范圍7。上海大學(xué)通信與信息工程學(xué)院提出了基于神經(jīng)網(wǎng)絡(luò)的雙目立體視覺攝像機標(biāo)定方法8。首先對攝像機進(jìn)行線性標(biāo)定，然后通過網(wǎng)絡(luò)訓(xùn)練建立起三維空間點位置補償?shù)亩鄬忧梆伾窠?jīng)網(wǎng)絡(luò)模型，此方法對雙目立體視覺攝像機的標(biāo)定具有較好的通用性。東南大學(xué)在雙目視覺基礎(chǔ)上提出了新的特征匹配算法，該特征匹配算法能夠完成非接觸式的測量，并且測量精度較高，該匹配算法對測量的對象沒有特殊的要求，可以是三維不規(guī)則的偏轉(zhuǎn)線圈8。浙江大學(xué)機械學(xué)院通過建立雙目立體視覺系統(tǒng)，采用透視成像的原理對多自由度的機械設(shè)備進(jìn)行檢測，可以實現(xiàn)精確的位姿動態(tài)檢測，取得了較好的成效9。哈爾濱工業(yè)大學(xué)提出了異構(gòu)雙目活動視覺系統(tǒng)，該雙目活動視覺系統(tǒng)能夠?qū)θ灾鞯淖闱驒C器人進(jìn)行導(dǎo)航，實現(xiàn)足球機器人的一系列動作10。維視圖像公司采用雙目相機，從相機內(nèi)參數(shù)標(biāo)定、鏡頭畸變標(biāo)定、雙目立體匹配等方面取得了非常好的效果。該系統(tǒng)可以實現(xiàn)機器人導(dǎo)航、微操作系統(tǒng)的參數(shù)檢測、三維測量和虛擬現(xiàn)實等應(yīng)用。還有的高校與相關(guān)機器視覺的企業(yè)進(jìn)行密切的合作，將機器視覺理論研究與企業(yè)相結(jié)合，把研究成果落到實處，逐漸地應(yīng)用到現(xiàn)實生活中，同時企業(yè)也不斷的加大投入，取得了全面的發(fā)展和改進(jìn)，獲得了一定的成果。我國的機器視覺應(yīng)用范圍涵蓋了工業(yè)生產(chǎn)、農(nóng)業(yè)生產(chǎn)、軍事、航空航天、氣象預(yù)測、天文觀測、公安偵查、交通運輸管理、食品藥品安全、科學(xué)研究等各行各業(yè)。在我國，機器視覺較發(fā)達(dá)國家起步較晚，機器視覺行業(yè)存在非常大的發(fā)展空間，行業(yè)市場規(guī)模在不斷擴大，對機器視覺的需求巨大。13論文主要工作和結(jié)構(gòu)安排131主要工作本論文以機器視覺理論為基礎(chǔ)，主要從系統(tǒng)的搭建、攝像機的標(biāo)定及界面設(shè)計、圖像濾波與邊緣檢測、特征點的檢測與立體匹配算法、深度信息的提取等部分對雙目視覺進(jìn)行了研究與實驗，詳細(xì)講解了基于雙目視覺的三維信息恢復(fù)。所做的主要工作如下（1）研究了雙目視覺理論知識，搭建了本文的雙目視覺平臺，利用該平臺進(jìn)行圖像的獲取，攝像機的標(biāo)定，雙目立體匹配，以及三維深度信息提取。調(diào)整兩個攝像頭的高度，保證在使用過程中雙目攝像機成像處在同一水平線上，減小系統(tǒng)誤差。（2）通過對攝像機標(biāo)定技術(shù)的學(xué)習(xí)，結(jié)合張正友平面棋盤格標(biāo)定法，使用MATLABGUI設(shè)計出攝像機標(biāo)定界面，該標(biāo)定界面既可以標(biāo)定單目視覺的攝像機，也可以同時標(biāo)定雙目視覺的左、右兩個攝像機。制作平面棋盤格標(biāo)定板，使用左、右兩個攝像機各拍攝20幅標(biāo)定板圖像，輸入到標(biāo)定界面，計算出攝像機的相關(guān)參數(shù)。（3）詳細(xì)分析了改進(jìn)的HARRIS角點檢測算法，通過對五組不同的圖像進(jìn)行角點檢測實驗，從實驗結(jié)果可以看出，改進(jìn)后的算法，即加入?yún)^(qū)域像素的相似度優(yōu)化的HARRIS角點檢測算法檢測出的角點數(shù)量增加，并且算法核心部分的平均消耗時間比未優(yōu)化的算法提高了20左右。（4）對SIFT特征匹配算法與SURF特征匹配算法進(jìn)行了詳細(xì)的分析，通過多組實驗直觀的比較兩種匹配算法在特征點檢測和算法運行時間上的性能，結(jié)合實驗結(jié)果分析兩種匹配算法的優(yōu)缺點。根據(jù)本文后續(xù)的應(yīng)用，將雙目視覺應(yīng)用于掃地機器人導(dǎo)航，避障，選取綜合性能較好的SURF匹配算法，進(jìn)行雙目立體匹配，獲取視差，為后續(xù)的三維信息提取做準(zhǔn)備。（5）使用已標(biāo)定的雙目攝像機獲取目標(biāo)物體圖像，根據(jù)雙目視覺三角測量原理得出的深度信息計算公式，求出目標(biāo)物體的深度信息。改變目標(biāo)物體與雙目攝像機的距離，通過多組實驗測量雙目攝像機與目標(biāo)物體的距離，比較真實距離與雙目視覺測量距離的誤差，由多組實驗結(jié)果可以看出，在雙目攝像機成像范圍內(nèi)，本文的雙目視覺系統(tǒng)的測量誤差總體保持在5以內(nèi)，為采用雙目視覺系統(tǒng)進(jìn)行導(dǎo)航、避障的掃地機器人應(yīng)用提供了理論支持。132結(jié)構(gòu)安排論文具體結(jié)構(gòu)安排如下第一章為緒論，介紹了機器視覺研究的背景與意義，國內(nèi)外研究的概況。總結(jié)本人所做的工作，并對論文的結(jié)構(gòu)作了安排。第二章對攝像機成像的幾何模型，攝像機坐標(biāo)系統(tǒng)，圖像坐標(biāo)系和世界坐標(biāo)三者三者之間的關(guān)系以及攝像機鏡頭畸變的校正進(jìn)行了簡要介紹，分析了線性攝像機標(biāo)定的原理以及雙目攝像機的標(biāo)定方法，并介紹使用MATLABGUI設(shè)計的攝像機標(biāo)定界面，該界面操作簡單、方便、快捷，可以很好的對攝像機參數(shù)進(jìn)行標(biāo)定。第三章基于MATLAB的圖像處理，主要是對獲取來的原始圖像進(jìn)行灰度化處理、圖像濾波處理以及圖像的邊緣檢測。圖像濾波是為了改善圖像的質(zhì)量，從圖像中剔除不相關(guān)的信息，以還原圖像中真實的和有用的信息。經(jīng)過預(yù)處理后的圖像只帶有邊緣信息，簡化圖像信息的同時增強了邊緣信息，從而提高了后續(xù)的特征提取、匹配的可靠性。第四章是雙目立體匹配算法，介紹了特征匹配的基元選擇，匹配約束條件，匹配方法的分類以及SIFT特征匹配算法、SURF特征匹配算法。研究基于HARRIS算子的特征點提取方法，并在HARRIS角點檢測算法進(jìn)行閥值判斷之前加入圖像區(qū)域像素的相似度優(yōu)化，提高特征點檢測效果。選取四組不同的圖像進(jìn)行實驗，對SIFT特征匹配算法和SURF特征匹配算法的性能進(jìn)行對比，結(jié)合實驗結(jié)果選擇合適的特征匹配算法，獲取視差。第五章是三維信息恢復(fù)，對雙目立體視覺三維信息恢復(fù)的原理進(jìn)行分析，簡化三角測量原理獲得三維深度信息，推到出深度信息的計算公式，并利用標(biāo)定得到攝像機內(nèi)部參數(shù)與匹配得到的視差值，計算目標(biāo)物體的三維深度信息。通過改變雙目攝像機與目標(biāo)物體之間的距離進(jìn)行不同的實驗，由實驗結(jié)果分析了誤差大小和來源。第六章是對論文研究工作進(jìn)行總結(jié)，并在此基礎(chǔ)上對本文研究工作中存在的不足之處提出了進(jìn)一步的研究和改進(jìn)方向。第二章攝像機標(biāo)定及其界面設(shè)計機器視覺應(yīng)用中，為確定空間物體上的三維坐標(biāo)點與其在圖像中對應(yīng)點之間的相互關(guān)系，必須建立攝像機成像的幾何模型，該幾何模型參數(shù)就是攝像機參數(shù)，求解參數(shù)的過程就稱為攝像機標(biāo)定1112。攝像機參數(shù)的標(biāo)定是非常關(guān)鍵的環(huán)節(jié)，其標(biāo)定結(jié)果的精度直接影響攝像機工作產(chǎn)生結(jié)果的準(zhǔn)確性。因此，做好攝像機標(biāo)定是做好后續(xù)工作的前提。21攝像機模型攝像機成像的過程如圖21所示，二維圖像上的每個點與三維空間物體表面相對應(yīng)的點幾何位置有關(guān)，這些在攝像機二維圖像上的點的位置與空間點之間的相互關(guān)系，由攝像機成像幾何模型來確定，攝像機成像幾何模型的參數(shù)稱為攝像機參數(shù)。在實際應(yīng)用中，攝像機的幾何模型通常用數(shù)學(xué)模型來描述，它可以分為線性模型（也稱為針孔模型）和非線性模型1314。外參數(shù)攝像機內(nèi)參數(shù)攝像機圖21圖像形成過程211圖像坐標(biāo)系、攝像機坐標(biāo)系與世界坐標(biāo)系如圖22所示，建立以像素為單位的平面直角坐標(biāo)系。以像素為單位VU的坐標(biāo)系的橫坐標(biāo)與縱坐標(biāo)分別是該像素點在攝像機二維圖像中相應(yīng)的列數(shù)UV與行數(shù)15。O0O1U0,V0UVYX圖22圖像坐標(biāo)系由于坐標(biāo)系只代表二維圖像中像素點的列數(shù)與行數(shù)，而像素點在二維,VU圖像中的位置關(guān)系沒有用物理單位表示出來，所以，還需要建立用物理單位（比如單位為毫米）來表示的圖像坐標(biāo)系。將攝像機的光軸與二維圖像平Y(jié)X面的交點定義為圖像坐標(biāo)系的原點為，該點一般位于二維圖像平面的中心1O1處，也稱為攝像機圖像的主點。并且圖像坐標(biāo)系的軸與像素為單位坐標(biāo)系下的軸平行，圖像坐標(biāo)系的軸與像素為單位坐標(biāo)系下的軸平行。假設(shè)UYV代表在坐標(biāo)系下的坐標(biāo)，與分別表示每個像素點在圖像坐,0V1OVUDXY標(biāo)系橫軸和縱軸上的長度與寬度大小。圖像中的每個像素點在坐標(biāo)系XVU中的坐標(biāo)和在坐標(biāo)系中的坐標(biāo)之間都存在如下的轉(zhuǎn)換關(guān)系Y0VDYUX（21）假設(shè)式（21）中物理坐標(biāo)系中的單位為毫米，那么的單位為DX，那么的單位就是像素，即和的單位一樣都是像素。像素毫米DXU將式（21）轉(zhuǎn)化為矩陣形式1011VDYVU（22）式（22）的逆關(guān)系式可表示為101VUDYXDXY（23）攝像機可以放置在三維空間中的任意位置，這就需要由軸構(gòu)成的WZYX,世界坐標(biāo)系來描述攝像機的空間坐標(biāo)。圖23所示是攝像機成像幾何關(guān)系，其中點是攝像機的中心，軸和軸與圖像平面的的軸與軸平行，軸為OCXCYXYC攝像機的光軸。攝像機光軸與二維圖像平面的交點，稱為圖像坐標(biāo)系的原點，1O由點與軸構(gòu)成攝像機坐標(biāo)系，的長度為攝像機的焦距。CZYX,1OF世界坐標(biāo)系是用來描述攝像機在空間中的位置，并且三維空間中的任何物體的位置信息也可以用世界坐標(biāo)系來描述，如圖23中坐標(biāo)系稱為WZYX世界坐標(biāo)系，旋轉(zhuǎn)矩陣和平移矩陣表示從世界坐標(biāo)系到相機坐標(biāo)系的轉(zhuǎn)換。RT假設(shè)空間一點在世界坐標(biāo)系下的齊次坐標(biāo)是，在攝像機坐標(biāo)下PTWZYX1,的齊次坐標(biāo)是，則攝像機坐標(biāo)系下的坐標(biāo)與世界坐標(biāo)系下的坐標(biāo)TCZYX1,有如下的轉(zhuǎn)換關(guān)系110WWTCCZYXMTRZ（24）其中，為是的正交單位矩陣，也稱為旋轉(zhuǎn)矩陣，是三維的平移矩陣。R3T矢量，是的矩陣。0,1M4,CCCZYXPCZWOWXWYWZ1OXYOCXCYP圖23攝像機坐標(biāo)系與世界坐標(biāo)系OCYXPQCZYXPQ0,TR圖24攝像機坐標(biāo)系與世界坐標(biāo)系之間的轉(zhuǎn)換關(guān)系如圖24所示，從攝像機坐標(biāo)系下到世界坐標(biāo)系下的轉(zhuǎn)換，是通過旋轉(zhuǎn)矩陣和平移矩陣來實現(xiàn)。RT在三維空間中，可以將旋轉(zhuǎn)變換拆解為繞各自軸，軸，軸的二維旋轉(zhuǎn)XYZ的組合形式，其中旋轉(zhuǎn)的軸線的度量保持不變。最終一個旋轉(zhuǎn)變換可以等價于在另一個不同的坐標(biāo)系下對點位置的重新描述。圖25所示的是繞三個坐標(biāo)軸旋轉(zhuǎn)不同角度。XYZYZXZYXXYZZXY圖25坐標(biāo)旋轉(zhuǎn)示意圖如果按照順序分別繞軸旋轉(zhuǎn)角度，和，那么最終的旋轉(zhuǎn)矩陣RZYX,是矩陣、矩陣以及矩陣的乘積，其中XRZRCOSIN0I01XR（25）（26）COS0SIN1IY1IZR（27）因此，旋轉(zhuǎn)矩陣ZYXR平移矩陣用來表示將一個坐標(biāo)系下的原點轉(zhuǎn)換到另一個坐標(biāo)系下的原點，T或者說平移向量是轉(zhuǎn)換之后的第一個坐標(biāo)系原點與第二個坐標(biāo)系原點之間存在的偏差。假設(shè)空間一點在世界坐標(biāo)系的下的坐標(biāo)轉(zhuǎn)換到在攝像機坐標(biāo)系下之0P后，該點坐標(biāo)變?yōu)辄c的坐標(biāo)，這兩者的關(guān)系表示為，則可OPC0TPRC以用三個角度，和表示繞不同坐標(biāo)軸的三維旋轉(zhuǎn)變換，用三個參數(shù)表示三維平移。,ZYX212線性攝像機模型用線性模型（針孔模型）表示任一點在像平面中的投影位置，,CZYXP任一點的投影點都是（即光心，也是投影中心）與點,CZYXP,YXPO的連線與圖23中像平面的交點。對應(yīng)比例關(guān)系可得,CZFYYXXC（28）在攝像機坐標(biāo)系內(nèi)，由三角形相似性原理可得，表示焦距，單ZXFXCF為毫米。將式（28）寫成齊次坐標(biāo)與矩陣的形式為101CCCZYXFZYX（29）將式（22）與（23）代入式（29），得到點坐標(biāo)與投影點的坐標(biāo)PP的關(guān)系為,VU1010011WTCZYXTRFVDYUXZVUWWTYXXMZYXTRVKU2101（210）其中，；為投影矩陣，完全取決于DXFKXYFKYM431四個參數(shù)，矩陣中的參數(shù)就是攝像機的內(nèi)部參數(shù)，矩陣中的0,VUKYX12M參數(shù)是攝像機的外部參數(shù)，攝像機外部參數(shù)完全由攝像機坐標(biāo)系相對于世界坐標(biāo)系的空間位置轉(zhuǎn)換關(guān)系確定。如果已知攝像機的內(nèi)部參數(shù)和攝像機的外部參數(shù)之后，可以通過式（210）求出矩陣。則對空間中的一點，坐標(biāo)為，就可以逆向的求解MTWZYXP1,出與點相對應(yīng)的圖像中點的位置為。當(dāng)已知投影矩陣和時，式PP,VUMWX（210）給出的三個方程中，消去就可以解出的值，反之則不成立，如CZ,果想求解空間點的坐標(biāo)，知道了空間點對應(yīng)的圖像點的位置，經(jīng)管PPP,VU再已知攝像機內(nèi)外參數(shù)，也是不能唯一的確定圖像點對應(yīng)的空間點的值。WX在式（210）中，是的不可逆矩陣，盡管已知了投影矩陣和圖像位置M43M，消去式（210）中的，但是這樣僅僅只能得到關(guān)于的兩個,VUCZWZY,線性方程組，由這兩個線性方程所構(gòu)成的方程組都是射線的方程，也就是OP說，投影點為的全部空間點均在該射線上，如圖23所示，當(dāng)已知攝像機POP圖像中的點時，由線性攝像機成像幾何模型可知，對于任何的空間點，只要該空間點位于射線上，則該空間點所對應(yīng)的攝像機圖像上的點都是點，OPP所以，這樣的空間點有無數(shù)多個，很難唯一的確定。將式（29）寫成歸一化形式，得10101WCZYXFZYX（211）將式（22）帶入式（211），得到1010101WCZYXFVDYUXZVU1010WYXZYXVKU（212）定義歸一化圖像坐標(biāo)為,NYX1011VUKYN（213）由式（212）與式（213）可得101CCCNZYXZYX（214）所以，式（214）中，與，的關(guān)系為NXYCXYCCZCNZYY（215）213非線性攝像機模型非線性的攝像機模型，是指攝像機在成像過程存在畸變與小孔成像模型所成的像有差別。在有畸變的情況下，需要一個非線性的攝像機模型來描述這種畸變，便于后續(xù)對攝像機畸變進(jìn)行有效的校正。攝像機畸變的校正首先需要通過攝像機標(biāo)定獲得攝像機的內(nèi)部參數(shù)矩陣和畸變參數(shù)，得到這些參數(shù)之后才能對存在畸變的圖像進(jìn)行校正。對于有的攝像機透鏡系統(tǒng)在設(shè)計或裝配過程中可能會引起圖像點的偏離，導(dǎo)致攝像機成像出現(xiàn)誤差，這種誤差被稱為光學(xué)畸變，如圖26所示。,ZYXFXYZXY,DDYXI圖26畸變示意圖攝像機的畸變類型有很多種，主要可以分為偏心畸變、薄棱鏡畸變和徑向畸變。徑向畸變會在徑向位置上產(chǎn)生偏差，薄棱鏡和偏心畸變主要會產(chǎn)生徑向和切向兩個方向上的偏差。徑向畸變主要由攝像機鏡頭形狀因素引起，這種畸變關(guān)于攝像機的光心對稱，向內(nèi)側(cè)凹陷的畸變類型稱為枕形畸變，向外側(cè)凹陷的畸變稱為桶形畸變，如圖27左圖所示。數(shù)學(xué)模型可由式（216）表示。2221YXKYXKRYX（216）其中，為徑向畸變系數(shù)。21,K偏心畸變主要是由于各種原因?qū)е聰z像機的光心與幾何中心不能完全對齊造成的，偏心畸變包括徑向畸變和切向畸變兩種，如圖27中右圖所示，偏心變形的數(shù)學(xué)模型可以用式（217）表示。32221YXPYDYX（217）其中，為偏心畸變系數(shù)。21,P薄棱鏡畸變是由于攝像機鏡頭在設(shè)計加工、安裝中造成的誤差，最終導(dǎo)致攝像機鏡頭發(fā)生徑向和切向偏差，式（218）是薄棱鏡畸變的數(shù)學(xué)模型。21YXSPY（218）其中，為薄棱鏡畸變系數(shù)。21,SAB桶形畸變A枕形畸變點位置實際像點位置理想像DTDR切向畸變徑向畸變DTR圖27攝像機畸變類型綜上所述，攝像機畸變可以用式（219）表達(dá)式統(tǒng)一表示。,YXYXPDRYXX（219）一般來說，在要求不是非常高的使用條件下，徑向畸變完全可以描述攝像機的非線性畸變，如果需要考慮鏡頭畸變，就要對攝像機線性成像模型進(jìn)行修正，加入畸變因素。假設(shè)實際圖像中的像素坐標(biāo)為，理想狀態(tài)下圖像中的,YX像素坐標(biāo)為，則理想坐標(biāo)、實際坐標(biāo)和畸變偏差之間關(guān)系如式（220）所,YX示。YXY（220）214鏡頭畸變的校正由于攝像機鏡頭都是采用的透鏡，根據(jù)透鏡所具有的結(jié)構(gòu)特點，多數(shù)攝像機在成像過程中都可能會存在鏡頭畸變，對攝像機成像模型影響最大的是徑向畸變，在一般情況下只需要考慮攝像機鏡頭的一階和二階徑向畸變就能夠滿足實際中的需要，假定攝像機的鏡頭在軸和軸方向上的畸變系數(shù)是相同的，XY則徑向畸變模型可以用式（221）表示。2221YXKYXKYX（221）其中，為校正前的圖像坐標(biāo)，為校正后的圖像坐標(biāo)，為,YX,1K2一階徑向畸變和二階徑向畸變系數(shù)。將式（221）轉(zhuǎn)換到像素坐標(biāo)有22210YXKYXKVU（222）其中，為校正前的圖像像素坐標(biāo)，為校正后的圖像像素坐標(biāo)。如,VU,VU果有幅圖像，能獲得組方程組。表示為式（223）。MM（223）VUKYXVYXVUUYXYXMMMMM1220220121021102寫成矩陣形式DDK（224）然后，通過線性最小二乘的方法求出徑向畸變系數(shù)T1（225）當(dāng)攝像機的一階徑向畸變系數(shù)和二階徑向畸變系數(shù)求出后，就可以進(jìn)1K2K一步優(yōu)化所有的參數(shù)，經(jīng)過非線性校正及優(yōu)化后徑向畸變的現(xiàn)象將極大的改善。22攝像機標(biāo)定攝像機標(biāo)定是利用標(biāo)定模板的參考點坐標(biāo)和它的圖像坐標(biāo)），（ZYX來確定攝像機內(nèi)部的幾何參數(shù)（內(nèi)部參數(shù)）以及攝像機在三維世界中的），（VU坐標(biāo)關(guān)系（外部參數(shù)）。內(nèi)部參數(shù)包括攝像機鏡頭焦距，鏡頭畸變系數(shù)，F(xiàn)），（SK圖像坐標(biāo)原點等參數(shù)。外部參數(shù)是選擇矩陣和平移矩陣。），（0VURT221線性攝像機標(biāo)定攝像機標(biāo)定是獲取擺放在攝像機前方一定距離的具體參數(shù)已知的標(biāo)定物的圖像，標(biāo)定參照物如圖28所示，并根據(jù)攝像機拍攝的不同角度的標(biāo)定參照物的圖像，采用標(biāo)定算法計算出攝像機的內(nèi)部參數(shù)與攝像機的外部參數(shù)。在標(biāo)定參照物上的每所有特征點（圖28中每個小正方體的頂點）在制作時都需要非常準(zhǔn)確的測定該特征點在世界坐標(biāo)系中的空間位置，只有每個小正方體的頂點信息被精確的測定，才能保證攝像機標(biāo)定的精度。圖28標(biāo)定參照物由獲得的標(biāo)定參照物圖像求出投影矩陣，將式（210）展開寫成M113432211WKKCKKZYXMZVU（226）其中，為空間中第個特征點的坐標(biāo)，為第個特1,WKKZYXK1,KVU征點的圖像坐標(biāo)，為投影矩陣的行列的元素。將式（226）拆分寫成IJMMIJ如下三個方程11343323222141312MZYXMZVUWKKWKCKKKKCKWKKWKCK（227）將式（227）中第一式與第三式，第二式與第三式分別消去，可得兩個CKZ關(guān)于的線性方程，如式（228）所示。IJM（22834323124322131MVZYVMXZYXUUKWKWKWKWKKWK）式（228）表示，如果已知標(biāo)定模板上的個點，并且已知個點的空間NN坐標(biāo)為和圖像點坐標(biāo)為，可得,1,KZYWK,1,KVU（22934341321423143211111111110001000MUMVUYVXVZYXZUUZYXZYXVXXNWNWNWNWNWWWW）由式（210）可知，矩陣不會影響與之間的轉(zhuǎn)換關(guān)系，M,W,所以，令，得到關(guān)于矩陣中其它元素的個線性方程組，方程組中134MMN2的未知數(shù)的個數(shù)為11個，記為向量，為11維向量，將式（229）簡寫成MUK（230）其中，為式（229）左邊的矩陣，為未知的11維向量，為式12NMU（229）右邊的維向量，已知，當(dāng)時，式（230）線性方程組2,1的解可以用最小二乘法求出。則，與構(gòu)成了所要求解的矩陣，只要34M已知6個或者6個以上的空間中點與這些空間點所對應(yīng)的圖像坐標(biāo)系中的坐標(biāo)，就可以求出矩陣，求出矩陣后，將結(jié)果帶入到式（210）表示的關(guān)系，進(jìn)M一步的求解出攝像機的內(nèi)部參數(shù)與攝像機的外部參數(shù)。將矩陣分解成與攝像機內(nèi)部參數(shù)、攝像機外部參數(shù)有關(guān)的關(guān)系式為100132103244ZYXYXTRTVKUM（231）其中，為矩陣的第行的前三個元素組成的行向量；,21IMI為矩陣第行第四列元素；為旋轉(zhuǎn)矩陣的第行；3,4IMI3,21IRRI分別為平移向量的三個分量。ZYXT,T由式（231）可得ZYYZXXTRVKVKTUM3002132414（232）比較式（232）等號兩邊可得，。由于是單位正交矩陣的第三34R3行，所以，由可以解出，再根據(jù)下列式子求解出1|3R1|34M|134M的值。YXKVU,033402143302342113234132430011|MTVKUTRMVKURKRVUZYXYXYXYX（233）222雙目視覺攝像機標(biāo)定雙目攝像機標(biāo)定1617與單目攝像機標(biāo)定的區(qū)別是，用兩個攝像機同時觀察周圍環(huán)境，需要通過攝像機標(biāo)定，測量兩個攝像機之間的相對位置關(guān)系（如圖29所示）。在雙目攝像機標(biāo)定過程中可以先用單目攝像機標(biāo)定的方法，對左、右兩個攝像機單獨進(jìn)行標(biāo)定，通過單獨標(biāo)定分別得到左、右攝像機各自的內(nèi)部參數(shù)與外部參數(shù)。WXWYWZP1O2O1X1Y1Z2Z2X2YP1L2L1P2P2P1,TR2,TR1I2I1C2C圖29雙目攝像機幾何關(guān)系假如用攝像機外參數(shù)中的旋轉(zhuǎn)矩陣和平移矩陣表示世界坐標(biāo)系與攝1R1T1像機坐標(biāo)系之間的轉(zhuǎn)換關(guān)系；用攝像機外參數(shù)中的旋轉(zhuǎn)矩陣和平移矩陣表2R2T示世界坐標(biāo)系與攝像機坐標(biāo)系之間的轉(zhuǎn)換關(guān)系，那么對任意一個世界坐標(biāo)系2C中的點，坐標(biāo)為，該點在攝像機坐標(biāo)系與攝像機坐標(biāo)系下的坐標(biāo)分PWX1C2C別為，由雙目攝像機的關(guān)系可得下列關(guān)系式1C2（234）2211TXRWC將式（234）消去后得21211TRTCC（235）所以，兩個攝像機之間的關(guān)系可用表示為T,21TRT（236）由式（234）（236）知，若對左、右兩個攝像機分別單獨進(jìn)行標(biāo)定，得到攝像機的旋轉(zhuǎn)矩陣和平移矩陣，攝像機的旋轉(zhuǎn)矩陣和平移矩陣，1C11T2C2R2T則雙目攝像機的幾何關(guān)系可以通過式（236）計算得到。在計算時需要TR,將左、右兩個攝像機單獨標(biāo)定中的矩陣拆分，以便于求解出攝像機的旋轉(zhuǎn)M1C矩陣和平移矩陣，攝像機的旋轉(zhuǎn)矩陣和平移矩陣。1R1T2C2R2T23攝像機標(biāo)定界面設(shè)計攝像機標(biāo)傳統(tǒng)的定方法中，都需要利用三維立體標(biāo)定物體，該標(biāo)定物體要求在制作，加工過程中需要保證標(biāo)定物上每個特征點的精度，最終保證攝像機標(biāo)定結(jié)果的精度。而二維平面標(biāo)定模板的攝像機標(biāo)定方法，只需要攝像機從不同角度拍攝二維平面標(biāo)定模板，獲取一定數(shù)量的二維標(biāo)定模板圖像，基于二維平面標(biāo)定模板的攝像機標(biāo)定方法使用方便、靈活且標(biāo)定精度較高18。基于二維平面標(biāo)定模板的標(biāo)定過程可以分為兩步第一步，求解二維平面標(biāo)定模板與圖像平面之間的矩陣轉(zhuǎn)換關(guān)系，在求解矩陣轉(zhuǎn)換關(guān)系時不需要考慮攝像機的成像幾何模型，只需要知道平面標(biāo)定模板坐標(biāo)系中的點和對應(yīng)的攝像機圖像坐標(biāo)中的點的關(guān)系，兩個坐標(biāo)系中點的對應(yīng)關(guān)系可以利用最小二乘法求解得到。第二步，利用第一步的關(guān)系求解出攝像機的內(nèi)部參數(shù)矩陣和外部參數(shù)矩陣。根據(jù)計算所得二維平面標(biāo)定模板和圖像平面的矩陣轉(zhuǎn)換關(guān)系列寫出與攝像機內(nèi)部參數(shù)相關(guān)的方程組，求出該方程的解，即可以得到攝像機的內(nèi)部參數(shù)。由于攝像機鏡頭畸變的存在，通過求解該方程得到的內(nèi)部參數(shù)可以作為初始值進(jìn)行優(yōu)化，從而得到攝像機各參數(shù)的精確值，從而提高攝像機的標(biāo)定精度。根據(jù)二維平面標(biāo)定方法可知，由線性攝像機模型，可得式（237）111321WWZYXTRAZYXTRAVUS（237）把世界坐標(biāo)系所在的平面置于標(biāo)定模板所在的平面，即。將式0（237）變形為式（238）110121WWYXTRAYXTRAVUS（238）其中，表示旋轉(zhuǎn)矩陣的第列向量。令，IRITYXM，則式（238）可簡寫為TVUM1HMS（239）其中132132121HHTRA（240）即為單應(yīng)性矩陣。有式子可以推出HMHMS13213HXSYVU（241）從而推得23213211HYHVYVHUU（242）令3212321312HHH（243）則010HVYVXYUUX（244）將式（244）寫成的形式，則矩陣最小特征值所對應(yīng)的特征向量SHST就是該方程的最小二乘解。再根據(jù)所求的，求解出。由于上式中所求得的HH與真實的可能差一個比例系數(shù)，所以，將式（240）改寫成下列形式HTRAH21321（245）與為單位正交向量，有，且，所以得到攝像機內(nèi)1R221T021RT部參數(shù)求解的兩個約束條件21211HAHATT（246）令32311BABT1120202020202022VUVUVUVV是對稱矩陣，可以用6維的向量來表示BTBBB321321（247）假設(shè)的第列向量可以表示為的形式，那么HI321IIIIHHBVHTIJITI（248）其中3313132121JIJIJJIJJIJIJIJIIJHHHHV若有幅攝像機標(biāo)定模板的圖像，就可以得到關(guān)于的形式NB0B（249）其中矩陣V是，假如，則就能被唯一的求解出來，進(jìn)而計算出攝623NB像機的5個內(nèi)部參數(shù)，參數(shù)計算公式如式（250）所示。/2130211112313120230UVUVUFBFSFBVBV（250）矩陣求得之后，再根據(jù)攝像機的內(nèi)部參數(shù)矩陣，利用下列式子可以計HA算出每幅平面標(biāo)定模板圖像的外參數(shù)，外參數(shù)計算公式為|1|,22131321HAHATRRR（251）以上求解旋轉(zhuǎn)矩陣的誤差較大，需要用最大似然估計來進(jìn)行優(yōu),321RR化?；贛ATLABGUI21編程實現(xiàn)攝像機標(biāo)定，采用的是二維平面棋盤格模板，改變二維平面棋盤模板的不同角度，獲取圖像，通過圖像處理，計算出攝像機的參數(shù)，棋盤標(biāo)定模板如圖210所示。WYWZWXWO圖210標(biāo)定模板由二維平面標(biāo)定的原理可知，攝像機從不同角度獲取一定數(shù)量的棋盤格標(biāo)定模板圖像，通過處理之后，利用MATLABGU設(shè)計出的攝像機標(biāo)定界面，將拍攝得到的一定數(shù)量的棋盤格標(biāo)定模板圖輸入到標(biāo)定界面，設(shè)置相應(yīng)的棋盤格參數(shù)，提取出棋盤格的角點信息，計算出攝像機的內(nèi)部參數(shù)、外部參數(shù)和畸變參數(shù)。該標(biāo)定界面可以實現(xiàn)快速、準(zhǔn)確、自動處理。圖211給出了所設(shè)計的攝像機標(biāo)定界面工作流程。NYNY圖211攝像機標(biāo)定界面設(shè)計流程采用MATLABGUI設(shè)計的自動攝像機標(biāo)定，該攝像機標(biāo)定界