一种摄像机标定方法

文档序号:6568283阅读:198来源:国知局
专利名称:一种摄像机标定方法
技术领域
本发明涉及计算机视觉技术领域,特别涉及一种摄像机标定方法。
背景技术
计算机视觉的基本任务之一就是从摄像机获取的图像信息出发计算三维空间中物体的几何信息,并由此重建和识别物体,而空间物体表面的某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的,这些几何模型的参数就是摄像机参数,计算这些参数的过程就被称为摄像机标定。现有技术中,普遍采用的摄像机标定法大都是利用成像几何中的某些内在性质和关系先求一部分参数,然后利用这些已求得的参数来求解其他参数,俗称两步法,现有技术存在的问题是,此方法中第一步参数的结果对后续参数结果的计算尤为重要,因此要求必须使用足够多的点才能够保证第一步获得较为精确的解。其中较为简单的是Luis Gerardo de la Frage提出的基于长方体图形的标定方法,该方法仅仅需要六到七个点就能够完成对摄像机的标定。由于摄像机标定的过程可以考虑为一个优化过程,因此引入优化方法来对其进行优化求解,在两步法中的第二步采用的是传统优化方法,例如梯度下降法、牛顿迭代法,现有的引入优化方法存在的问题是,这些优化方法都有着共同的缺点是计算耗时长,且易受第一步计算结果的干扰。

发明内容
本发明的目的旨在至少解决上述技术问题之一。为达到上述目的,本发明提出了一种摄像机标定方法,包括如下步骤S1 根据平行六面体形状对摄像机拍摄的图像进行校准以获得所述图像中各个顶点的第一二维坐标; S2:设置差分进化参数,其中所述差分进化参数包括最大进化代数Umax、种群上限ub、种群下限lb、变异参数Ck和交叉参数Cf,并在所述种群上限ub和所述种群下限Ib所包含的范围内随机生成m个个体,其中每个个体具有多个摄像机参数且所述m个个体构成初始种群,并初始化所述初始种群的最优位置;S3 根据所述变异参数Ck和所述交叉参数Cf按照预定的差分进化迭代公式更新当前种群的每个个体得到新种群;S4 根据所述各个顶点的第一二维坐标以及所述新种群计算所述新种群中每个个体的适应度;S5 根据所述每个个体的适应度计算新种群的当前代最优位置;S6 判断所述当前代的最优位置与上一代最优位置的差值是否小于预定的阈值,如果所述差值小于所述阈值,则将预定的最优位置未更新次数 num加1,然后继续执行步骤S7,如果所述差值大于或等于所述阈值,继续执行步骤S7 ;S7 判断所述最优位置未更新次数num是否达到预定的最大值,如果num达到所述最大值,则在随机分布的个体空间中对所述新种群的个体编号为1至m/5的个体重新随机选取,然后继续执行步骤S8,如果num未达到所述最大值,继续执行步骤S8 ;S8 判断所述差分进化代数是否达到预定的最大进化代数,如果所述差分进化代数未达到所述最大进化代数,则重复执行步骤S3至步骤S7,如果所述差分进化代数达到所述最大进化代数,则停止,并将所述达到最大进化代数的当前代最优位置对应的摄像机参数作为摄像机标定结果。在本发明的一个实施例中,所述步骤Sl进一步包括S11 对摄像机拍摄图像中出现的平行六面体进行各个顶点的手工标志;S12 确定获得的六个或七个顶点的第一二维图像坐标。在本发明的一个实施例中,所述摄像机参数为χ = (12, I3, θ θ 2,θ 3, ti; t2,t3, Lutl,V(1),其中,12,I3为所述平行六面体的两个边长与另一边长I1的比例值,θ2,θ 3 为绕Z轴和Y轴的旋转角度,<t1 t2, t3>为平移矩阵,f为有效焦距,Utl,V0为图像坐标中心。在本发明的一个实施例中,所述种群上限Ub= [2,2, π/2,π/2,π/2,20,20,50,2000,600,400],所述种群下限 Ib =
。在本发明的一个实施例中,所述步骤S3进一步包括S31 随机产生小于m的三个不相等的正整数IVivr3 ;S32 根据所述交叉参数Cf,通过以下公式计算交叉个体Vi (t+1), Vi( + 1) = χΓ3(0 +Cf-(χΓι(0-χΓ2(0),其中i为所述种群中的个体编号;S33 产生随机函数 U(0,1)和粒子序号;S34 根据所述随机函数U(0,1)、所述粒子序号和所述变异参数CK,判断是否更新所述种群的每个个体,如果U (0,1) <CK或i = irand,则更新所述种群的每个个体,Xi (t+1) =Vi (t+1),否则不更新所述种群的每个个体,Xi (t+1) =Xi (t)0在本发明的一个实施例中,所述步骤S4进一步包括S41 根据所述种群的每个个体计算所述顶点的第二二维坐标Ah(O) ; S42 根据所述顶点的第一二维坐标Pi和所述顶点的第二二维坐标Ah⑴),通过以下公式计算所述新种群中每个个体的适应度,
权利要求
1.一种摄像机标定方法,其特征在于,包括如下步骤Sl 根据平行六面体形状对摄像机拍摄的图像进行校准以获得所述图像中各个顶点的第一二维坐标;S2:设置差分进化参数,其中所述差分进化参数包括最大进化代数Umax、种群上限ub、 种群下限lb、变异参数Ck和交叉参数CF,并在所述种群上限ub和所述种群下限Ib所包含的范围内随机生成m个个体,其中每个个体具有多个摄像机参数且所述m个个体构成初始种群,并初始化所述初始种群的最优位置;S3:根据所述变异参数Ck和所述交叉参数Cf按照预定的差分进化迭代公式更新当前种群的每个个体得到新种群;S4:根据所述各个顶点的第一二维坐标以及所述新种群计算所述新种群中每个个体的适应度;55根据所述每个个体的适应度计算新种群的当前代最优位置;56判断所述当前代的最优位置与上一代最优位置的差值是否小于预定的阈值,如果所述差值小于所述阈值,则将预定的最优位置未更新次数num加1,然后继续执行步骤S7, 如果所述差值大于或等于所述阈值,继续执行步骤S7 ;S7:判断所述最优位置未更新次数num是否达到预定的最大值,如果num达到所述最大值,则在随机分布的个体空间中对所述新种群的个体编号为1至m/5的个体重新随机选取, 然后继续执行步骤S8,如果num未达到所述最大值,继续执行步骤S8 ;S8 判断所述差分进化代数是否达到预定的最大进化代数,如果所述差分进化代数未达到所述最大进化代数,则重复执行步骤S3至步骤S7,如果所述差分进化代数达到所述最大进化代数,则停止,并将所述达到最大进化代数的当前代最优位置对应的摄像机参数作为摄像机标定结果。
2.根据权利要求1所述的摄像机标定方法,其特征在于,所述步骤Sl进一步包括511对摄像机拍摄图像中出现的平行六面体进行各个顶点的手工标志;512确定获得的六个或七个顶点的第一二维图像坐标Pi。
3.根据权利要求1所述的摄像机标定方法,其特征在于,所述摄像机参数为,X = (12,13,θ θ 2,θ 3,ti; t2,t3,f,u0, vQ),其中,12,I3为所述平行六面体的两个边长与另一边长I1的比例值,θ2,θ 3为绕Z轴和Y轴的旋转角度,<、,、,、> 为平移矩阵,f为有效焦距,U0, V。为图像坐标中心。
4.根据权利要求1所述的摄像机标定方法,其特征在于,所述种群上限Ub=[2,2, 31/2,31/2,31/2,20,20,50,2000,600,400],所述种群下限 Ib =

5.根据权利要求1所述的摄像机标定方法,其特征在于,所述步骤S3进一步包括531随机产生小于m的三个不相等的正整数r1; r2,r3 ;532根据所述交叉参数CF,通过以下公式计算交叉个体Vi (t+Ι),Vi(^l) = Xr3W+ Cf-(χΓι(0-χΓ2(0),其中i为所述种群中的个体编号;533产生随机函数U(0,1)和粒子序号irand;534根据所述随机函数U (0,1)、所述粒子序号irand和所述变异参数CK,判断是否更新所述种群的每个个体,如果U(0,1) <CK或i = iMnd,则更新所述种群的每个个体,Xi(t+1) =Vi(t+l), 否则不更新所述种群的每个个体,Xi(t+1) = Xi (t)。
6.根据权利要求1所述的摄像机标定方法,其特征在于,所述步骤S4进一步包括541根据所述种群的每个个体计算所述顶点的第二二维坐标Ah⑴);542根据所述顶点的第一二维坐标Pi和所述顶点的第二二维坐标Ah⑴),通过以下公式计算所述新种群中每个个体的适应度,g ( (0) = -Σ Pi- Pi ix> (O) 2 gn /=1其中,g(Xi(t))为所述每个个体的适应度,用摄像机重投影误差表示,Q为摄像机参数向量的取值范围,Xi (t)为第t代种群中的个体,i = 1,...,m,η为所述顶点的总个数。
7.根据权利要求1所述的摄像机标定方法,其特征在于,所述步骤S5进一步包括 根据所述每个个体的适应度,通过以下公式计算所述新种群的当前代最优位置,Pg(t) =min{g(Xi(t)), i = 1,...,m},其中,g(Xi(t))为所述每个个体的适应度。
全文摘要
本发明提出一种摄像机标定方法,包括如下步骤S1对拍摄图像校准获得图像各顶点的第一二维坐标;S2设置差分进化参数并初始化种群;S3更新当前种群个体得到新种群;S4根据第一二维坐标计算新种群个体的适应度;S5根据适应度计算新种群的当前代最优位置;S6如果当前代最优位置与上一代最优位置的差值小于阈值,则最优位置未更新次数num加1;S7如果num达到最大值,在随机分布的个体空间中对个体编号为1至m/5的个体重新随机选取;S8如果差分进化代数未达到最大进化代数,则重复执行步骤S3至S7,否则将达到最大进化代数的当前代最优位置对应的摄像机参数作为摄像机标定结果。本发明的方法可减少系统误差、稳定性好、抗干扰能力强。
文档编号G06T7/00GK102376093SQ20111031062
公开日2012年3月14日 申请日期2011年10月13日 优先权日2011年10月13日
发明者戴琼海, 高 浩 申请人:清华大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1