专利名称：视觉测量系统的相机参数标定优化方法
技术领域：
本发明属于视觉测量领域，涉及一种视觉测量系统的相机标定方法，尤其适用于标定靶制作精度不高的相机标定系统。
背景技术：
视觉测量具有非接触、测量速度快、方便灵活等优点，在虚拟现实、工业检测等领域有着重要的意义和广阔的应用前景。在视觉测量系统中，相机采集图像并计算被测物的三维信息这一过程是其最重要的测量目的，而相机的焦距、光心等内部参数以及旋转矩阵、平移矩阵等外部参数对于物体三维坐标的解算起到了至关重要的作用，所以准确计算以上 参数是三维测量的必要前提。从视觉测量模型可知，相机的标定是指相机的内部参数的标定和外部参数的标定。有多种相机标定方法。大体来讲，相机标定方法可以分为以下三类传统标定方法、自标定方法和基于主动视觉的标定方法。现在基于传统标定方法所做的改善和创新较多，主要原因是其精度高，典型代表性的方法有直接线性变换法(DLT法)、非线性优化法、两步法(例如，径向排列约束(RAC)法)、张正友二维平面标定法以及双平面法等。直接线性变换法(DLT法)需要精度很高的三维标靶，而这对于标定靶的加工精度有很高的要求；两步法(例如径向排列约束(RAC)法)、张正友二维平面标定法均需要对标定参数进行非线性优化，其中涉及大量的非线性计算和优化算法的选择，很可能出现优化过程不收敛或计算量大等不利因素。
发明内容
本发明基于传统标定方法，在优化算法中加入对于物面坐标(标定靶)的优化，以得到精确标定的内部参数和外部参数并提高程序的运行效率，一方面说明了标定靶的加工精度对于相机标定结果的重要影响，另一方面也说明了脱离标定靶精度而进行相机标定是实际可行的。本发明提供一种针对物面坐标优化的标定方法，具有程序运行效率高、标定精度较高的优点。本发明提供一种基于圆形标定靶的标定方法，在优化参数中引入对于物面坐标的优化。该理论基于传统的标定方法，并参考MATLAB标定工具箱中优化参数步骤，首先应用形态学处理和椭圆拟合的方法精确提取圆心作为像面坐标，其次，采用现有的二维平面标定方法计算内外参数的初值，最后，在优化算法中除标定工具箱的优化步骤以外，另加入对于物面坐标(标定祀)的优化得到精确的内外参数。根据本发明的一方面，提供一种视觉测量系统的相机参数标定优化方法，所述方法包括以下步骤(1)提取标定靶上一点在像面上的投影点的圆心，作为标定靶上一点在像面上的投影点的像面坐标；(2)根据所述像面坐标，采用二维平面标定方法计算视觉测量系统的相机的内部参数和外部参数的初值；(3)将标定靶物面坐标作为常量，对相机畸变系数、相机的内部参数和外部参数进行优化，计算标定靶上的不同方向上的所有特征点在像面上的重投影误差之和Cl ; (4)将优化后的相机畸变系数、相机的内部参数和外部参数作为常量，将标定靶物面坐标作为变量，对标定靶物面坐标进行优化，计算标定靶上的不同方向上的所有特征点在像面上的重投影误差之和C2 ;(5)选定循环条件，循环条件为相机的焦距以及相机的主点的变化速率是否均小于预定阈值，如果循环条件不成立则返回到步骤(3)，直到循环条件成立为止；(6)分别使重投影误差之和Cl以及C2最小，得到优化后的相机内部参数和外部参数以及优化后的物面坐标。相机的内部参数可包括相机的焦距、相机的主点以及像素在图像坐标系的X轴方向上的物理尺寸和像素在图像坐标系的y轴方向上的物理尺寸，相机的外部参数可包括由相机坐标系转换到世界坐标系的旋转矩阵和平移向量。步骤(2)可包括根据标定靶上所述一点在世界坐标系下的坐标与所述一点在像面上的投影点的像面坐标之间的关系，来计算视觉测量系统的相机的内部参数和外部参数
的初值。在步骤(I)中，可采用椭圆拟合的方法提取圆心。所述重投影误差指的是根据物面坐标、相机的内部参数和外部参数所计算出的标定靶上的特征点在像面上的图像坐标值与相机采集到的标定靶上的特征点在像面上的图像坐标值之差。在步骤(6)中，可采用优化公式(JTJ+y I)hlm = -JTf'来优化物面坐标，其中，J为像面坐标对物面坐标的偏导数形成的雅克比矩阵，f为像面实际坐标与重投影坐标的差值，称为残差，hlm为每次迭代变量的变化值，μ为衰减参数，I表示单位矩阵。通过循环控制，当使得残差Γ的平方和最小时，优化结束，得到的物面坐标为优化后的物面坐标。在步骤￠)中，可采用最小二乘原理分别使重投影误差之和Cl以及C2最小。相机畸变系数可包括相机径向畸变系数和相机切向畸变系数。根据本发明的视觉测量系统的参数标定优化方法与现有技术相比，加速了优化迭代的收敛速度，提高了程序运行效率，并获得较高测量精度，可用于单目或双目视觉测量系统的闻精度标定。
通过结合附图，从下面的实施例的描述中，本发明这些和/或其它方面及优点将会变得清楚，并且更易于理解，其中图I示出视觉测量系统的三个坐标系之间的关系的示意图；图2是根据本发明的视觉测量系统的参数标定优化方法的流程图。
具体实施例方式以下，参照附图来详细说明本发明的实施例。首先，定义视觉测量系统的三个坐标系的概念。三个坐标系是世界坐标系、相机坐标系和图像坐标系。图I示出视觉测量系统的三个坐标系之间的关系(几何成像关系)的示意图。世界坐标系是描述视觉测量系统的相机的位置的基准坐标系，如图I中的\、\、Zw轴坐标系。相机坐标系是指以相机光心O为原点的坐标系；在图I中，由点O与X^Y^Z。轴组成的直角坐标系形成相机坐标系。图像坐标系是指相机的像面下的坐标系，相机的光轴与图像平面的交点Ol为图像坐标系的原点；在图I中，由点O1与乂、￥、2。轴组成的直角坐标系形成图像坐标系。相机坐标系的X。轴、Y。轴分别与图像坐标系的X轴、Y轴平行。OO1为相机的焦距。相机线性模型也称针孔模型，即，空间内任何一点P在像面上的投影位置P1为相机光心O与P点的连线OP与像面的交点。因此，有如下关系
权利要求
1.一种视觉测量系统的相机参数标定优化方法，包括以下步骤 (1)提取标定靶上一点在像面上的投影点的圆心，作为所述标定靶上一点在像面上的投影点的像面坐标； (2)根据所述像面坐标，采用二维平面标定方法计算视觉测量系统的相机的内部参数和外部参数的初值； (3)将标定靶物面坐标作为常量，对相机畸变系数、相机的内部参数和外部参数进行优化，计算标定靶上的不同方向上的所有特征点在像面上的重投影误差之和Cl ； (4)将优化后的相机畸变系数、相机的内部参数和外部参数作为常量，将标定靶物面坐标作为变量，对标定祀物面坐标进行优化,计算标定祀上的不同方向上的所有特征点在像面上的重投影误差之和C2 ； (5)选定循环条件，循环条件为相机的焦距以及相机的主点的变化速率是否均小于预定阈值，如果循环条件不成立则返回到步骤(3)，直到循环条件成立为止； (6)分别使重投影误差之和Cl以及C2最小，得到优化后的相机内部参数和外部参数以及优化后的物面坐标。
2.根据权利要求I所述的相机参数标定优化方法，其中，相机的内部参数包括相机的焦距、相机的主点以及像素在图像坐标系的X轴方向上的物理尺寸和像素在图像坐标系的y轴方向上的物理尺寸， 相机的外部参数包括由相机坐标系转换到世界坐标系的旋转矩阵和平移向量。
3.根据权利要求2所述的相机参数标定优化方法，其中，步骤(2)包括根据标定靶上所述一点在世界坐标系下的坐标与所述一点在像面上的投影点的像面坐标之间的关系，来计算视觉测量系统的相机的内部参数和外部参数的初值。
4.根据权利要求I所述的相机参数标定优化方法，其中，在步骤(I)中，采用椭圆拟合的方法提取圆心。
5.根据权利要求I所述的相机参数标定优化方法，其中，所述重投影误差指的是根据物面坐标、相机的内部参数和外部参数所计算出的标定祀上的特征点在像面上的图像坐标值与相机采集到的标定靶上的特征点在像面上的图像坐标值之差。
6.根据权利要求I所述的相机参数标定优化方法，其中，在步骤￠)中，采用优化公式(JtJ+μ Dhlm = -jTf/来优化物面坐标， 其中，J为像面坐标对物面坐标的偏导数形成的雅克比矩阵，f为像面实际坐标与重投影坐标的差值，称为残差，hlm为每次迭代变量的变化值，μ为衰减参数，I表示单位矩阵， 通过循环控制，当使得残差f,的平方和最小时，优化结束，得到的物面坐标为优化后的物面坐标。
7.根据权利要求I所述的相机参数标定优化方法，其中，在步骤￠)中，采用最小二乘原理分别使重投影误差之和Cl以及C2最小。
8.根据权利要求I所述的相机参数标定优化方法，其中，相机畸变系数包括相机径向畸变系数和相机切向畸变系数。
全文摘要
本发明提供一种视觉测量系统的相机参数标定优化方法，所述方法包括(1)提取标定靶上一点在像面上的投影点的圆心作为像面坐标；(2)根据所述像面坐标，计算视觉测量系统的相机的内部参数和外部参数的初值；(3)将标定靶物面坐标作为常量，对相机畸变系数、相机的内部参数和外部参数进行优化，计算标定靶上的不同方向上的所有特征点在像面上的重投影误差之和C1；(4)将优化后的相机畸变系数、相机的内部参数和外部参数作为常量，将标定靶物面坐标作为变量，对标定靶物面坐标进行优化，计算重投影误差之和C2；(5)选定循环条件，循环条件不成立则返回到步骤(3)；(6)分别使重投影误差之和C1以及C2最小，得到优化后的相机内部参数和外部参数以及物面坐标。
文档编号G06T7/00GK102663767SQ201210140199
公开日2012年9月12日 申请日期2012年5月8日 优先权日2012年5月8日
发明者吕乃光, 娄小平, 孙鹏, 赵烨昕 申请人:北京信息科技大学