一种基于正交消失点的相机自标定方法
【技术领域】
[0001] 本发明涉及高分辨率三维重建技术领域，具体涉及一种基于正交消失点的相机自 标定方法，应用于基于光度立体技术高分辨率三维重建中的相机标定过程。
【背景技术】
[0002] 在基于图像的三维重建中，相机自身的系数直接影响到了三维重建结果的精确 性，因此，获取精确的相机标定结果对于三维重建算法的结果，具有决定性的影响。
[0003]目前常用的相机标定技术主要分为三类：传统相机标定技术，相机自标定技术，基 于主动视觉的相机标定技术。
[0004] 传统相机标定技术采用图像处理过程中的数学转化，在某种相机模型下进行计 算，得到相机标定结果。这种方法可以借用已知的物体形状和大小等信息，从而获取尽可能 多的参数来进行相机标定，所得到的结果精度最高，但受到标定物体信息的约束，如果标定 过程中物体存在误差或者人为交互过程存在误差，将极大化的影响标定结果。在实际的工 程中由于条件的约束，很难精确控制环境，人为影响，容易影响标定结果。
[0005] 基于主动视觉的相机标定技术，通过精确控制相机的移动来拍摄图像，由相机的 精确位移?目息来减化计算难度。米用这种方法，在标定过程中计算复杂度大幅度减少，使得 结果很容易得到。然而，精确控制相机的移动需要特殊的设备来实现，设备精度要求很高， 花费很大，这样的设备不容易得到，因此，这种方法不适用于一般情况。且不能实现野外作 业，通常只能用于精密的室内扫描。
[0006] 相机自标定技术不受所拍摄的物体的影响，仅考虑环境变量随相机改变的改变， 只受相机内部参数的影响。相机自标定的实际上是获取相机的内参数矩阵，一般结果包括 旋转矩阵、平移向量和畸变参数（衡量形变大小的参数）。
[0007] 目前采用的相机自标定技术具有方便灵活，普遍适用，不受外界环境影响的优点， 但同时也存在很多缺陷，其中最大的缺陷是鲁棒性很低，计算过程复杂，不稳定，难以保证 结果的准确性。
【发明内容】
[0008] 针对现有技术的不足，本发明提供了一种基于正交消失点的相机自标定方法，能 够应对普遍情况下的三维扫描过程，克服目前的相机自标定技术难以准确得到相机系数的 缺点，且有利于提高相机自标定技术的鲁棒性，具有广泛适用，求解简便，鲁棒性高等优点。
[0009] -种基于正交消失点的相机自标定方法，包括如下步骤：
[0010] (1)对标定场景图像进行直线检测得到若干平行的线段，
[0011] (2)针对任意η条线段，η彡4,进行如下操作：
[0012] (2-1)计算该η条线段的正交消失点和相机焦距；
[0013] (2-2)根据所述的相机焦距和正交消失点计算得到相应的内参数矩阵；
[0014] (3)根据所有内参数矩阵基于随机抽样一致性的方法获取最终的内参数矩阵。
[0015] 本发明中利用特征点提取方法对标定场景图像进行直线检测。标定场景图像（即 标定物的图像）应具有足够多的直线段（至少能够得到四条平行的线段），标定物应以人造 物体为主，或带有明显直线边缘的天然景物。
[0016] 通常标定物图像中包括的线段的条数越多，结果越精确，但是计算量大。
[0017] 所述步骤（2)中实际上先按照排列组合原理将步骤（1)中检测得到的线段进行按 η个一组进行排列组合，针对每个组合结果分别计算得到相应的内参矩阵。
[0018] 为提高计算速度，在实际应用时可以对每个组合（包括η条线段）进行并行处理。
[0019] 每一组并行处理，速度相对必然会快，且通过多组检测能够有效排除直线检测时 误检测结果的影响，提高自标定结果的精度，并基于随机抽样一致性获取最终的内参数矩 阵（实际上从步骤（2)中得到的所有内参数矩阵中选择一个作为最终的内参数矩阵），大大 提高了相机自标定方法的鲁棒性。
[0020] 此外，本发明的基于正交消失点的相机自标定方法可以大大减少人机交互过程， 减少人为操作带来的误差，避免标定过程中的不确定性，方便标定操作，且能够减少相机标 定对于设备场景的要求，减少自标定过程的时间、经费花费，可以快速得到标定结果；不需 要借助如标定版一类的标准设备来进行标定设备，灵活方便，适用于各种环境，同时避免了 设备误差对于标定结果的影响。
[0021] 作为优选，所述η的取值为4~10。η越大，结果越精确，但是计算量大。进一步 优选，所述η = 4。四条线段为最小化解决方案，能够进一步提高计算速度，此时引起的精度 下降可通过基于随机抽样一致性的方法获取最终的内参数矩阵进行平衡。
[0022] 由于进行直线检测存在误差，通常检测到的线段包括真实值和检测误差（即噪 声）。为消除噪声影响，所述步骤（2-1)包括如下步骤：
[0023] (2-11)建立各个线段的有效鲁棒的混合模型，所述混合模型包括服从柯西分布的 估计噪声；
[0024] (2-12)基于各个线段的混合模型，进行如下操作：
[0025] (a)迭代对相应的混合模型进行消失点估计，得到正交消失点，直至满足终止条件 后停止，并以最后一次迭代得到的正交消失点作为最终结果；
[0026] (b)根据最终结果计算得到相应的相机焦距。
[0027] 通过构建包括噪声（估计噪声）混合模型，然后基于混合模型的迭代进行消失点 估计，通过反复迭代逐渐降低噪声影响，保证了得到的正交消失点的准确性，之后再对采用 鲁棒的基于混合模型的极大似然估计来精炼，从而大大提高标定结果的精度。
[0028] 为便于计算，本发明中设定所有线段的估计噪声为服从独立同分布的零均值高斯 分布。
[0029] 常用基于极大似然法进行消失点估计，此外还可以采取最大期望估计，但是极大 似然估计适用范围更广。因此，作为优选，所述步骤（a)中基于极大似然估计法进行消失点 估计。
[0030] 所述步骤（a)中的终止条件如下：
[0031] 相邻两次迭代得到的正交消失点的欧式距离的均方差小于预设的阈值；或达到最 大迭代次数。所述的阈值为0. 1~1个像素，通常小于0. 5个像素；所述最大迭代次数为 20~50,（通常在30次之前会达到收敛，即相邻两次迭代得到的正交消失点的欧式距离的 均方差小于预设的阈值）。
[0032] 与现有技术相比，本发明具有如下优点：
[0033] 对所有直线检测得到的线段进行分组，通过多组检测能够有效排除直线检测时误 检测结果的影响，提高自标定结果的精度，且通过分组便于实现并行计算，有利于提高自标 定速率；
[0034] 基于正交消失点的相机自标定方法可以大大减少人机交互过程，减少人为操作带 来的误差，