針對傳統(tǒng)單目相機(jī)標(biāo)定方法精度較低的問題,提出一種基于天牛須搜索算法的單目相機(jī)標(biāo)定方法;首先使用MATLAB軟件的標(biāo)定工具箱快速計算單目相機(jī)內(nèi)外參數(shù),然后利用天牛須搜索算法,以平均重投影誤差為目標(biāo)建立目標(biāo)函數(shù),對相機(jī)參數(shù)進(jìn)一步優(yōu)化。結(jié)果表明,基于天牛須搜索算法的相機(jī)標(biāo)定方法穩(wěn)定、可靠,收斂快,優(yōu)于張正友平面標(biāo)定法的優(yōu)化最終平均誤差。 

【文章來源】：濟(jì)南大學(xué)學(xué)報(自然科學(xué)版). 2020,34(06)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

針孔相機(jī)成像模型

實(shí)驗(yàn)采用德國AVT公司生產(chǎn)的一款工業(yè)數(shù)字相機(jī)來拍攝標(biāo)定圖像, 采用Sony ICX274型傳感器, 使用千兆以太網(wǎng)口作為數(shù)據(jù)傳輸接口, 拍攝的圖像分辨率為4 032像素×3 024像素。 棋盤格標(biāo)定板使用激光打印的9行、 12列的棋盤格, 每個格子的尺寸為25 mm×25 mm(長度×寬度),以棋盤格角點(diǎn)作為標(biāo)定點(diǎn),每幅圖像共有88個標(biāo)定點(diǎn),共拍攝20張圖像, 如圖2所示。首先采用軟件對相機(jī)參數(shù)進(jìn)行標(biāo)定,得到相機(jī)的外部參數(shù)(R, T)、 內(nèi)部參數(shù)(fx, fy, u0, v0)以及畸變系數(shù)(k1, k2), 并假設(shè)p1=0, p2=0, p3=0,以此為初始值然后隨機(jī)生成一個9維向量作為初始朝向。根據(jù)每張標(biāo)定圖像對應(yīng)的參數(shù),利用OpenCV庫中的反投影函數(shù)ProjectPoints求出標(biāo)定角點(diǎn)的反投影坐標(biāo),計算檢測到的實(shí)際像素坐標(biāo)與反投影坐標(biāo)的歐氏距離。實(shí)驗(yàn)中采用全部20幅圖像中所有的角點(diǎn)參與優(yōu)化計算,最高迭代次數(shù)設(shè)置為500。

表1所示為基于BAS的優(yōu)化標(biāo)定算法求解出的相機(jī)標(biāo)定內(nèi)部參數(shù)和畸變系數(shù)以及目標(biāo)函數(shù)值, 分別給出第40、 60、 80、 100、 500次迭代后優(yōu)化的結(jié)果。 從圖3和表1可以看出, 由于初始步長設(shè)置較大, 因此在最初階段各個參數(shù)值都沒有得到更新。 隨著迭代次數(shù)的增加, 當(dāng)?shù)螖?shù)達(dá)到40后, 目標(biāo)函數(shù)值開始快速收斂; 當(dāng)?shù)螖?shù)大于80時, 目標(biāo)函數(shù)值基本趨于穩(wěn)定; 經(jīng)過100次迭代后, 求解的各個參數(shù)都趨于穩(wěn)定; 當(dāng)?shù)螖?shù)為500時, 最終目標(biāo)函數(shù)值即標(biāo)定的平均反投影誤差為0.07像素, 優(yōu)化計算得到的值即為相機(jī)的內(nèi)參數(shù)和畸變系數(shù)。圖4所示為根據(jù)最終優(yōu)化結(jié)果進(jìn)行反投影所有標(biāo)定點(diǎn)的結(jié)果,每幅標(biāo)定圖像用不同顏色顯示,圖中每個編號對應(yīng)的平面即為20張不同的標(biāo)定圖像在空間中的反投影,圖4中坐標(biāo)系原點(diǎn)為相機(jī)所在位置。為了證明基于BAS的優(yōu)化標(biāo)定算法計算出的相機(jī)內(nèi)參和畸變系數(shù)的可靠性,提取出實(shí)際檢測到的角點(diǎn)亞像素坐標(biāo)(x, y)和迭代500次之后的反投影角點(diǎn)像素坐標(biāo)(x′, y′)。為了驗(yàn)證算法的有效性,同時給出張正友標(biāo)定法和文獻(xiàn)[12]中的基于改進(jìn)粒子群標(biāo)定法得到的反投影像素坐標(biāo),分別計算不同算法的誤差和平均誤差。由于標(biāo)定點(diǎn)數(shù)量巨大,在此只給出第1幅圖像中前11個標(biāo)定點(diǎn)(第1行)的數(shù)據(jù)和所有標(biāo)定點(diǎn)的總體平均誤差,如表2、 3所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群算法的相機(jī)內(nèi)參優(yōu)化方法[J]. 徐呈藝,劉英,肖軼,曹健.  激光與光電子學(xué)進(jìn)展. 2020(04)
[2]基于天牛須搜索優(yōu)化的室內(nèi)定位算法[J]. 鄒東堯,陳鵬偉,劉寬.  湖北民族學(xué)院學(xué)報(自然科學(xué)版). 2018(04)
[3]基于量子粒子群優(yōu)化算法的攝像機(jī)標(biāo)定優(yōu)化方法[J]. 王道累,胡松.  激光與光電子學(xué)進(jìn)展. 2018(12)
[4]基于全參數(shù)自適應(yīng)變異粒子群算法的單目相機(jī)標(biāo)定[J]. 秦瑞康,楊月全,李福東,季濤.  東南大學(xué)學(xué)報(自然科學(xué)版). 2017(S1)
[5]大場景下多目立體視覺標(biāo)定方法的研究[J]. 楚圣輝,張慧萌,陳碩,孟浩,劉國忠.  現(xiàn)代計算機(jī)(專業(yè)版). 2017(15)
[6]飛行時間深度相機(jī)和彩色相機(jī)的聯(lián)合標(biāo)定[J]. 周杰,安平,鄭帥,嚴(yán)徐樂,左一帆.  信號處理. 2017(01)
[7]二維光電影像測量儀系統(tǒng)攝像機(jī)標(biāo)定技術(shù)[J]. 劉霖,陳祥,劉娟秀,羅穎,凌云,黃田,易茂麗.  中國科技信息. 2016(11)
[8]攝像機(jī)標(biāo)定的研究進(jìn)展綜述[J]. 張振普,張同舟,王小雪,趙海媚,劉鑫鑫.  信息與電腦(理論版). 2016(01)
[9]基于入侵性雜草算法的攝像機(jī)標(biāo)定過程優(yōu)化[J]. 朱琳,謝紅.  計算機(jī)仿真. 2015(10)
[10]基于粒子群算法的攝像機(jī)自標(biāo)定[J]. 黃偉光,董安國.  計算機(jī)應(yīng)用與軟件. 2015(05)



本文編號：2975329