摄像机标定技术是及孙吉视觉中非常关键的一项技术, 摄像机标定结果精度只要出现任何一点细微的提高就会造成非常有效的效果, 例如, 以机器视觉作为基础的双目视觉测距, 足式机器人避障, 无人飞行器自主导航, 驾驶辅助系统等一些应用。
1 摄像机标定原理
摄像机标定具体指的是对摄像机成像模型中的所有内外参数进行求解的一个过程, 在所有的摄像机模型之中, 一个最为简便的模型便是针孔模型。在摄像机标定中, 计算机视觉中会需要用到四种坐标系, 像素的坐标系 (U, V) , 图像的坐标系 (x, y) , 摄像机的坐标系 (Xc, Yc, Zc) , 世界的坐标系 (Xw, Yw, Zw) , 这四个坐标系的坐标方向以及坐标位置如图。
2 摄像头标定
以Open CV为基础的摄像头标定。Open CV指的是一个具有开源性质的计算机视觉库, 主要是为了对数字图像进行应用而展开的开发, 具备有非常强大的模式识别, 图像拼接, 图像处理功能。Open CV的具体标定的具体步骤为, 其一, 在文件中进行标定使用之后的图片数据的打开, 并且进行标定板相应参数的输入。其二, 用函数进行角点的提取。其三, 对函数优化角点的数据进行调用, 将亚像素级的坐标确定。其四, 在图片上进行函数进行角点位置的标出。其五, 对每幅图像的旋转向量以及平移向量, 畸变系数向量, 内参数矩阵进行计算, 得出冲投影的误差值。
3 实验结果以及分析
在实验中选用的摄像机的摄像头是普通的USB摄像头。图像的传感器是CCD, 镜头的焦距是2.9mm, 在实验中采用的图像的实际分辨率是640x480。
在该实验中选择了10组图像数据来进行标定, 其中每一组数据之中都包含有20幅图像, 由左右相机分别拍摄。
观看此表格数据, 我们可以发现采用这两种方法来展开标定所得的结果实际相差非常小, 用Open CV进行标定的左摄像头焦距MATLAB标定的结果相对差是0.0303%, 右摄像头的焦距相对差是0.0794%, 透镜光轴的中心坐标 (Cx, Cy) 和理想的中心坐标 (320, 240) 结果非常详尽, 摄像机发生的畸变系数可以忽略记为0.因此我们可以得出结论, 标定技术如果提高, 运用这两种方法展开对摄像机的标定, 结果非常准确。根据表格我们已经确定, 不论采用这两种标定方法中的哪一种, 标定结果都非常精准并且接近, 但是为了可以使标定结果的稳定性以及精度更进一步, 我们可以进行以下方法的采取[2]。
其一, 至少选择10张到20张包含有不同角度标定板以及不同位置的图像。其二, 进行不同模式的图像的捕捉, 一定需要保证数量足够多, 标定板和相机平面的角度需要低于45°。其三, 图像边缘镜头出现畸变比较大, 需要让标定板尽量和边缘位置进行靠近[3]。
结束语
文章中对两种标定工具所具备的不同特点进行了分析, 发现MATLAB toolbox的效率以及操作性相对比较差, 但是精度非常好, Open CV函数库是在C++基础上进行开发的, 具备有操作非常简便并且效率非常高等优势, 非常适合对嵌入式平台进行移植, 负后续实验监控平台的设计提供了良好的基础。
摘要：在计算机视觉范围内一个非常重要的技术便是摄像机标定技术, 标定结果的实际精准度会对最终测量所得数据的精准性以及三维重建的效果以及精度有着非常直接的影响。计算机视觉应用的要求存在有多样性, 因此也就给摄像机标定技术的准确性有了更高的要求, 视觉测量中一个非常重要的前提是需要人们进行精准度高并且操作非常简单的标定方法的选择, 本文在计算机视觉中进行了摄像机标定实验, 展开了对设计相机标定技术的稳定性, 运行效率, 操作性以及精度研究。
关键词：计算机视觉,摄像标定,实验分析
参考文献
[1] 吴渊凯, 卞新高.计算机视觉中摄像机标定的实验分析[J].电子测量技术, 2016, 39 (11) :95-99.
[2] 张伟波, 刘明芹, 袁明, 等.基于Matlab的计算机视觉测量中摄像机标定方法研究[J].数字技术与应用, 2014, (2) :53-54, 56.
[3] 王巨森, 刘自强.摄像机标定方法的实现[J].电大理工, 2015, (2) :12-13.