基于共面点的改进摄像机标定方法研究

doi:10.3969/j.issn.1000-3428.2016.08.051

计算机工程

基于共面点的改进摄像机标定方法研究

刘杨豪,谢林柏

(江南大学物联网工程学院,江苏无锡 214122)

收稿日期:2015-06-11 出版日期:2016-08-15 发布日期:2016-08-15
作者简介:刘杨豪(1987-),男,硕士研究生,主研方向为计算机视觉、图形图像处理;谢林柏,教授、博士。
基金项目:
江苏省产学研联合创新基金资助项目“冷链物联网关键技术研发与应用”(BY2014023-36)。

Research on Improved Camera Calibration Method Based on Coplanar Points

LIU Yanghao,XIE Linbo

(School of Internet of Things Engineering,Jiangnan University,Wuxi,Jiangsu 214122,China)

Received:2015-06-11 Online:2016-08-15 Published:2016-08-15

摘要/Abstract

摘要： 为能准确提取物体空间信息实现图像三维重建,对摄像机透视畸变模型及透视投影模型进行研究,在张正友标定法的基础上,提出基于共面点的摄像机非线性标定方法。利用棋盘格角点的三维坐标和相应的图像坐标运算获取畸变参数,并通过非线性最小二乘法对其进行优化,从而得到精确的摄像机标定参数。实验结果表明,改进的摄像机标定方法相比张正友标定法具有更高的标定精度和标度速度,适用于单摄像机的标定。

关键词: 计算机视觉, 三维重建, 摄像机标定, 透镜畸变, 共面点, 棋盘格角点

Abstract: In order to accurately extract the spatial information of objects to realize 3D reconstruction of the image,the camera lens distortion model and the lens projection model of the camera are studied.Based on the calibration method proposed by Zhang Zhengyou,an improved nonlinear calibration method for cameras based on coplanar points is presented.The distortion parameters are obtained by using the 3D coordinates of the chessboard corners and the corresponding image coordinates.They are optimized by the nonlinear least square method,thus obtaining the accurate camera calibration parameters.Experimental results show that the improved camera calibration method has higher calibration accuracy and calibration speed compared with the Zhang Zhengyou calibration method,which is suitable for the calibration of single camera.

Key words: computer vision, 3D reconstruction, camera calibration, lens distortion, coplanar point, chessboard corner

中图分类号:

TP391

刘杨豪,谢林柏. 基于共面点的改进摄像机标定方法研究[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2016.08.051.

LIU Yanghao,XIE Linbo. Research on Improved Camera Calibration Method Based on Coplanar Points [J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2016.08.051.

参考文献

参考文献［1］王建华,冯帆,梁伟,等.非线性模型下的摄像机标定［J］.光电子技术,2012,32(1):33-38. ［2］Ma Songde,Zhang Zhengyou.Computer Vision Elements of Computation Theory and Algorithms［M］.［S.l.］:Science Press,1998. ［3］李勤,达飞鹏,温晴川.任意方向下的摄像机镜头畸变标定［J］.仪器仪表学报,2010,31(9):2022-2027. ［4］刘艳,李腾飞.对张正友相机标定法的改进研究［J］.光学技术,2014,40(6):565-570. ［5］Abdel-Aziz Y I,Karara H M.Direct Linear Transformation into Object Space Coordinates in Close-range Photogram-metry［J］.Photogrammetric Engineering and Remote Sensing,2015,81(2):103-107. ［6］李华,吴福朝,胡占义.一种新的线性摄像机自标定方法［J］.计算机学报,2000,23(11):1121-1129. ［7］陈佳.CCD测距技术研究［D］.长春:长春理工大学,2009. ［8］袁伟钢.双目立体视觉中的特征点匹配算法研究［D］.哈尔滨:哈尔滨工程大学,2007. ［9］Tsai R Y.A Versatile Camera Calibration Technique for High-accuracy 3D Machine Vision Metrology Using Off-the-shelf TV Cameras and Lenses［J］.Robotics and Automation,1987,3(4):323-344. ［10］Zhang Zhengyou.A Flexible New Technique for Camera Calibration［J］.IEEE Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334. ［11］张艳珍,欧宗瑛.一种新的摄像机线性标定方法［J］.中国图象图形学报,2001,6(8):14-18. ［12］Kim J H.Linear Stratified Approach for 3D Modelling and Calibration Using Full Geometric Constraints［C］//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Washington D.C.,USA:IEEE Press,2009:2144-2151. ［13］Chen C S,Yu C K,Hung Y P.New Calibration-free Approach for Augmented Reality Based on Parameterized Cuboid Structure［C］//Proceedings of the 7th IEEE Inter-national Conference on Computer Vision.Washington D.C.,USA:IEEE Press,1999:30-37. ［14］徐经纬,郝泳涛.基于平面方格点的摄像机标定改进算法［J］.计算机工程,2010,36(6):259-261. ［15］Hartley R I.In Defense of the Eight-point Algorithm［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19(6):580-593. 编辑陆燕菲

[1]	沈泽君, 丁飞飞, 杨文元. 多粒度相关滤波视频跟踪方法[J]. 计算机工程, 2020, 46(5): 274-281.
[2]	张小瑞, 陈旋, 孙伟, 葛楷. 基于深度学习的车辆再识别研究进展[J]. 计算机工程, 2020, 46(11): 1-11.
[3]	景庄伟, 管海燕, 彭代峰, 于永涛. 基于深度神经网络的图像语义分割研究综述[J]. 计算机工程, 2020, 46(10): 1-17.
[4]	邹松,唐娉,胡昌苗,单小军. 基于三维重建的大区域无人机影像全自动拼接方法[J]. 计算机工程, 2019, 45(4): 235-240.
[5]	陈思园,宋展,尹业安. 基于智能手机的三维重建方法[J]. 计算机工程, 2019, 45(3): 225-231,236.
[6]	盛宜华, 武友新, 姚磊岳. 一种基于YOLOv3的共享单车违规停放检测方法[J]. 计算机工程, 2019, 45(12): 237-242.
[7]	李玲霞,王羽,吴金君,王沙沙. 基于改进型多维卷积神经网络的微动手势识别方法[J]. 计算机工程, 2018, 44(9): 243-249.
[8]	王淼,耿国华,史重阳,余凡. 基于马尔可夫随机场的无缝纹理映射[J]. 计算机工程, 2018, 44(7): 237-243.
[9]	周麒,杨永明,王振洲. 基于双目立体视觉的结构光测量技术[J]. 计算机工程, 2018, 44(7): 244-249,258.
[10]	吕立,姚拓中,宋加涛,肖江剑,王建军. 基于单目视觉三维重建系统的设计与实现[J]. 计算机工程, 2018, 44(12): 233-239.
[11]	肖大伟,翟军勇. 轮式移动机器人单目视觉的目标测距方法[J]. 计算机工程, 2017, 43(4): 287-291.
[12]	赵碧霞,张华,王姮,刘桂华,王静强. 基于Bayes理论的散斑三维重建方法 [J]. 计算机工程, 2017, 43(12): 211-215.
[13]	杨海清,郭更新. 基于立体视觉的鞋楦数字化研究[J]. 计算机工程, 2017, 43(12): 242-247.
[14]	郑恩,林靖宇. 基于图像质量约束的无序图像关键帧提取[J]. 计算机工程, 2017, 43(11): 210-215.
[15]	丰明坤,赵生妹,孙丽慧,施祥. 基于局部高斯加权融合的图像质量评价[J]. 计算机工程, 2016, 42(8): 237-242.

基于共面点的改进摄像机标定方法研究

Research on Improved Camera Calibration Method Based on Coplanar Points

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10