一维单应矩阵的进一步研究与应用 下载: 943次
1 引言
摄像机标定是视觉测量中的一项首要任务[1-3],依据使用标定物的维度可以将摄像机标定分为三维(3D)标定、二维(2D)标定、一维(1D)标定和零维(0D)标定。1D标定方法被文献[ 4]提出后,由于大尺寸的1D标定物制作简单且无自身遮挡等优点而受到国内外研究者的关注[5-12]。关于这些方法的总结可参考文献[ 13],在此不再赘述。
在前期研究中,针对绕固定点运动的1D标定问题,假设世界坐标系的
2 背景知识
2.1 1D单应矩阵的定义[13]
在摄像机的小孔成像模型下,若1D标定物位于世界坐标系的
式中
若
式中
2.2 平面运动的1D标定
Wu等[6]最早将绕固定点运动的1D标定扩展到平面运动中,其假设1D标定物包含
1)根据投影的交比不变性,计算直线
2)计算直线
3)计算直线
图 1. 文献[ 6]方法将平面运动转化为绕固定点运动。(a) 3D空间运动平面;(b)图像平面
Fig. 1. A motion rotating around a fixed point which converts from planar motion by Ref.[6] method. (a) 3D space motion plane; (b) image plane
3 1D单应矩阵
3.1 几何解释
容易得到与1D标定物重合的空间直线即世界坐标系的
式中
由(2)式可得:
由此得到1D标定的几何解释:1D标定物的消隐点到摄像机绝对二次曲线投影(
这里需要说明的是,在文献[
5]中,由直线上两个有限点的齐次坐标差值得到无穷远点,推导出与本文类似的结论,只是其代数距离是
3.2 交比不变
交比是投影几何中的基本不变量[14],文献[ 15]将两条直线上的对应投影点用2×2的单应矩阵联系起来,代入交比的定义式中可以证明交比不变性。本文的1D单应矩阵建立了由空间1D共线点到2D图像投影点的对应关系,由1D单应给出交比不变性的证明。
如
令矩阵
式中
由(1)式和(7)式可知,当且仅当
文献[
4]指出,因为存在交比不变性,所以当1D标定物上多于3个标定点时,并不能对内参数提供多余的约束。由(1)式得1组点对应可以得到关于
4 基于单应矩阵的1D平面运动标定
如
式中
式中
由摄像机的标定理论可知,一个平面中不论包含多少个1D标定物,都只能提供两个独立的约束方程,因此,最少需要三个平面才能完成摄像机的标定。
图 3. 基于单应矩阵的1D平面运动标定。(a) 3D空间运动平面;(b)图像平面
Fig. 3. 1D calibration with planar motion based on homography. (a) 3D space motion plane; (b) image plane
由以上分析可知,现在解决问题的核心转化为计算
式中
式中
5 仿真与实验
5.1 合成数据仿真
仿真时设置摄像机的内参数为
镜头畸变参数为0,摄像机分辨率为2000 pixel×2000 pixel。1D标定物的长度为90 cm。在1D标定物上分布着用于标定的3个等距标记点。仿真数据通过如下步骤产生。
1) 选取6个仿真平面,其Rodriguez旋转矢量分别为
平移矢量
2) 在每个平面上,1D标定物的运动次数定义为
3) 将以上生成的3D点投影到图像平面上,生成与1D标定点对应的图像点。
5.1.1 噪声水平对标定精度的影响
每一个平面中1D标定物的运动次数
5.1.2 运动次数
实验中,噪声的方差
图 4. 噪声水平对线性标定精度的影响。(a)本文算法;(b)文献[ 6]方法
Fig. 4. Effect of noise level on linear calibration precision. (a) Proposed method; (b) Ref.[6] method
图 5. 运动次数对标定精度的影响。(a)本文方法;(b)文献[ 6]方法
Fig. 5. Effect of motion number on calibration precision. (a) Proposed method; (b) Ref.[6] method
以上两个实验的结果表明,本文方法在标定精度和标定稳定性方面明显优于文献[
6]方法,其主要原因是文献[
6]方法的关键步骤是通过消隐点确定运动平面的消隐线,但是由于消隐点的计算对噪声比较敏感,所以随着噪声的增加,计算得到的消隐线方程误差会显著增大。虽然增加
5.2 真实实验
实验采用分辨率为1224 pixel×1024 pixel的黑白相机。打印了12条包含3个圆环标记点的1D标定纸粘贴在平板上。相邻标记点的距离为10 cm。移动摄像机获取6幅平板图像。其中一幅图像如
表 1. 真实实验图像的标定结果
Table 1. Calibration results of real image
|
6 结论
在1D单应矩阵解决绕固定点运动1D标定问题的基础上,对1D单应矩阵的性质和应用进行了深入研究。由1D标定物与世界坐标系
[2] 郭萌, 胡辽林, 李捷. 基于多幅图像的陶瓷碗表面缺陷的局部点云重建[J]. 光学学报, 2017, 37(12): 1215002.
郭萌, 胡辽林, 李捷. 基于多幅图像的陶瓷碗表面缺陷的局部点云重建[J]. 光学学报, 2017, 37(12): 1215002.
[3] 赵敏, 郑兴纯, 黄秋红, 等. 深度空间小视角摄像机标定[J]. 激光与光电子学进展, 2017, 54(9): 091502.
赵敏, 郑兴纯, 黄秋红, 等. 深度空间小视角摄像机标定[J]. 激光与光电子学进展, 2017, 54(9): 091502.
[5] HammarstedtP, SturmP, HeydenA. Degenerate cases and closed-form solutions for camera calibration with one-dimensional objects[C]. Tenth IEEE International Conference on Computer Vision, 2005, 1: 317- 324.
HammarstedtP, SturmP, HeydenA. Degenerate cases and closed-form solutions for camera calibration with one-dimensional objects[C]. Tenth IEEE International Conference on Computer Vision, 2005, 1: 317- 324.
[10] de França J A, Stemmer M R, França M, et al. . A new robust algorithmic for multi-camera calibration with a 1D object under general motions without prior knowledge of any camera intrinsic parameter[J]. Pattern Recognition, 2012, 45(10): 3636-3647.
de França J A, Stemmer M R, França M, et al. . A new robust algorithmic for multi-camera calibration with a 1D object under general motions without prior knowledge of any camera intrinsic parameter[J]. Pattern Recognition, 2012, 45(10): 3636-3647.
[11] He XJ, Zhang HF, HurN, et al. Complete Camera Calibration Using Line-Shape Objects[C]. IEEE Region 10 Conference, 2006: 1- 4.
He XJ, Zhang HF, HurN, et al. Complete Camera Calibration Using Line-Shape Objects[C]. IEEE Region 10 Conference, 2006: 1- 4.
[12] 王波, 孙凤梅. 再论一维摄像机标定[J]. 计算辅助设计与图形学学报, 2014, 26(3): 452-456.
王波, 孙凤梅. 再论一维摄像机标定[J]. 计算辅助设计与图形学学报, 2014, 26(3): 452-456.
Wang B, Sun F M. 1D camera calibration revisited[J]. Journal of Computer-Aided Design & Computer Graphics, 2014, 26(3): 452-456.
[13] 吕耀文, 刘维, 徐熙平, 等. 一种新的摄像机一维标定方法[J]. 光学学报, 2016, 36(12): 1215005.
吕耀文, 刘维, 徐熙平, 等. 一种新的摄像机一维标定方法[J]. 光学学报, 2016, 36(12): 1215005.
[14] 杨帆, 刘巍, 张洋, 等. 结合四角共线约束的大视场双目相机标定方法[J]. 光学学报, 2016, 36(7): 0715001.
杨帆, 刘巍, 张洋, 等. 结合四角共线约束的大视场双目相机标定方法[J]. 光学学报, 2016, 36(7): 0715001.
[15] 吴福朝. 计算机视觉中的数学方法[M]. 北京: 科学出版社, 2011: 28- 30.
吴福朝. 计算机视觉中的数学方法[M]. 北京: 科学出版社, 2011: 28- 30.
Wu FC. Mathematical methods in computer vision[M]. Beijing: Science Press, 2011: 28- 30.
Wu FC. Mathematical methods in computer vision[M]. Beijing: Science Press, 2011: 28- 30.
[16] JiangG, QuanL. Detection of concentric circles for camera calibration[C]. Tenth IEEE International Conference on Computer Vision, 2005, 1: 333- 340.
JiangG, QuanL. Detection of concentric circles for camera calibration[C]. Tenth IEEE International Conference on Computer Vision, 2005, 1: 333- 340.
[17] 邹朋朋, 张滋黎, 王平, 等. 基于共线向量与平面单应性的双目相机标定方法[J]. 光学学报, 2017, 37(11): 1115006.
邹朋朋, 张滋黎, 王平, 等. 基于共线向量与平面单应性的双目相机标定方法[J]. 光学学报, 2017, 37(11): 1115006.
[18] 苏建东, 齐晓慧, 段修生. 基于单目视觉和棋盘靶标的平面姿态测量方法[J]. 光学学报, 2017, 37(8): 0815002.
苏建东, 齐晓慧, 段修生. 基于单目视觉和棋盘靶标的平面姿态测量方法[J]. 光学学报, 2017, 37(8): 0815002.
[19] Bouguet J Y. Camera calibration toolbox for Matlab [EB/OL]. ( 2015-10-14)[2017-12-26]. http:∥vision.caltech.edu/ bouguetj/ calib_doc/index.html.
Bouguet J Y. Camera calibration toolbox for Matlab [EB/OL]. ( 2015-10-14)[2017-12-26]. http:∥vision.caltech.edu/ bouguetj/ calib_doc/index.html.
Article Outline
吕耀文, 刘维, 杜博军, 徐熙平. 一维单应矩阵的进一步研究与应用[J]. 光学学报, 2018, 38(7): 0715003. Yaowen Lü, Wei Liu, Bojun Du, Xipin Xu. Further Study and Application for One-Dimensional Homography Matrix[J]. Acta Optica Sinica, 2018, 38(7): 0715003.