序列视频摄像机姿态计算 毕业论文.docx

南 京 师 范 大 学毕 业 设 计（论 文）（ 2014 届）题 目：序列视频摄像机姿态计算 学 院： 地理科学学院 专 业 测绘工程 姓 名： 学 号：10100516 指导教师： 南京师范大学教务处 制39 摘要用摄像测量方法研究被摄物体的几何信息和物理信息时，必须建立该物体与像片之间的数字关系，为此，首先要确定航空摄影瞬间摄影中心与像片在地面设定的空间坐标系中的位置与姿态。描述这些位置和姿态的参数称为像片的方位元素。其中表示摄影中心与像片之间相关位置的参数称为内方位元素，即摄像中心s到像片的垂距f及像主点o在框架坐标系中的坐标。表示摄影中心与像片在地面坐标系中的位置和姿态的参数称为外方位元素，即确定摄影光束在摄影瞬间的空间位置和姿态的参数。关键词: 摄影测量;摄影中心; 姿态参数；空间坐标abstractstudy on the measurement method for camera photographed the geometric information and physical information object, must establish the relationship between the object and the digital photograph, therefore, must first determine the position and attitude of aerial photography and photo on the ground set in the spatial coordinate system. description of the position and attitude parameter called orientation elements photo. the said parameters related position between the center of photography and photo called the inner orientation elements, namely the camera center s to photograph the vertical distance f and principal point in the framework of o coordinate. parametric representation of center of photography and pictures in the ground coordinates of position and attitude of the known as the elements of exterior orientation parameters, namely photo beams in the spatial position and posture of the instant photography.keywords: photography; photographic center; pose parameter space coordinates;目 录摘要21绪论51.1论文研究的目的51.2论文研究的意义51.3国内外的研究现状52 特征点提取算法62.1摄影测量特征点提取算法的意义62.2 moravec 算子62.3 harris 算子62.4 frstner 算子63 特征点检测73.1特征点检测的意义73.2 harris 角点检测73.3 susan 角点检测73.4相位一致性角点检测74 摄像机标定94.1 摄像机标定的意义94.2 摄像机成像模型94.2.1坐标变换114.2.2 摄像机成像公式134.3 传统摄像机标定方法174.3.1 直接线性变换（dlt变换）184.3.2 tsai 的 rac的定标算法94.4摄像机自标定方法214.4.1 基于kruppa方程的自标定方法214.4.2基于绝对二次曲面、无穷远平面的自标定方法225基于matlab的摄像机标定的实现245.1标定实现的流程245.2标定的实现245.3 实验误差分析286总结和展望286.1总结286.2 展望28附录31 1绪论1.1论文研究的目的本文所研究的目的:获取的视频序列后，对比不同的获取特征点算法(光流法,surf特征点提取算法,sift特征点提取算法)得出最优算法，利用统计学中直方频率统计找出最精准特征点，同时用特征点坐标，解算中心投影构线方程，得到精确的外方位元素，确定摄像机姿态。1.2论文研究的意义本文所研究意义：找出较优的特征点提取和匹配算法，优化摄像机姿态解算，解算出精确的外方位元素即确定瞬间的摄像机姿态，对于数字摄影测量内业，高程模型，正射影像等数字产品的作业有重要作用。还可以促进精确的恢复像片中地物地貌的三维世界，确定高速移动物体的瞬间姿态，以及高精密测量中摄影像片的处理等测量作业的发展。进入21世纪伴随着科学技术的突飞猛进，计算机科学的迅速发展，航空航天、国防试验、勘察勘测、交通运输、建筑施工、体育运动、照片真伪鉴别等领域对摄像机功能摄影测量精度有了更高的要求。1.3国内外的研究现状由于摄像机参数在理论和实践中的重要价值,有关摄像机定标和提高摄像机参数精度的研究多年来一直在进行,基于不同的出发点和思路都取得了一定的成果。由于摄像机位置的重要性国内外学者专家对这方面做了大量的研究。如：opencv等视频序列制作软件的优化和开发，顾广华学者将连续几帧图像的相同背景稳定在同一幅图像的相同位置对静止背景序列的视频对象分割算法。华东师范大学孙殿平教授对序列视频图像中运动目标的检测与跟踪快速算法。还有中科院向长波教授估计多个视点位置上摄像机姿态的新算法。这些都对对摄影测量摄像机姿态计算直接或间接的起到了促进作用。david g lowe在2004年提出一种尺度空间上,对于图像的缩放和旋转甚至仿射变换保持不变性的图像局部特性描述算子-sift算子, 即尺度不变特征变换。它检测局部极值并将极值点作为特征点,使其保持鲁棒性和稳定性。 近年来,将光流法应用于视觉里程计中是国内外一些专家学者的研宄重点。将传统的光流法加以改进并创新了一系列新方法,促进了光流法的发展。张永亮等提出一种改进的lucas-kanade算法,首先,计算跟踪置信度因子;然后,通过阈值检测剔除不可靠的光流估计结果;最后进行邻域填充。该方法改善了对于纹理不丰富区域的光流估计,提高了运动估计的结果。潘金山等学者提出一种估计运动细节的方法。该方法针对现有的光流方法在处理大位移和估计运动图像细节方面存在的问题,提出一种结合图像细节特征的变分光流场的模型。总体来看各种算法都有各自的优缺点，都还在快速发展。 2 特征点提取算法2.1摄影测量特征点提取算法的意义特征提取是许多图像分析的必要步骤，也是立体视觉和目标识别系统的基础，它在影像匹配、目标描述与识别、运动估计、目标跟踪等领域具有十分重要的意义。点特征是图像最基本的特征之一，它易于表达和操作，本文介绍了摄影测量领域中应用比较广泛的几种点特征提取算法。在摄影测量领域中较常用的特征点提取算子有: moravec 算子; f rstner 算子; harris 算子; susan 算子等。下面将分别介绍各算法.2.2 moravec 算子moravec 算子是moravec h p 于1977 年提出的一种利用灰度方差提取点特征的算子，主要是在四个方向上，选择具有最大、最小灰度方差的点作为特征点。有以下几个步骤。(1) 计算各像元的兴趣值iv( interest value) 。(2) 给定一经验值，将兴趣值大于该阈值的点( 即兴趣值计算窗口的中心点) 作为候选点。阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则。(3) 选取候选点中的极值点作为特征点。在一定大小的窗口内( 可不同于兴趣值计算窗口，例如5 5，7 7 或9 9 像元) ，将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。这一步骤也可以称为“抑制局部非最大”。2.3 harris 算子harris 算子是moravec 算子的一种改进，它是由charris 和m j stephens 在1988 年提出的一种基于信号的点特征提取算子。harris 算子的优点是在计算时只用到了图像数据的一阶导数，因此对图像旋转、亮度变化、视角变化和噪声的影响具有很好的鲁棒性。2.4 frstner 算子frstner 算子，它是由frstner w 和glch e 于1977年提出的，是通过计算各像素的roberts 梯度和像素( c，r) 为中心的一个窗口( 如5 5) 的灰度协方差矩阵，在影像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。 3 特征点检测3.1特征点检测的意义立体视觉中的特征点匹配是计算机视觉中的重要组成部分, 是获取三维几何信息的重要步骤。特征点匹配算法可遵从下述处理过程: ( 1) 特征点的选择; ( 2) 点匹配。本文比较了经典的har ris、susan 和相位一致性角点检测算法, 得出通过相位技术找出的边缘特征点具有良好的抗噪性和稳定性。3.2 harris 角点检测harris 角点检测通过选取小区域并作出微小位移, 由此得到每个象素处的梯度矩阵:再通过提取特征值 和 , 计算角点响应函数: 其中, k 为系数, 角点可选取为局部最大化r 。同时, r 大于某一域值。3.3 susan 角点检测在运用harris 角点检测时, 必须先用滤波器降噪, 才能得到较好的结果。但是运用滤波器同时也影响了角点的位置。su san 角点检测则可以避免这个问题。susan 检测算法以某一像素点为核心, 设一个以该核心为中心的圆形区域为掩模, 通过比较掩模区域与核心的灰度一致性来计算u san 面积。u san 面积越小, 则边缘强度越大, 该核心点即为角点。此法可以免去用滤波器降噪, 且不会影响角点的几何位置。3.4相位一致性角点检测相位一致性角点检测是基于频域的处理方法。通常, 角点具有较大的边缘特征, 则该点的频率分量相位角具有最大的一致性。位一致性又与方向角相联系, 所以可通过计算不同方向的相位一致性来判定角点的位置。 4 摄像机标定 摄像机定标技术早就应用于摄影测量学。摄影测量学中所使用的方法是数学解析分析的方法, 在定标过程中通常要利用数学方法对从数字图像中获得的数据进行处理.通过数学处理手段。4.1 摄像机标定的意义摄像机标定，是指建立摄像机成像几何模型，描述空间坐标系中物体点同它在图像平面上像点之间对应关系的过程。摄像机标定的目的就是确定几何模型参数即摄像机参数 。摄像机标定是计算机视觉应用中的关键技术，在增强现实系统中也必须采用摄像机标定技术实现图像的注册。摄像机标定技术在立体视觉研究中占有非常重要的地位。本文就目前普遍常用的标定方法进行了综合阐述，介绍了摄像机标定的基本原理和几种比较常见的标定方法。最后实现了基于matlab使用标定工具的半自动获取标定结果，该方法以棋盘格作为标定板图样, 对于每一幅标定图像, 需要人工界定4个角点,完成标定过程,另外在tasi的理论基础上，进行了不考虑摄像头畸变的标定简单实验，得出了摄像机的参数。4.2 摄像机成像模型 摄像机成像模型是摄像机定标的基础，确定了成像模型，才能确定摄像机内外参数的个数和求解的方法。在计算机视觉中，利用所拍摄的图像来计算出三维空间中被测物体几何参数。图像是空间物体通过成像系统在像平面上的反映，即空间物体在像平面上的投影。图像上每一个像素点的灰度反映了空间物体表面某点的反射光的强度，而该点在图像上的位置则与空间物体表面对应点的几何位置有关。这些位置的相互关系，由摄像机成像系统的几何投影模型所决定。计算机视觉研究中，三维空间中的物体到像平面的投影关系即为成像模型，理想的投影成像模型是光学中的中心投影，也称为针孔模型。 在推导成像模型的过程中，不可避免的要涉及到空间直角坐标系，直角坐标系分右手系和左手系两种。如果把右手的拇指和食指分别指向x 轴和 y 轴的方向，中指指向 z 轴的方向，满足此种对应关系的就叫做右旋坐标系或右手坐标系；如果左手的三个手指依次指向 x 轴、y 轴和 z 轴，这样的坐标系叫做左手坐标系或者左旋坐标系。本文为简便起见，使用的坐标系均为右手坐标系。图4.1 针孔成像原理对于仅有一块理想薄凸透镜的成像系统，要成一缩小实像，物距u,像距v焦距f必须满足下式： （4.1）当u远大于 f时，可以认为 v 与 f近似相等，若取透镜中心为三维空间坐标系原点，则三维物体成像于透镜焦点所在的像平面上，如上图所示。图中（x,y,z）为空间点坐标，（x, y,-f）为像点坐标，为以透镜中心即光学中心为坐标原点的三维坐标系。成像平面平行于平面，距光心距离为f。则有下列关系成立： 上述成像模型即为光学中的中心投影模型，也称为针孔模型。针孔模型主要由光心投影中心、成像面和光轴组成。模型假设物体表面的部分反射光经过一个针孔而投影到像平面上，也就是就成像过程满足光的直线传播条件，为一个射影变换过程；而相应地，像点位置仅与空间点坐标和透镜焦距相关。由于成像平面位于光心原点的后面，因此称为后投影模型，此时像点与物点的坐标符号相反；为简便起见，在不改变像点与物点的大小比例关系的前提下，可以将成像平面从光心后前移至光心前，如下图所示，此时空间点坐标与像点坐标之间符号相同，成等比例缩小的关系，此种模型称为前投影模型。本文使用前投影模型，在实际生活中，大部分摄像机都可以用此模型近似模拟其成像过程。 图4.2 针孔成像前投影模型4.2.1坐标变换 在实际使用摄像机的过程中，人们为了方便计算，常常设置多个坐标系，因此，空间点的成像过程必然涉及到坐标系之间的相互转化。 下面将逐步推导坐标变换的公式以及坐标变换的相关特性。 首先考虑相对简单的二维坐标变换，考虑如下图所示的两个坐标系oxy 和,其中表示点o点在坐标系 oxy中的坐标，两坐标系之间的夹角设为。则两坐标系之间的变换可以看作是通过两步完成的：或者是先旋转，再平移；或者是先平移，后旋转。两种方法得到的最终的表达式是一致的，在这里选择第一种。 图4.3 二维坐标变换示意图经过简单的推导，可以得出以下同一点新旧坐标之间的关系式： (4.2) 将其转化为矩阵的形式，可以推出下式： (4.3)为更进一步简化公式，这里引入齐次坐标形式。简单地说，给原有的坐标表示添加一个元素，用 1表示该点为非无穷远点，0表示该点为无穷远点，更深入的内容可以参考空间解析几何的相关内容。引入齐次坐标后，上式可以变为以下形式： (4.4) 坐标变换矩阵由三个列向量组成，前两个列向量表示旋转，第三个列向量表示平移。可以看出旋转向量满足正交性，用r1 表示第一列，用 r2 表示第二列，则有下式成立： (4.5)将坐标变换从二维扩展到三维，情况将稍微复杂一些，但依然可以将坐标变换分解为旋转和平移两个部分，此时旋转角将是一个空间角而不是一个平面角，平移量是一个三维空间向量而不是一个平面二维向量。对于旋转的空间角，可以将其分解为三个平面旋转角，分别表示绕 x轴，y轴和z 轴旋转的角度。每一种旋转所对应的变换矩阵如下所示： (4.6) 图4.4 三维坐标变换示意图 这里设新坐标系的原点o在旧坐标系中的坐标为，则可以得出最终的、坐标变换的齐次坐标形式: (4.7) 类似地，旋转向量满足正交性，令表示旋转矩阵，其中, , ,令表示平移向量，o=(0,0,0)，则上述公式可以简化为： (4.8) 对于旋转向量，有下式成立： (4.9)4.2.2 摄像机成像公式 有了前述的相关知识，现在可以在忽略畸变影响的前提下推导摄像机成像公式。在摄像机成像过程中，通常涉及到多个坐标系。它们分别是世界坐标系、摄像机坐标系和图像坐标系，图像坐标系又分为图像物理坐标系和图像像素坐标系。图4.5 摄像机成像模型世界坐标系是可由用户任意定义的三维空间坐标系，一般的三维场景都用这个坐标系来表示。在摄像机定标中，世界坐标系常设在定标物的表面或在与标定物有着确定的变换关系的位置，从而标定物上特征点的空间世界坐标仅需简单的推导即可得到。 摄像机坐标系是以摄像机光心为原点， 以垂直于成像平面的摄像机光轴为 z轴建立的三维直角坐标系。其中该坐标系的x轴和 y轴一般与图像物理坐标系的相应x轴和y轴平行，两轴所在平面平行于成像平面。 图像坐标系分为图像物理坐标系和图像像素坐标系两种。 图像物理坐标系的原点为透镜光轴与成像平面的交点，x与 y轴分别平行于摄像机坐标系的 x与 y轴，是平面直角坐标系，长度单位为毫米。 图像像素坐标系为固定在图像上的以像素为单位的平面直角坐标系， 其原点位于图像左上角,坐标轴平行于图像物理坐标系的x和 y 轴。对于数字图像，图像像素坐标系为直角坐标系，长度单位为毫米。图4.6 成像平面的不垂直性示意图摄像机成像可以分为三个阶段，第一个阶段是空间点坐标从世界坐标系变换为摄像机坐标系，第二个阶段为空间点坐标经过镜头的射影变换转化为像点坐标，在这个过程中由于光学系统的畸变误差，会使像点坐标产生一定的畸变，从而会对最终的图像造成一定的畸变。为了校正畸变，对应不同的校正方法，人们提出了许多不同的校正模型。第三个阶段为图像的形成，通过 ccd 完成。它使用一种高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转换成数字信号，数字信号经过压缩以后由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要和想象来修改图像。ccd 由许多感光单位组成，通常以百万像素为单位。当 ccd表面受到光线照射时，每个感光单位会将电荷反映在组件上，所有的感光单位所产生的信号加在一起，就构成了一幅完整的画面。ccd每个像素在 x和 y方向上分别有着确定的物理尺寸和，表示一个像素为多少毫米，这两个参数近似相等，但由于制造精度的问题，将会有一定差异。同样地，ccd的坐标轴的夹角接近90度，但不是完全垂直。下面来推导理想情况下的摄像机成像公式，首先是第一个阶段： (4.10) 其中，为空间点的世界坐标系齐次坐标。空间点的摄像机坐标系齐次坐标，r和 t分别为旋转矩阵和平移向量。在第二个阶段，空间点变换为像点： (4.11)其中为像点图像物理坐标系齐次坐标。在第三个阶段，像点坐标将转化为像素坐标： (4.12)其中 为像点的图像像素坐标系齐次坐标。为摄像机光学中心在ccd成像平面上的投影位置。 这样就依靠摄像机各参数，建立了空间点与像素点之间的联系。因此我们可以根据检测到的点坐标，进而求得摄像机的焦距f，物理尺寸和，主点位置，纵横坐标轴的夹角。总的来说，理想前提下，摄像机的参数可分为内外两种，用于世界坐标系向摄像机坐标转换的三个旋转角和三个平移量参数为外参数，总共为六个未知量，摄像机的焦距f，物理尺寸和，主点位置，纵横坐标轴的夹角，和起来也是六个未知量。但是，将成像第二阶段和第三阶段的公式中的矩阵合并到一起，通过简单的变量替换，可以将六个内参数化为五个内参数。 (4.13) 令 ， ， ，则最后的成像公式可变为： (4.14) 因此，理想情况下摄像机定标就是要求解这内外总共11个未知量。4.3 传统摄像机标定方法4.3.1 直接线性变换（dlt变换） 直接线性变换是将像点和物点的成像几何关系在齐次坐标下写成透视投影矩阵的形式： （4.15）其中为图像坐标系下的点的齐次坐标，为世界坐标系下的空间点的欧氏坐标，p为的透视投影矩阵，s为未知尺度因子。，消去s,可以得到方程组：（4.16） 当已知n个空间点和对应的图像上的点时，可以得到一个含有2* n个方程的方程组: al=0 （4.17）其中a为的矩阵，l为透视投影矩阵元素组成的向量。像机定标的任务就是寻找合适的l,使得为最小，即 给出约束：(4.18) l为l的前11个元素组成的向量，c为a前11列组成的矩阵，b为a第12列组成的向量. 约束不具有旋转和平移的不变性，解将随着世界坐标系的选取不同而变化。证明如下：世界坐标系作刚性坐标变换 (4.19)则。显然在一般的情况下，另一个约束具有旋转和平移的不变性图4.7 向量位置关系向量，是两两垂直的单位向量，有。4.3.2 tsai 的 rac的定标算法 80年代中期tsai提出的基于rac的定标方法是计算机视觉像机定标方面的一项重要工作，该方法的核心是利用径向一致约束来求解除（像机光轴方向的平移）外的其它像机外参数，然后再求解像机的其它参数。基于rac方法的最大好处是它所使用的大部分方程是线性方程，从而降低了参数求解的复杂性，因此其定标过程快捷，准确。rac的定标算法主要内容有像机模型、径向一致约束、定标算法. 像机模型如下页图4.8：xyy 图4.8像机模型世界坐标系和摄像机坐标系的关系: (4.20)在tsai的方法中，k 取作： (4.21)理想图像坐标到数字图像坐标的变换（只考虑径向偏差18,19），如下页图4.9: (u,v)（uc, vc） （x, y） 图4.9 径向偏差 （4.22）(u,v)为一个点的数字化坐标，（x,y）为理想的数字化坐标，为畸变中心。（1）径向一致约束 在图像平面上，点，（x,y），（u,v)共线，或者直线 (x,y)与直线（u,v) 平行或斜率相等，则有： （4.23）通常把图像中心取作畸变中心和主点的坐标，因此： （4.24）（2）定标算法定标步骤一：求解像机外参数旋转矩阵r和向x,y方向上的平移，根据： （4.25） 其中， ， 得到： （4.26） 再根据式（3.25）得到： （4.27）由至少7组对应点，可以求得一组解： （4.28）对除以，则得到一组解。由可求出s，从而也可以被解出。 或 根据 det(r)=1,来选择。定标步骤二：求解有效焦距f、z方向上的平移和畸变参数k； 令k=0作为初始值，则式（4.2.7）为： （4.2.10）由式（4.2.7）中x,y的表达式，可以将第一步求出 r，的值代入得： （4.29）由此可以解出f, .将求出的f, .以及k=0作为初始值，对下式进行线性优化： （4.30）估出估计，f和k的真实值。4.4摄像机自标定方法 自标定是指不需要标定块，仅仅通过多幅图像点之间的对应关系对摄像机进行标定的过程15,16。这种方法的优点是仅需要建立图像之间的对应，灵活性强，主要应用场所的转移，潜在应用范围广。但也存在不足之处，如因为这是非线性标定，因而精度不太高，鲁棒性不高。4.4.1 基于kruppa方程的自标定方法 推导kruppa 方程的示意图 图3.10 基于kruppa方程的自标定方法模型kruppa 方程由 ， 得 （4.31） x为位于上的任意一点,知 ，则 （4.32） （4.33） （4.34）其中的组成形式为 在kruppa方程中，f,e 为已知数， 有5个独立未知变量，每个kruppa方程最多可以提供2个关于未知变量的独立约束，约束方程为5元二次方程，每对图像可以得到一个kruppa方程，故至少需要3对图像来标定摄像机，且摄像机的内参数必须保持不变，假定内参数都在变，任意两幅图像间有两个独立的kruppa方程，则 n (=3) 幅图像之间有n(n-1)个kruppa方程，其中只有5n-9个方程是独立的。4.4.2基于绝对二次曲面、无穷远平面的自标定方法将世界坐标系取作第一个摄像机的坐标系，则绝对二次曲面13.14是：（4.35）其中k1是第一个摄像机的内参数，a 是无穷远平面的法向量。，是射影重建，则绝对二次曲面标定方程有：，（4.36）第1幅和i幅图像之间的无穷远平面的单应矩阵是：，。基于无穷远平面单应矩阵的标定方程是： ， （4.37） 由绝对二次曲面的标定方程或无穷远平面的标定方程可以推出 kruppa 方程。反之，对kruppa 方程添加一个方程后，可以推出绝对二次曲面的标定方程或无穷远平面的标定方程。因此，基于绝对二次曲面的标定方程与基于无穷远平面的标定方程完全等价。5基于matlab的摄像机标定的实现5.1标定实现的流程读取图像角点检测结构转换误差分析计算外参计算内参结果输出释放内存图 4.1 标定实现流程图本次实验完成了两种标定方法，第一种基于matlab使用了calib_toolbox工具实现的标定，这里所用到的图片可以是摄像机拍摄出来的一组对同一物体不同位置和姿势的图片。本实验为了观察方便，实现的是黑白相间的棋盘状网格标定，并给出了标定参数。另外一个实验是根据tasi没有考虑摄像头畸变的标定，ccd 阵列中感光元的横向间距和纵向间距被认为是已知, 其数值是靠摄像机厂家提供的，因此角点检测的结果已经完成。因此第二个实验只需要的三维空间坐标系与摄像机坐标系之间的外参数旋转矩阵r和平移向量t,以及摄像机焦距f.5.2标定的实现实验一：运用calib_toolbox工具实现标定运行matlab，并将toolbox_calib文件夹添加到matlab path 环境中。再运行标定主函数calib_gui,调用函数calib_gui.m，选择其中一种模式，调用函数calib_gui_normal.m,即可以使用工具箱进行标定了。入图片，调用ima_read_calib.m.进行图像角点提取，调用了以及click_ calib.m以及click_ima_calib.m对20张图片都进行同样的操作，可以得到20张类似于下图的有交角点的图形。同时也生成带有角点检测完成后的图像中 图5.1（a）提取角点图像 图5.1(b)角点检测图像角点提取完成后调用go_calib_optim.m以及调用go_calib_optim_iter.m,摄像机的标定结果就会出现。标定完成后同时也可以和观察到摄像机外部参数，根据已知的标定模板上网络顶点的位置坐标以及提取到的图像上网络顶点的坐标，可以计算出摄像机参数。实验得出结果为 图 5.2像机坐标系观察的外部参数 图5.3 世界坐标外部参数内部参数结果如下：这结果是优化之后的结果，其中包含了有效焦距、主点cc、扭曲系数alpha_c、畸变系数kc、以及误差err。点击误差分析按钮，调用analyse_error.m则出现以下图片：图5.3 误差分析图最后保存结果以及显示标定结果程序。实验二：tasi的没有考虑畸变的标定由于实验二比较直接简单因此不做大量讲述，主要的程序见附录。实验结果为：ty = -5.7803tx =-5.0000tx =-0.0000 - 5.8008if = 0.0000 + 0.5018ir = 1.0000 -0.0000 0.0000 + 0.0000i 0 1.1561 0.0000 + 0.5801i -0.0000 - 0.0000i -0.0000 - 0.5801i 1.1561 v = 0.0000 + 0.5018i -0.0000 - 5.8008i本实验是没有考虑畸变的实验，没有偏差系数，因此只需要求出了外参数旋转矩阵r以及在x,y,z方向的平移tx ，ty ，tx，以及焦距f。5.3 实验误差分析在本实验中，误差分析可以分为系统误差以及偶然误差。系统误差主要是摄像机由于光学系统存在加工和装配误差，在成像过程中产生畸变误差，会使像点坐标产生一定的畸变，从而对内参数精度也会产生一定影响。图像形成过程中，图心爱那个坐标轴也并不完全垂直，只是接近90度。因而也会产生一定的系统误差。其次，在进行角点检测和提取时，由于人的肉眼观察以及手动操作都会产生一定的偶然误差。另外，一些理论上的算法上也存在着误差。 6总结和展望6.1总结 本文主要偏向于理论研究，首先是对摄影测量特征点提取、检测进行了简要概述，然后花了大量篇幅讲述了摄像机标定的基本原理，分别论述了传统的标定方法及自标定方法。总结出传统标定方法是基于特定的实验条件，如形状、尺寸已知的标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的内部参数和外部参数。对于使用calib_toolbox进行的标定实验，实质就是优化的直接线性变换法，它可以看出标定过程需要的基本流程，很容易就把结果显示出来。但这种方法需要人为手动进行角点检测，因此带来的误差也是非常大的。而tasi的方法中一旦数据给出就能得出稳定的参数，相对而言，这种方法比较稳定。6.2 展望 由于自己水平和知识的限制，能力也不够，对视频特征点的提取实验没有深度研究，只是对摄像机标定这一过程做了详细的论述和程序的编写。并且由于时间有限，只能说做出这两种方法的标定结果，希望在以后的时间里能够实现各种方法的标定。在这里因为每种标定的方法适用范围不一样，因此，目前并没有统一地对所有的摄像机的标定办法，希望在以后的研究方向上能研究出对一切摄像机都适用的标定方法。在对摄像机标定的研究的深入，理解的加深，能够对标定的结果更加优化，从而是误差尽可能地降低。谢辞 本论文的完成，得更得益于导师刘学军教授从选题的确定、论文资料的收集、论文框架的确定、开题报告准备及论文初稿与定稿中对字句的斟酌倾注的大量心血，在此对导师刘学军教授表示感谢！在这里还要特别感谢大学四年学习期间给我诸多教诲和帮助的地科院学院的各位老师，感谢各位老师，你们给予我的指导和教诲我将永远记在心里！ 感谢在大学四年学习期间给我传授诸多专业知识的各位老师给予我的指导和帮助！ 感谢和我一起生活四年的室友，是你们让我们的寝室充满快乐与温馨，“君子和而不同”，我们正是如此！愿我们以后的人生都可以充实、多彩与快乐！感谢我的同学们，谢谢你们给予我的帮助！ 参考文献1 zhang guang-jun.machine visionm.beijing:science press,2005:69-97. 张广军。机器视觉m.北京：科学出版社，2005：69-97.2 赵清杰, 钱 芳, 蔡利栋. 计算机视觉m . 北京: 机械工业出版社, 2005.3 马颂德，张正友，计算机视觉计算理论与算法基础，科学出版社，19984 邱茂林,马颂德等，计算机视觉中摄像机定标综述j，自动化学报,2000,261:43555 中科院自动化研究所模式识别国家重点实验室资料g.摄像机标定6 姜大志，郁倩。计算机视觉中的设备标定和三维图形重构综述j.计算机工程与应用，2001，13：53-55.7一种视频序列的背景提取算法 肖 梅，韩崇昭，张 雷 ( 西安交通大学 电子与信息工程学院 综合自动化研究所，陕西 西安 710049； 长安大学 太白山教学实习基地，陕西 西安 710064 8一种摄像机姿态估计方法 周 维，许海霞（湘潭大学信息工程学院，湘潭 411105）文章编号：1004-731x (2011) 12-2582-069估计多视点摄像机姿态的两步法向长波 谢丹 刘太辉 宋建中( 1. 中国科学院长春光学精密机械与物理研究所, 吉林长春130033 ;中国科学院研究生院, 北京100039 ; 3. 湖南师范大学工学院, 湖南长沙410081 )10camera motion estimation through planar deformation determination c. jonchery, f. dibos and g. koepfler february 1, 200811基于新方向性菱形-弧形搜索的运动估计算法 林舒静，陈坚 (西南大学计算机与信息科学学院，重庆 400715) 文章编号：10003428(2009)1002200412全局运动估计中特征点选取和鲁棒性分析 贺玉文杨士强钟玉琢( 清华大学计算机科学与技术系北京100084)13一种改进的运动估计算法新三步搜索法 文章编号：1002-8692 （2004）04-0022-0214fast camera motion estimation for hand-held devices and applications xu liu1, david doermann, huiping li applied media analysis, inc. 387 technology drive, suite 3110, college park, md, 20742 15于起峰, 陆宏伟, 刘肖琳. 基于图像的精密测量与运动测量m. 北京: 科学出版社, 2002.16 李立春, 张小虎, 刘晓春, 等. “华南虎”照片的摄像测量研究j. 科技 导报, 2008, 26(1): 59-67.附录附录一：实验一：标定主函数calib_gui.m,title_figure = camera calibration toolbox - select mode of operation:;cell_list1,1 =standard (all the images are stored in memory),calib_gui_normal;cell_list2,1=memory efficient(the image sare loaded one by one), calib_gui_no_read;cell_list3,1 =