本发明专利技术一种精确校正超广角摄像头图像畸变的方法，首先基于畸变模型计算校正误差，再根据下降算法迭代求精，最后根据求精获得的摄像头镜头内部参数和畸变参数校正畸变图像,本发明专利技术利用通过镜头标定方法获得的参数对畸变图像进行校正，不但适用于超广角镜头的畸变校正，对畸变较小的普通镜头和广角镜头同样适用，对图像整体畸变校正角度大、精度高，进一步的，本发明专利技术使用自制的平面标定板标定，只需要标定一次就能在任何环境下对图像进行校正，稳定可靠，实用性强。
【技术实现步骤摘要】
本专利技术涉及图像处理和计算机视觉
，特别涉及一种精确校正超广角摄像 头图像畸变的方法。
技术介绍
今年来，随着数字信号处理的快速发展、计算机处理能力的快速提升，基于超广角 镜头的视觉系统在虚拟实景、视频监控、智能交通、医疗、机器人导航等领域得到了广泛的 应用。以往在这些应用中采用的镜头拍摄视角范围小，所拍摄图像不能反映所拍摄场景的 全部信息。为了在同一场景中能获取到更多的信息，目前大多采用多个摄像头在不同角度 下进行信息采集，或者通过系统控制摄像头巡航扫描。多个摄像头系统不但加大设备的建 设和维护成本，而且布线难度也大大增加；快速巡航系统需要加设摄像头移动、转动平台， 在加大成本的同时，也降低了系统的稳固性和使用寿命。而超广角摄像头能够很好的解决 这些问题。 由于超广角摄像机拍摄的图像畸变非常严重，如果要利用这些严重畸变的图像的 投影信息，就需要将这些变形的图像校正为符合人体视觉习惯的透视投影图像。目前人们 提出了各种各样的校正算法，总的来说可以概括成两个方面：（1)成像建模，通过对超广角 镜头成像面进行建模，以模型约束去计算校正参数；（2)从2维和3维空间对图像畸变进行 校正，通过2维或3维坐标的转换和对畸变镜头的标定来实现校正。 传统的校正方法中，一是采用高阶多项式模型，将畸变函数进行正向或者逆向的 泰勒展开，根据需要的精度确定展开的阶数。这类方法应用于数码相机等畸变较小的镜头 具有很高的精度，而在广角、超广角镜头上，该模型只能补偿影像中心附近的镜头畸变，在 影像四周还存在明显的系统误差，畸变校正的精度不高，且边缘处畸变最大；二是采用除法 模型，根据立体视觉匹配约束条件将问题转换为特征值求解问题。该方法提高了 130度左 右的广角镜头畸变校正的校正精度，而对于畸变较小或者畸变更大的系统，求解的畸变系 数误差很大，该模型不适合超广角、高精度的畸变校正。如专利申请号201410424349. 8"一 种鱼眼镜头标定后鱼眼图像校正的方法"，多项式阶数过高过于复杂，并且靠近鱼眼图像边 缘处的校正精度很低，校正的有效角度较小。 在这些算法中，存在建模复杂、测量困难、校正精度不高的缺点：简单的畸变校正 技术尚无法校正角度偏大的部分；复杂的畸变校正技术测量困难，且难以满足实时性。
技术实现思路
本专利技术的目的是提供，实现简单，校 正精度高，实用性强，稳定可靠。 本专利技术，首先基于畸变模型计算校正 误差，再根据下降算法迭代求精，最后根据求精获得的摄像头内部参数和畸变参数校正畸 变图像，具体包括以下步骤： 步骤1、建立畸变图像与世界坐标系之间对应的位置关系： 首先设世界坐标系任一点0 = τ，对应校正图像的摄像机坐标为P = [XC，YC，ZJT，畸变图像坐标为Q= (u，v)，校正图像坐标为Q' = (u'，v'），投影成像模型由以 下公式描述： P = MO (1) 式⑴中，M为投影矩阵，MV?3' M = ，为旋转矩阵，Γε?3χ1为 平移向量； 再建立畸变图像与校正图像的关系模型如下： 式中，kp k2, k3, k4, k5, k6为径向畸变参数，p p p2为切向畸变参数，fx，fy，u。，V。为 摄像头内部参数，r为摄像机坐标系下投影点到摄像机坐标系原点的距离，X。= X VZ。，y。= Yc/zc； 步骤2、利用布设有黑白相间的长方形或正方形棋盘格的平面标定板拍摄多张图 片，作为标定图像，检测该标定板上每四个棋盘格相交的点即角点的图像坐标，根据步骤1 的投影成像模型建立标定板和标定图像的对应关系，计算图像坐标反投影误差：| |d-d' 11， 式中M · 11表示12范数，d为标定板角点的图像坐标，d'为标定板角点的世界坐标系坐 TH- 标，通过步骤1的投影成像模型在图像坐标下的投影，建立目标函数，=Σ?κ· -4'Il2，ε 为反投影误差平方，m为角点总数，j为角点的索引号，判断目标函数是否满足预设的精度 要求，若不满足精度要求，则利用下降迭代算法进行非线性优化求精，得到优化后的镜头内 部参数和畸变参数； 步骤3、根据步骤2获得的镜头内部参数和畸变参数，代入公式（2)和公式（3)计 算，得到校正后图像的空间数据，其中，校正图像坐标u'、ν'和X。、y。之间的关系为u' = Xc · fx+u〇, v' = yc · fy+v〇； 步骤4、利用最近邻插值公式对校正图像赋值完成校正，最近邻插值公式： g(u'，v'）=g(u'int，v'int)，g<y，v )为图像在 ，v )的像素值，V int，v int为 V，v的整数部分。 所述的下降迭代算法是LM下降迭代算法，具体步骤如下： 1、初始化摄像头内部参数（fx，fy，u。，v。)、投影矩阵M和畸变参数c。，初始化步长 跨度V: = 2 ; 2、计算每一个标定图像坐标（Ul，V1)对所有畸变参数C k的偏导数矩阵J : 3、计算Η: = 为J的转置矩阵，初始化步长λ : = max(diag(H))，其中diag 为矩阵对角线上的元素； 根据当前镜头内部参数（fx，fy，u。，V。)、投影矩阵M和畸变参数Ck估计标定图像 坐标，k表示在当前迭代下参数的更新次数，计算目标函数气 4、求解方程（JtJ+ λ I) δ = -Jtε k，I为单位矩阵，得到增量δ，更新畸变参数Ck+1: =Ck+ δ ； 5、计算更新畸变参数后的目标函娄尸1 ：; 6、如果ε k+1= ε k，那么停止迭代计算，当前畸变参数ck即为优化后的畸变参数； 如果ε k+1< ε k，更新参数c: = ck+1，ε : = ε k+1，V: = 2,转到2 ;如果ε k+1> ε k，更新参 数 ε : = ε k，λ : = ν* λ，转到 4。 针对多项式模型和除法模型校正精度低、有效角度小的不足，本专利技术利用非线性 寻优技术获得超广角摄像头镜头内部参数和畸变参数，根据标定图像的参数精确地校正超 广角图像，能够获取比其他畸变校正技术更大的可用视角。本专利技术利用通过镜头标定方法 获得的参数对畸变图像进行校正，不但适用于超广角镜头的畸变校正，对畸变较小的普通 镜头和广角镜头同样适用，对图像整体畸变校正角度大、精度高。进一步的，本专利技术使用自 制的平面标定板标定，只需要标定一次就能在任何环境下对图像进行校正，稳定可靠，实用 性强。【附图说明】 图1为本专利技术中自制的平面标定板示意图； 图2为本专利技术中标定流程图； 图3为本专利技术中图像畸变校正流程图； 以下结合附图和实施例对本专利技术做进一步详述。【具体实施方式】 本专利技术，首先基于畸变模型计算校正 误差，再根据下降算法迭代求精，最后根据求精获得的摄像头内部参数和畸变参数校正畸 变图像，具体包括以下步骤： 步骤1、建立畸变图像与世界坐标系之间对应的位置关系： 首先设世界坐标系任一点0 = τ，对应校正图像的摄像机坐标为P = [XC，YC，ZJT，畸变图像坐标为Q= (u，v)，校正图像坐标为Q' = (u'，v'），投影成像模型由以 下公式描述： P = MO (1)当前第1页1 2 本文档来自技高网...
【技术保护点】
一种精确校正超广角摄像头图像畸变的方法，其特征在于：首先基于畸变模型计算校正误差，再根据下降算法迭代求精，最后根据求精获得的摄像头内部参数和畸变参数校正畸变图像,具体包括以下步骤：步骤1、建立畸变图像与世界坐标系之间对应的位置关系：首先设世界坐标系任一点O＝[X,Y,Z,1]T，对应校正图像的摄像机坐标为P＝[Xc,Yc,Zc]T，畸变图像坐标为Q＝(u,v)，校正图像坐标为Q'＝(u',v')，投影成像模型由以下公式描述：P＝MO (1)式(1)中，M为投影矩阵，M＝[R|T]，为旋转矩阵，为平移向量；再建立畸变图像与校正图像的关系模型如下：u=fx*[(1+k1r2+k2r4+k3r6)(1+k4r2+k5r4+k6r6)xc+(2p1xcyc+p2(r2+2xc2))]+u0---(2)]]>v=fy*[(1+k1r2+k2r4+k3r6)(1+k4r2+k5r4+k6r6)yc+(p1(r2+2yc2)+2p2xcyc)]+v0---(3)]]>式中，k1，k2，k3，k4，k5，k6为径向畸变参数，p1，p2为切向畸变参数，fx，fy，u0，v0为摄像头内部参数，r为摄像机坐标系下投影点到摄像机坐标系原点的距离，xc＝Xc/Zc，yc＝Yc/Zc；步骤2、利用布设有黑白相间的长方形或正方形棋盘格的平面标定板拍摄多张图片，作为标定图像，检测该标定板上每四个棋盘格相交的点即角点的图像坐标，根据步骤1的投影成像模型建立标定板和标定图像的对应关系，计算图像坐标反投影误差：||d‑d'||，式中||·||表示12范数，d为标定板角点的图像坐标，d’为标定板角点的世界坐标系坐标，通过步骤1的投影成像模型在图像坐标系下的投影，建立目标函数：ε为反投影误差平方，m为角点总数，j为角点的索引号，判断目标函数是否满足预设的精度要求，若不满足精度要求，则利用下降迭代算法进行非线性优化求精，得到优化后的镜头内部参数和畸变参数；步骤3、根据步骤2获得的镜头内部参数和畸变参数，代入公式(2)和公式(3)计算，得到校正后图像的空间数据，其中，校正图像坐标u’、v’和xc、yc之间的关系为u'＝xc·fx+u0，v'＝yc·fy+v0；步骤4、利用最近邻插值公式对校正图像赋值完成校正，最近邻插值公式：g(u',v')＝g(u'int,v'int)，g(u′,v′)为图像在(u′,v′)的像素值，u′int,v′int为u′,v′的整数部分。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘晨曦，陈从华，叶德焰，杨磊，汤益明，叶志聪，
申请(专利权)人：厦门雅迅网络股份有限公司，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。