相机标定板及相机标定数据采集方法技术

本发明专利技术提供的相机标定板及相机标定数据采集方法，该相机标定板为平面标定板；所述相机标定板上设有若干个特征圆点，且所有特征圆点呈阵列分布；所述特征圆点中定义3个特征圆点为特定特征圆点，且所有特定特征圆点不在同一条直线上。该相机标定板，设有特定特征圆点，能够利用特定特征圆点对其他特征圆点的世界坐标进行定位。

【技术实现步骤摘要】
相机标定板及相机标定数据采集方法
本专利技术属于相机标定
，具体涉及相机标定板及相机标定数据采集方法。
技术介绍
相机标定是视觉测量、三维重建等机器视觉应用的基础环节，标定结果的准确性和精度直接决定了视觉系统能否正常工作。相机标定是指用相机系统拍摄标定板的图像，利用标定板中已知特征点的三维坐标及图像上对应的图像坐标，解算相机参数的过程。相机标定包括相机标定数据采集和相机参数计算，其中相机参数计算过程中，最常用的是张氏标定法。相机标定数据采集中用到的标定板大多为棋盘格和圆阵列。棋盘格标定板由黑白相间的方格构成，类似国际象棋的棋盘而得名，如图1所示。棋盘格标定板上的特征点是角点，即小方格的顶点，角点在图像上是一种很容易被识别和精确定位的特征。为了确保检测的可靠性，棋盘格标定板不使用外侧角点，只使用内部角点(如图1中7×6个小方格的棋盘格有6×5个有效角点)。假设小方格边长为s，定义棋盘格上所有点的Z坐标为0，且左上角第一个角点坐标为坐标原点(0,0,0)，则第一行第二个角点的世界坐标为(s,0,0)，第二行第一个角点世界坐标为(0,s,0)，其余角点的坐标以此类推。为了将图像上检测到的角点坐标与其世界坐标对应上，必须保证全部角点都能同时被检测到，也就是棋盘格标定板必须完整地出现在相机视场中才能正常进行标定检测。另一方面，当图像畸变太大或者有一定的离焦模糊时，角点检测的精度会明显下降，而圆阵列标定板则能够改善这种情况下的标定精度。圆阵列标定板如图2所示，其特征点是每个圆点的圆心，特征点世界坐标的定义方式与棋盘格类似。假设一行上圆心间距为2s，左上角第一个圆心为坐标原点(0,0,0)，则第一行第二个圆心的世界坐标为(2s,0,0)，第二行第一个圆心世界坐标为(s,s,0)，其余圆心的坐标以此类推。圆阵列相对于棋盘格还有一个优势是在固定的面积上容易排布更多的特征点，因而能够提升标定效果。然而，圆阵列标定板同样必须完整地出现在相机视场中才能正常进行标定检测。综上所述，棋盘格和圆阵列作为目前最常用的标定板都是依赖全部特征点的排布方式来检测识别的。畸变参数的计算是相机标定中非常重要的一个环节，如图3所示，一张图像中越靠近边缘的地方畸变越大。为了准确地计算畸变参数，需要尽可能使标定板特征点分布在畸变大的图像区域，也就是图像的边角。而现有的相机标定数据采集方法会带来以下问题：1、假如预先设计的特征点数量为6×5，那么特征点为3×4或者7×6的标定板就无法被识别。而且如果6×5的标定板上任意一个特征点由于遮挡或超出视场而没有被检测到，也会导致整个标定板的识别失败。2、使用棋盘格或者圆阵列进行相机标定时，必须细心地采集标定图像，离边角太远会导致边角采样不充分，而太近则有可能使部分特征点超出视场而导致整个标定板识别失败，这无疑增加了相机标定操作的难度。3、在对两个或多个相机构成的视觉系统进行标定时，需要在每个相机视场中同时检测到标定板。以左右双目视觉系统为例，由于两个相机存在视差，对边角的标定采样存在一个矛盾：如图4中，左图边缘采样充分，但右图标定板没有完整出现在相机中，检测失败。图5中，右图边缘采样充分，但左图采样中标定板远离图像边缘，采样不充分。
技术实现思路
针对现有技术中的缺陷，本专利技术提供相机标定板和相机标定数据采集方法，使得相机标定数据采集更加方便灵活。第一方面，一种相机标定板，所述相机标定板为平面标定板；所述相机标定板上设有若干个特征圆点，且所有特征圆点呈阵列分布；所述特征圆点中定义3个特征圆点为特定特征圆点，且所有特定特征圆点不在同一条直线上。优选地，定义任意两个特定特征圆点的连线穿过的特征圆点的数量为圆点数；所有的圆点数中至少存在2个圆点数不相同。优选地，所述特定特征圆点为圆环状，其中特定特征圆点的中心颜色和外圈颜色不同。第二方面，一种相机标定数据采集方法，包括以下步骤：获取第一方面所述的相机标定板；将相机标定板置入相机视场，对相机标定板进行拍摄，得到多张标定图像；从标定图像中提取出特定特征圆点；以特定特征圆点为起点，按扩散的方式逐步实现标定图像中其余特征圆点的坐标匹配，得到标定数据。优选地，所述相机标定板中，特定特征圆点为圆环状，其中特定特征圆点的中心颜色和外圈颜色不同；所述从标定图像中提取出特定特征圆点具体包括：利用斑点检测算法从标定图像中提取所有特征圆点；定义特征圆点中，中心颜色和外圈颜色不同的特征圆点为特定特征圆点；计算任意两个特定特征圆点的连线穿过的特征圆点的数量，得到圆点数；根据所述圆点数对特定特征圆点进行区分。优选地，该方法在所述利用斑点检测算法从标定图像中提取所有特征圆点之前，还包括：利用轮廓查找的方法对标定图像进行分割和滤波降噪处理。优选地，所述以特定特征圆点为起点，按扩散的方式逐步实现标定图像中其余特征圆点的坐标匹配，得到标定数据具体包括：获取以下计算数据：3个特定特征圆点的世界坐标、以及标定图像中的二维坐标；利用所述计算数据计算仿射变换矩阵；根据特定特征圆点的世界坐标计算标定图像中其余特征圆点的世界坐标；利用仿射变换矩阵和特征圆点的世界坐标，实现标定图像中其余特征圆点的坐标匹配，得到标定数据。优选地，所述利用仿射变换矩阵和特征圆点的世界坐标，实现标定图像中其余特征圆点的坐标匹配，得到标定数据具体包括：利用仿射变换矩阵和特征圆点的世界坐标，估计特征圆点在标定图像中的二维坐标，得到估计坐标；获取标定图像中该特征圆点真实的二维坐标，得到真实坐标；如果该特征圆点的估计坐标与真实坐标的距离小于预设的阈值时，则该特征圆点的世界坐标和二维坐标匹配，定义该特征圆点为“三维-二维”匹配点；由所有的“三维-二维”匹配点构成所述标定数据。由上述技术方案可知，本专利技术提供的相机标定板，设有特定特征圆点，能够利用特定特征圆点对其他特征圆点的世界坐标进行定位。本专利技术提供的相机标定数据采集方法具有以下优点：1)相机标定板即使部分特征圆点被遮挡或者超出相机视场，也能够正常进行相机标定，标定采图更加方便灵活，尤其方便大畸变相机的边角采样。2)相机标定板上的特征圆点可以任意扩展，提高标定采样效率。3)双目(或者多相机)标定时，不需要确保相机标定板完整地出现在每个相机视场中，相机标定板超出一个相机视场，并不会影响另一个相机的标定。4)相机标定板中特定特征圆点的排布方式可以多种多样，并且不同排布方式的相机标定板在图像上都能够利用算法准确识别区分开。因此在多相机视觉系统的标定中，能够通过布置多个不同相机标定板的方式，减少标定图像所需数量，提高整体标定效率。5)该方法计算复杂度低，能够应用于现实增强(AR)等对实时性有要求的机器视觉领域。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为现有的棋盘格标定板的结构示意图。图2为现有的圆阵列标定板的结构示意图。图3为相机标定数据采集过程中，标定板在相机中发生畸变的示意图。图4为两个相机构成的视觉系统中，标定失败的示意图一。图5为两个相机构成的视觉系统中，标定失败的示意图二。图6a～6c分别本文档来自技高网...

【技术保护点】
1.一种相机标定板，其特征在于，所述相机标定板为平面标定板；所述相机标定板上设有若干个特征圆点，且所有特征圆点呈阵列分布；所述特征圆点中定义3个特征圆点为特定特征圆点，且所有特定特征圆点不在同一条直线上。

【技术特征摘要】
1.一种相机标定板，其特征在于，所述相机标定板为平面标定板；所述相机标定板上设有若干个特征圆点，且所有特征圆点呈阵列分布；所述特征圆点中定义3个特征圆点为特定特征圆点，且所有特定特征圆点不在同一条直线上。2.根据权利要求1所述相机标定板，其特征在于，定义任意两个特定特征圆点的连线穿过的特征圆点的数量为圆点数；所有的圆点数中至少存在2个圆点数不相同。3.根据权利要求1所述相机标定板，其特征在于，所述特定特征圆点为圆环状，其中特定特征圆点的中心颜色和外圈颜色不同。4.一种相机标定数据采集方法，其特征在于，包括以下步骤：获取权利要求1所述的相机标定板；将相机标定板置入相机视场，对相机标定板进行拍摄，得到多张标定图像；从标定图像中提取出特定特征圆点；以特定特征圆点为起点，按扩散的方式逐步实现标定图像中其余特征圆点的坐标匹配，得到标定数据。5.根据权利要求4所述相机标定数据采集方法，其特征在于，所述相机标定板中，特定特征圆点为圆环状，其中特定特征圆点的中心颜色和外圈颜色不同；所述从标定图像中提取出特定特征圆点具体包括：利用斑点检测算法从标定图像中提取所有特征圆点；定义特征圆点中，中心颜色和外圈颜色不同的特征圆点为特定特征圆点；计算任意两个特定特征圆点的连线穿过的特征圆点的数量，得到圆点数；根据所述...

【专利技术属性】
技术研发人员：卞新光，
申请(专利权)人：人加智能机器人技术北京有限公司，
类型：发明
国别省市：北京,11