基于三目极线约束的基础矩阵高精度求解方法技术

本发明专利技术基于三目极线约束的基础矩阵高精度求解方法属于计算机视觉检测领域，涉及一种利用三目极线约束进行基础矩阵高精度的优化求取方法。该方法利用空间中公共视场的三个摄像机拍摄同一场景，利用前两幅图像的特征点对应的第三幅图像中极线的交点与实际特征点坐标偏差迭代极小化，从而优化两幅图像之间的基础矩阵。先进行初始基础矩阵的求取，然后求取两极线在第三幅图像中的交点，利用两极线的交点坐标与第三张图像标记点之间的坐标差值最小为优化目标，对基础矩阵进行优化。该方法实现了摄像机图像之间基础矩阵的高精度获取方法，有效减少了后续摄像机标定、特征点匹配过程中存在的问题，有利于提高视觉测量的精度。

A method for high precision solution of fundamental matrix based on epipolar constraint of three mesh lines

The invention relates to a high-precision solution method for a base matrix based on three mesh epipolar lines, which belongs to the field of computer vision detection, and relates to a method for optimizing and optimizing a basic matrix using three epipolar line constraints. The method uses three cameras in the field of public space to shoot the same scene, the intersection of third images using feature points before the two images in the corresponding epipolar line and the actual feature point coordinates deviation minimization iteration, so as to optimize the fundamental matrix between two images. For the first initial basis matrix, and then take the intersection line in the third poles in the image, the coordinates of the intersection line between the poles and the third image point coordinates as the optimizing goal, on the basis of matrix optimization. The method realizes the high-precision acquisition of the basic matrix between the camera images, effectively reduces the problems existing in the subsequent camera calibration and feature point matching, and improves the accuracy of visual measurement.

【技术实现步骤摘要】
基于三目极线约束的基础矩阵高精度求解方法
本专利技术属于计算机视觉检测领域，涉及一种利用三目极线约束进行基础矩阵高精度的优化求取方法。
技术介绍
基础矩阵以代数的形式描述了同一三维场景在两个不同视点处得到的两幅二维图像之间的几何关系。基础矩阵F不仅包含了物理空间中两个相机之间的旋转和平移信息，更包含了两个相机间的内参数信息。因此基础矩阵的正确求解，对后续相机的标定过程以及误匹配特征的剔除有着至关重要的影响。目前基础矩阵的估计算法一般可以分为三类：线性方法、非线性迭代方法和鲁棒方法。最常用的方法为8-点算法采用给定的多个(N≥8)的点线性地计算基础矩阵，但是8-点算法在最小化过程中的目标函数没有物理意义，且当图像数据有噪声，即对应点不精确时，由8-点算法给出的基础矩阵F的解精度很低。陈泽志等人提出的“一种高精度估计的基础矩阵的线性算法”，软件学报，2002,13(4)：840-845，认为每个匹配点对求解基础矩阵的影响不同，通过引入余差和对极距离函数作为权重因子，使高精度的匹配点比低精度的匹配点对求解基础矩阵的影响要大。该方法具有较快的求解速度且鲁棒性高，然而加权过程中却使得匹配点的实本文档来自技高网...

【技术保护点】
基于三目极线约束的基础矩阵高精度求解方法，其特征是，该方法采用空间中公共视场的三个摄像机拍摄同一场景，利用了空间中除了求解初始矩阵所用到的8个特征点以外的其余特征标记点，减小了基础矩阵的求解误差；通过引入的极线约束，利用前两幅图像的特征点对应的第三幅图像中极线的交点与实际特征点坐标偏差迭代极小化，对求解到的基础矩阵初始值进行优化，从而优化两幅图像之间的基础矩阵；方法具体步骤如下：步骤1：初始基础矩阵的求取基础矩阵F以代数的形式描述了两幅图像之间点、线的关联关系；设空间中同一特征标记点在拍摄到的三幅左、中、右(6、7、8)图像中的像素点归一化坐标分别是pl＝(xl,yl,1)

【技术特征摘要】
1.基于三目极线约束的基础矩阵高精度求解方法，其特征是，该方法采用空间中公共视场的三个摄像机拍摄同一场景，利用了空间中除了求解初始矩阵所用到的8个特征点以外的其余特征标记点，减小了基础矩阵的求解误差；通过引入的极线约束，利用前两幅图像的特征点对应的第三幅图像中极线的交点与实际特征点坐标偏差迭代极小化，对求解到的基础矩阵初始值进行优化，从而优化两幅图像之间的基础矩阵；方法具体步骤如下：步骤1：初始基础矩阵的求取基础矩阵F以代数的形式描述了两幅图像之间点、线的关联关系；设空间中同一特征标记点在拍摄到的三幅左、中、右(6、7、8)图像中的像素点归一化坐标分别是pl＝(xl,yl,1)T、pm＝(xm,ym,1)T、pr＝(xr,yr,1)T,基础矩阵F满足下述方程：plTFpr＝0(1)令F＝(fij)，则基本矩阵的约束方程可写成下述形式：xrxlf11+xrylf12+xrf13+yrxlf21+yrylf22+yrf23+xlf31+ylf32+f33＝0(2)记f＝(f11,f12,f13,f21,f22,f23,f31,f32,f33)T，它是由F的三个行向量构成的9维列向量，则上述方程可写成向量内积的形式：(xrxl,xryl,xr,yrxl,yryl,yr,xl,yl)f＝0(3)对于传统的8点法，给定8个对应点可以得到线性方程组：在实际情况下，不能直接通过直接求解线性...

【专利技术属性】
技术研发人员：贾振元，刘巍，李士杰，杨景豪，徐鹏涛，马建伟，王福吉，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21