【技术实现步骤摘要】
基于Harris角点互信息匹配的立体相机动态标定算法
本专利技术属于图像处理和计算机视觉领域，涉及基于Harris角点互信息匹配的立体相机动态标定算法。
技术介绍
立体视觉是计算机视觉领域的重要主题。其目的是重建场景的3D几何信息。在双目立体视觉中，左右摄像头用于模拟两只眼睛。通过计算双目图像之间的差异来计算深度图像。双目立体视觉具有效率高，准确度高，系统结构简单，成本低的优点。由于双目立体视觉需要匹配左右图像捕获点上的相同点，因此相机两个镜头的焦距和图像捕获中心，以及左右两个镜头之间的位置关系。为了得到以上数据，我们需要对相机进行标定。红外线(Infrared)是波长介于微波与可见光之间的电磁波，波长比红光要长。高于绝对零度(-273.15℃)的物质都可以产生红外线。红外图像由于其具有透过雾、雨等进行观察的能力而被广泛用于军事国防、资源勘探、气象预报、环境监测、医学诊治、海洋研究等不同领域。利用红外线可以隔着薄雾和烟雾拍摄景物，而且在夜间也可以进行红外摄影。将红外双目相机进行标定和校正，可以在低光、浓雾及雨雪等恶劣...
【技术保护点】
1.基于Harris角点互信息匹配的立体相机动态标定算法，其特征在于，包括下列步骤：/n第一步：Harris角点检测：使用红外双目相机拍摄场景图像，并在红外图像上检测Harris角点以待匹配；/n第一步中Harris角点检测，具体包括以下步骤：/n1-1)使用左右相机拍摄图像，获取左右图，分别在左右图上进行角点检测；/n1-2)为图像上的每一个像素点构建梯度矩阵M；/n矩阵M计算方法如下：/n计算图像I在x方向和y方向上的梯度图像：/n
【技术特征摘要】
1.基于Harris角点互信息匹配的立体相机动态标定算法，其特征在于，包括下列步骤：
第一步：Harris角点检测：使用红外双目相机拍摄场景图像，并在红外图像上检测Harris角点以待匹配；
第一步中Harris角点检测，具体包括以下步骤：
1-1)使用左右相机拍摄图像，获取左右图，分别在左右图上进行角点检测；
1-2)为图像上的每一个像素点构建梯度矩阵M；
矩阵M计算方法如下：
计算图像I在x方向和y方向上的梯度图像：
其中表示卷积；
1-3)根据每一个像素点的矩阵M来判断该像素点是否为角点；
使用一个值R来描述该点的角点响应，然后通过阈值σ1和σ2来判断该点是角点，角点响应值R＝det(M)-k*trace(M)2，其中det(M)表示矩阵M对应的行列式的值，trace(M)表示矩阵M的迹，即：
det(M)＝λ1*λ2
trace(M)＝λ1+λ2
其中k是常数，一般取0.04～0.06
当|R|<σ1时，该区域是平面；
当R<0时，该区域是直线；
当R＞σ2时，该区域是角点；
1-4)记左图的Harris角点集为右图的Harris角点集为
第二步：基于互信息的角点匹配：输入左右灰度图像以及上一步得到的左右图像的角点集和根据匹配窗口分别计算左右相机带匹配点对的互信息并根据其计算结果进行匹配，得到匹配关系{(Pl,Pr)}；
第三步：原图校正：
输入上一步得到的匹配的左右角点以及红外双目相机各自内参和原来的外参，计算左右两图的角点经过去畸校正后的坐标；
第四步：判断角点覆盖区域：将图像分成m*n个格子，如果角点覆盖到所有格子，则进行下一步，否则继续拍摄图像，提取角点；
第五步：修正标定结果：使用所有角点的图像坐标来计算校正之后的两相机之间的位置关系，然后与原来的外参相叠加；
步骤5)中修正外参结果，具体包括以下步骤：
5-1)使用随机抽样一致性(RANSAC)对点对做进一步筛选，之后将对应点坐标代入上式，构建齐次线性方程组求解F；
基础矩阵和本质矩阵的关系是：
其中，K1、Kr分别是左右相机的内参矩阵；
5-2)从本质矩阵分解出校正之后左右相机旋转和平移关系：本质矩阵E与旋转R和平移t的关系如下：
E＝[t]×R
其中[t]×表示t的叉乘矩阵；
将E做奇异值分解，得
定义两个矩阵
和ZW＝∑
所以E可以写成以下两种形式
(1)E＝UZUTUWVT
令[t]×＝UZUT，R＝UWVT
(2)E＝-UZUTUWTVT
令[t]×＝-UZUT，R＝UWTVT
得到四对R和t，选取具有三维意义的解；
5-3)将分解出的旋转和平移关系叠加到原来的外参里面；
记去畸变前的旋转矩阵为R0，平移向量为t0＝(tx，ty，tz)T；上一步...
【专利技术属性】
技术研发人员：仲维，柳博谦，李豪杰，王智慧，刘日升，樊鑫，罗钟铉，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21
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。