【技术实现步骤摘要】
基于角点特征的多光谱立体相机外参计算方法
本专利技术属于图像处理和计算机视觉领域，涉及基于角点特征的多光谱立体相机外参计算方法。
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。双目立体视觉是立体视觉的重要领域。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。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。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。红外相机成像的优点是在极端场景(低光、雨雪、浓雾等)也可以成像，缺点是分辨率低、图像细节较模糊。相比之下，可见光相机的优点是分辨率高、图像细节清晰，但是在极端场景下不能成像。因此，将红外相机和可见光相机结合起来具有重大的现实意义。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...
【技术保护点】
1.基于角点特征的多光谱立体相机外参计算方法，其特征在于，包括下列步骤：/n第一步，原图校正：/n1-1)计算每一个原图像点P
【技术特征摘要】
1.基于角点特征的多光谱立体相机外参计算方法，其特征在于，包括下列步骤：
第一步，原图校正：
1-1)计算每一个原图像点Pi对应的正规坐标系下的坐标；
对于每一个原图像点Pi，它的正规坐标系为：
Xi＝Kiui
其中，ui是Pi的像素坐标，Xi是Pi的正规坐标，Ki是Pi对应相机的内参矩阵，如果Pi是红外图像上的点，Ki就是红外相机的内参矩阵，如果Pi是可见光图像上的点，Ki就是可见光相机的内参矩阵；
1-2)去除图像畸变：计算出原图像点去畸变后的正规坐标；
以(xd，yd)作为(x，y)的初值，迭代计算若干次得到实际的(x，y)；
1-3)根据原来两相机的旋转关系将两图旋转：
对于上一步得到的去畸变之后的Pi的正规坐标Xi，如果Pi是红外图像点，R1/2Xi→Xi；如果Pi是可见光图像点，R-1/2Xi→Xi
1-4)根据更新的图像点Pi的正规坐标Xi，计算去畸校正后的图像坐标
KiXi→ui
由上可知，已知去畸校正前点的坐标ui，记由步骤1-1)～1-4)计算出的去畸校正后的点的坐标为F(ui)；
1-5)对去畸校正后图像I的每一个图像点vi，计算其对应原图像I0的像素坐标位置F-1(vi)；从I0中选取对应位置的色彩值填到I中：
I(vi)＝I0(F-1(vi))
由于F-1(vi)是小数坐标，需要使用双线性插值计算小数坐标对应位置的色彩值；
第二步，Harris角点检测：首先在红外去畸校正后图像IR上做Harris角点检测，然后对IR进行灰度直方图均衡化，得到的图像记为IRhe，然后在IRhe上做Harris角点检测；将IR上的角点和IRhe上的角点做并集得到红外图像的角点；最后对可见光去畸校正后图像VIS做Harris角点检测；
第三步，基于归一化相关系数的特征点匹配：
3-1)将红外去畸校正后图像和可见光去畸校正后图像都分为m×n个块；对于红外图每一个特征点进行步骤3-2)～3-6)；
3-2)计算和中任意一点的归一化互相关系数作为相似程度；
其中IR表示红外去畸校正后图像，IRhe表示直方图均衡化后的去畸校正后红外图像，VIS表示去畸校正后可见光灰度图像，u∈[-w，w]，v∈[-w，w]，
如果相似程度大于阈值t1，则视为粗匹配点，其集合记为否则舍弃该点，选取下一个特征点重新进行步骤3-2)；
3-3)如果和中相似程度最大值sfirst和次大值ssecond满足：
F(sfirst，ssecond)≥t2
则保留该匹配，取中相似程度最大的点作为匹配点，其中t2为阈值，F(sfirst，ssecond)用于描述sfirst和ssecond之间的关系；如不满足，则舍弃该点，选取下一个特征点重新进行步骤3-2)；
按照该规则筛选之后，再按照步骤3-2)～3-3)匹配在红外图对应的特征点如果满足则保留该匹配如不满足，则舍弃该点，选取下一个特征点重新进行步骤3-2)；
3-4)以红外图特征点为基准，抛物线拟合优化对应可见光图的整数像素特征点得到的对应可见光图的亚像素特征点其中为x方向上的亚像素偏移量，为y方向上的亚像素偏移量；
3-5)以对应可见光图整数像素特征点为基准，根据3-4)的方法计算出对...
【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。