【技术实现步骤摘要】
一种相机外参标定方法、装置
本专利技术涉及计算视觉领域，特别地，涉及一种相机外参标定方法。
技术介绍
计算视觉的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息；相机作为获取场景图像信息的设备被应用。相机成像的过程实际是将真实的三维空间中的三维点映射到成像平面(二维空间)过程，由于在成像平面的像点和真实三维场景存在着一种对应关系，也就是图像帧中的二维像素点和真实三维世界的三维点存在某种变换关系，如果找到了这种变换关系，就可以利用图像帧中的二维像素点信息来恢复场景的三维信息。按照相机的成像原理，图像帧中的二维像素点和真实三维世界的三维点之间的变换关系与相机的内部参数(简称内参)和外部参数(简称外参)有关，其中，内参包括，射影变换本身的参数：相机的焦点到成像平面的距离，也就是相机的焦距f，以及相机透镜畸变；从成像平面坐标系到像素坐标系的变换：由于在成像平面坐标系下，以成像平面的中心为原点，像点使用该坐标系下的坐标；而实际像素点以像素来描述，像素坐标原点通常是图像的左上角，X轴沿着水平方向向...
【技术保护点】
1.一种相机外参的标定方法，其特征在于，/n获取至少包括视觉信标图像帧的视觉信标检测数据、和至少一个图像帧采集时刻机器人本体的里程计测量数据；/n基于所述里程计测量数据，获得图像帧机器人本体全局位姿初始化结果；/n获取相机外参位姿初始化结果；/n基于所述视觉信标检测数据，获取视觉信标全局位姿初始化结果；/n对基于里程计测量数据获取的图像帧里程计约束残差、和基于所述视觉信标检测数据获取的图像帧中视觉信标的特征点在其图像帧上重投影约束残差，进行以所述图像帧机器人本体全局位姿为状态变量、相机外参位姿为状态变量、和所述视觉信标全局位姿为状态变量的联合优化，获得相机外参优化结果；/n...
【技术特征摘要】
1.一种相机外参的标定方法，其特征在于，
获取至少包括视觉信标图像帧的视觉信标检测数据、和至少一个图像帧采集时刻机器人本体的里程计测量数据；
基于所述里程计测量数据，获得图像帧机器人本体全局位姿初始化结果；
获取相机外参位姿初始化结果；
基于所述视觉信标检测数据，获取视觉信标全局位姿初始化结果；
对基于里程计测量数据获取的图像帧里程计约束残差、和基于所述视觉信标检测数据获取的图像帧中视觉信标的特征点在其图像帧上重投影约束残差，进行以所述图像帧机器人本体全局位姿为状态变量、相机外参位姿为状态变量、和所述视觉信标全局位姿为状态变量的联合优化，获得相机外参优化结果；
其中，所述图像帧机器人本体全局位姿的初始值为图像帧机器人本体全局位姿初始化结果，所述相机外参位姿的初始值为所述相机外参位姿初始化结果，所述视觉信标全局位姿的初始值为所述各个视觉信标全局位姿初始化结果。
2.如权利要求1所述的方法，其特征在于，所述基于视觉信标检测数据，获取视觉信标全局位姿初始化结果之后，进一步包括，
获取图像帧中视觉信标的局部位置测量约束残差，
对所述图像帧的里程计约束残差、以及所述局部位置测量约束残差，进行以所述图像帧机器人本体全局位姿为状态变量、所述相机外参位姿为状态变量、及以视觉信标全局位置为状态变量的联合优化，获得图像帧机器人本体全局位姿的初步优化结果、相机外参位姿的初步优化结果、和视觉信标全局位置的初步优化结果；其中，所述视觉信标全局位置的初始值为所述视觉信标全局位姿初始化结果所包括的视觉信标全局位置初始化结果；
将所述图像帧机器人本体全局位姿的初步优化结果作为所述图像帧机器人本体全局位姿初始化结果；
将所述相机外参位姿的初步优化结果作为所述相机外参位姿初始化结果；
所述基于所述视觉信标检测数据，获取视觉信标全局位姿初始化结果，包括，
基于视觉信标首次被观测的图像帧相机初始位姿、及视觉信标检测数据，获取视觉信标全局姿态初始化结果；
将所述视觉信标全局位置的初步优化结果、以及视觉信标全局姿态初始化结果作为所述视觉信标全局位姿初始化结果。
3.如权利要求2所述的方法，其特征在于，进行以所述图像帧机器人本体全局位姿为状态变量、所述相机外参位姿为状态变量、及以视觉信标全局位置为状态变量的联合优化，包括：
构建融合所述里程计约束残差和所述视觉信标的局部位置测量约束残差的第一目标函数，通过以各个所述各个图像帧机器人本体全局位姿初始化结果、相机外参位姿初始化结果、和各个所述信标全局位置初始化结果为迭代初始值的迭代，获取使得所述第一目标函数为最小值时的各个图像帧机器人本体全局位姿的初步优化结果、相机外参位姿初步优化结果、和各个视觉信标全局位置的初步优化结果。
4.如权利要求1至3任一所述的方法，其特征在于，所进行以所述图像帧机器人本体全局位姿为状态变量、相机外参位姿为状态变量、和所述视觉信标全局位姿为状态变量的联合优化，包括：
构建融合所述里程计约束残差和所述重投影约束残差的第二目标函数，通过以各个所述图像帧机器人本体全局位姿初始化结果、相机外参位姿初始化结果、和各个所述视觉信标全局位姿初始化结果为迭代初始值的迭代，获取使得所述第二目标函数为最小值时的相机外参位姿优化结果。
5.如权利要求4所述的方法，其特征在于，所述基于所述里程计测量数据获取的所有图像帧的里程计约束残差，包括：
对任一所述图像帧，
基于所述里程计测量数据，获取所述图像帧与其相邻图像帧之间的机器人本体相对位姿、和所述图像帧与其相邻图像帧之间的里程计相对位姿；
由所述机器人本体相对位姿和里程计相对位姿的差异，计算所述图像帧的里程计约束残差，
累计各个所述图像帧的里程计约束残差，得到所有所述图像帧的里程计约束残差。
6.如权利要求4所述的方法，其特征在于，所述获取图像帧中视觉信标的局部位置测量约束残差，包括，
对包括视觉信标图像的任一图像帧中的任一视觉信标，获取该视觉信标在该视觉信标所在图像帧相机坐标系下的局部位置与该视觉信标被观测测量值之间的差异，得到该视觉信标的局部位置测量约束残差，
其中，
所述视觉信标在该视觉信标所在图像帧相机坐标系下的局部位置通过相机外参位姿当前状态变量、图像帧机器人本体全局位姿当前状态变量、以及视觉信标的全局位置当前状态变量获得；所述图像帧机器人本体全局位姿当前状态变量在第一次迭代时为图像帧机器人本体全局位姿初始化结果；所述视觉信标的全局位置当前状态变量在第一次迭代时为视觉信标的全局位置初始化结果；相机外参位姿当前状态变量在第一次迭代时为相机外参位姿初始化结果；
所述视觉信标被观测测量值通过该视觉信标相对于相机的局部位姿中的局部位置获得；
累计各个图像帧中的各个视觉信标的局部位置测量约束残差，得到所有图像帧中所有视觉信标的局部位置测量约束残差。
7.如权利要求4所述的方法，其特征在于，所述基于所述视觉信标检测数据获取的图像帧中视觉信标的特征点在其图像帧上的重投影约束残差，包括：
根据各个所述视觉信标全局位姿当前状态变量、以及各个所述视觉信标检测数据，获取所述图像帧中所有视觉信标的所有特征点在该图像帧上的重投影约束残差。
8.如权利要求7所述的方法，其特征在于，所述根据各个所述视觉信标全局位姿当前状态变量、以及各个所述视觉信标检测数据，获取所述图像帧中所有视觉信标的所有特征点在该图像帧上的重投影约束残差，包括，
对于任一图像帧中的任一视觉信标所具有的任一特征点，根据相机内参矩阵、图像帧机器人本体全局位姿当前状态变量、该视觉信标的全局位姿当前状态变量、以及该特征点在该视觉信标坐标系下的局部位置的投影函数与该特征点的图像坐标的测量值之差异，获得该视觉信标中该特征点在其图像帧上重投影误差，
累计各个图像帧中的各个视觉信标的各个特征点的重投影误差，得到所有图像帧中所有视觉信标的所有特征点在图像帧上的重投影约束残差。
9.如权利要求1所述的方法，其特征在于，所述基于所述里程计测量数据，获得各个图像帧机器人本体全局位姿初始化结果包括，
将各个所述图像帧机器人本体全局位姿的初始化结果直接采用对应图像帧的里程计测量数据结果；
所述基于所述视觉信标检测数据，获取视觉信标全局位姿初始化结果，包括：
对于图像帧中任一视觉信标，通过该视觉信标首次被观测时的图像帧相机初始位姿、以及该视觉信标检测数据，分别获得该视觉信标全局位置初始化结果、以及该视觉信标全局姿态初始化结果，
其中，所述视觉信标检测数据包括视觉信标被观测测量值，从视觉信标相对相机的局部位姿获得；
所述视觉信标相对于相机的局部位姿根据视觉信标中特征点的图像坐标、相机内参、以及信标参数获得。
10.如权利要求9所述的方法，其特征在于，所述通过该视觉信标首次被观测时的图像帧相机初始位姿、以及该视觉信标检测数据，分别获得该视觉信标全局位置初始化结果、以及该视觉信标全局姿态初始化结果，包括：
根据图像帧机器人本体全局位姿向量、相机外参位姿初始化向量、以及视觉信标相对相机的局部位置向量，获得所述视觉信标全局位置初始化结果；
根据图像帧机器人本体坐标系的全局旋转向量、相机外参初始化旋转向量、视觉信标在相机坐标系中的局部旋转向量，获得所述视觉信标全局姿态初始化结果，
其中，
所述图像帧机器人本体坐标系的全局旋转向量从所述图像帧机器人本体全局位姿初始化结果获得，
所述相机外参初始化旋转向量从所述相机外参位姿初始化结果获得，
所述视觉信标在相机坐标系中的局部旋转向量从所述视觉信标相对相机的局部位姿获得。
11.如权利要求4所述的方法，其...
【专利技术属性】
技术研发人员：唐恒博，
申请(专利权)人：杭州海康机器人技术有限公司，
类型：发明
国别省市：浙江;33
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。