基于距离信息的单幅图像相机焦距估计方法技术

本发明专利技术公开了一种基于距离信息的单幅图像相机焦距估计方法，包括：1)从单幅图像当中人工标记距离信息；2)根据简化针孔相机模型，使用距离信息建立非线性方程组，再利用单目标优化问题转化法将非线性方程组转化为基于归一化距离的优化问题；3)使用多随机初始化点的L

【技术实现步骤摘要】
基于距离信息的单幅图像相机焦距估计方法


[0001]本专利技术涉及相机标定和图像焦距估计的
，尤其是指一种基于距离信息的单幅图像相机焦距估计方法。

技术介绍

[0002]相机标定是指从单幅或多幅图像当中估计相机的内外参数，在很多计算机视觉任务中有重要作用。在相机的5个内参当中，相机焦距是最重要的，可用于距离估算、视角转换、场景重建等任务。
[0003]在典型的实验室场景中，相机标定通常通过拍摄多张标定物的图片完成。这种方法精度高但是无法应用于普通场景的相机标定。随着对任意图像的相机标定的需求增加，有两类方法得到了发展，它们分别是：1、基于图像线索的方法，这类方法使用图像上可见的线索，例如灭点，共面圆，同心圆等等进行标定，需要图像当中出现这种特定的模式才能进行标定；2、基于深度学习的方法，这类方法使用大量的数据进行强监督学习，对任意图片均可进行相机标定，但是受域适应问题的影响，其精度仍然需要改善。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺点与不足，提出了一种基于距离信息的单幅图像相机焦距估计方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于距离信息的单幅图像相机焦距估计方法，其特征在于，包括以下步骤：1)从单幅图像当中人工标记距离信息，其中包括N个标记点和标记点之间的至少N+1段物理距离；2)根据简化针孔相机模型，使用距离信息建立非线性方程组，再利用单目标优化问题转化法将非线性方程组转化为基于归一化距离的优化问题；3)使用多随机初始化点的L
‑
BFGS
‑
B优化算法求解基于归一化距离的优化问题，得到初步的相机焦距估计值；4)使用深度扰动技术增强初步的相机焦距估计值的稳定性，得到最终的相机焦距估计值。2.根据权利要求1所述的基于距离信息的单幅图像相机焦距估计方法，其特征在于，在步骤1)中，标记点是指图像上标记出来的像素点，表示为：式中，m
i
是指第i个标记点，u
i
和v
i
分别是m
i
在像素坐标系下的U轴和V轴分量，共有N个点；标记点之间的物理距离是指标记点所对应的相机坐标系下的三维点之间的物理距离，其中标记点所对应的相机坐标系下的三维点表示为：式中，M
i
是指第i个标记点m
i
所对应的相机坐标系下的三维点，x
i
、y
i
和z
i
分别表示M
i
在相机坐标系下的X轴、Y轴和Z轴分量；而标记点之间的物理距离则表示为：d
ij
＝||M
i
‑
M
j
||,1≤i＜j≤N式中，d
ij
是指标记点所对应的相机坐标系下的三维点M
i
和M
j
之间的物理距离，也即M
i
‑
M
j
的2
‑
范数；N个标记点及标记点之间至少N+1段物理距离需要人工标记，且N≥4。3.根据权利要求1所述的基于距离信息的单幅图像相机焦距估计方法，其特征在于，所述步骤2)包括以下步骤：2.1)根据简化针孔相机模型，使用距离信息建立非线性方程组；简化针孔相机模型为：zm＝AM式中，z为标记点m的深度，M是标记点m对应的相机坐标系下的三维点，A是图像对应的相机内参矩阵：式中，f为图像对应的相机焦距，是待求解的；w和h为图像的宽度和高度，是能够从图像上直接获取的；根据简化针孔相机模型，标记点对应的相机坐标系下的三维点能够通过M＝
A
‑1zm求得；根据标记点所对应的相机坐标系下的三维点M
i
和M
j
之间的物理距离d
ij
的定义：d
ij
＝||M

【专利技术属性】
技术研发人员：熊赟晖，林祖轩，李桂清，冼楚华，彭长歆，张智敏，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：