相机内参数不变条件下的自标定光束平差方法、系统技术方案

本发明专利技术属于摄影测量技术领域，公开了一种相机内参数不变条件下的自标定光束平差方法、系统，相机内参数不变条件下的自标定光束平差方法包括：将约束矩阵进行预条件处理和分块处理；对相机内参数、外参数和世界点位置，进行自标定光束平差。本发明专利技术能够有效的解决现有的光束平差模型或方法导致的计算复杂度高、结果精度低、稳健性差的问题；本发明专利技术提供的相机内参数不变条件下的自标定光束平差方法，能够在相机内参数保持不变的前提下实现自标定光束平差，极大地降低自标定光束平差的复杂度，提高计算效率；由于采用了预条件处理技术，可以降低约束矩阵的条件数，提升优化结果的精度和稳健性。健性。

【技术实现步骤摘要】
相机内参数不变条件下的自标定光束平差方法、系统


[0001]本专利技术属于摄影测量
，尤其涉及一种相机内参数不变条件下的自标定光束平差方法、系统。

技术介绍

[0002]在利用非量测相机进行摄影测量，尤其是倾斜摄影测量过程中，自标定光束平差是实现相机高精度标定和高精度空间定位的重要数据处理步骤。在传统的摄影测量过程中，通常相机内参数是已知的，在光束平差过程中只需要对相机外参数和世界点进行优化即可。然而，对非量测相机来说，其内参数不稳定，需要采用自标定光束平差技术，在对相机外参数和世界点进行优化的同时，获取高精度的相机标定结果。自标定光束平差是在相机参数完全未知的条件下，获取精确的相机参数和场景结构的关键算法。该算法是实现高精度相机标定和场景三维重建的基础，是摄影测量领域的重要研究内容之一。自标定光束平差的意义在于：一方面降低了相机标定的要求，另一方面使得相机内参数的标定结果与拍摄环境相适应，能够在复杂的测量环境中得到精确的测量结果。然而，现有的光束平差模型和方法计算复杂度高，没有考虑空间坐标、外方位参数与畸变参数之间的相关性，导致得到的结果精度低、稳健性差。
[0003]通过上述分析，现有技术存在的问题及缺陷为：在相机内参数的标定结果与拍摄中，现有的光束平差模型和方法结果计算复杂度高、精度低、稳健性差。
[0004]解决以上问题及缺陷的难度为：首先，需要采用矩阵分块处理技术，降低计算机的计算量和占用的存储空间；其次，需要采用矩阵论和数值分析技术，降低非线性约束矩阵的条件数，抑制参数之间的相关性，从而提高计算结果的精度和稳健性。
[0005]解决以上问题及缺陷的意义为：本专利技术一方面可以极大地降低自标定光束平差的复杂度，提高计算效率；另一方面可以提高计算结果的精度和稳健性，为利用无人机或手持的非量测相机进行高精度摄影测量，提供了技术支持。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种相机内参数不变条件下的自标定光束平差方法、系统。
[0007]本专利技术所述相机内参数不变条件下的自标定光束平差方法、系统包括：
[0008]步骤一，对约束矩阵进行分块和预条件处理；
[0009]步骤二，对相机内参数、外参数和世界点位置，进行自标定光束平差。
[0010]进一步，约束矩阵H(即Hessian矩阵，H＝J
T
J，其中J为待优化参数的Jacobian矩阵)的表达式如下：
[0011][0012]其中，A
in
、A
ex
和B分别为相机内参数、相机外参数和世界点对应的Jacobian矩阵，V＝B
T
B，
[0013]将约束矩阵H进行预条件处理如下：
[0014]采用Jacobi预条件处理方法降低约束矩阵H的条件数，即将约束方程Hδ
p
＝e，转化为E
T
HE(E
‑1δ
p
)＝E
T
e的形式，其中EE
T
＝D
‑1，而D＝diag(H)，即从而δ
p
＝E(E
T
HE)
‑1E
T
e。
[0015]进一步，步骤一中，所述将约束矩阵H进行分块处理如下：
[0016][0017]其中，e＝J
T
r，r为残差向量。
[0018]进一步，所述将约束矩阵进行分块处理还包括：
[0019]即其中，B＝[D E]，u＝δ
in
，f＝e
in
，
[0020]进一步，步骤二中，所述计算相机内参数、外参数和世界点的优化结果包括：
[0021]首先，计算u即得到相机内参数δ
in
；
[0022]其次，计算v即得到相机外参数和世界点
[0023]进一步，所述计算相机内参数u的值包括：
[0024]令x＝C
‑1g，y＝C
‑1B
T
，从而据Cx＝g，Cy＝B
T
计算x、y(注：x、y为中间变量，而求解x、y是以下步骤实现自标定光束平差的先决条件)；
[0025]采用Schur补法计算参数的值：x
ex
＝S
‑1(g
ex
‑
WV
‑1g
w
)，其中S＝U
‑
WV
‑1W
T
；在得出x
ex
之后，将其带入x
w
＝V
‑1(g
w
‑
W
T
x
ex
)，即可得到x
w
；同样，利用Schur补法也可计算参数y的值；
[0026]将v＝x
‑
yu代入Au+Bv＝f，可得Au+B(x
‑
yu)＝f，从而根据计算的x、y的值，利用下式可得到相机内参数u的值：
[0027](A
‑
By)u＝f
‑
Bx；
[0028]u＝(A
‑
By)
‑1(f
‑
Bx)。
[0029]进一步，所述参数v计算公式如下：
[0030]v＝x
‑
yu。
[0031]本专利技术的目的之一在于提供一种相机内参数不变条件下的自标定光束平差方法，具体包括下列步骤：
[0032]步骤一，对约束矩阵进行分块和预条件处理；
[0033]步骤二，对相机内参数、外参数和世界点位置，进行自标定光束平差。
[0034]本专利技术的另一目的在于提供一种实施所述相机内参数不变条件下的自标定光束平差方法，所述相机内参数不变条件下的自标定光束平差系统包括：
[0035]预处理模块，用于将约束矩阵进行分块处理和预条件处理；
[0036]参数优化模块，用于相机内参数、外参数和世界点位置的优化。
[0037]结合上述的所有技术方案，本专利技术所具备的优点及积极效果为：本专利技术可以极大地降低自标定光束平差的复杂度，提升优化结果的精度和稳健性。
[0038]而采用个本专利技术的方法得到的相机内参数和镜头畸变等始终保持不变，而且与实验标定结果(f＝4332.84，x
p
＝1606.63，y
p
＝1243.39，k1＝
‑
6.79E
‑
11，k2＝
‑
1.52E
‑
14，p1＝3.28E
‑
07，p2＝
‑
7.89E
‑
07)非常接近。
[0039]本专利技术经过15次迭代得到平均残差结果对比如下
[0040][0041]注：迭代次数为0表示未经过参数优化的初始值
[0042]由对比结果也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相机内参数不变条件下的自标定光束平差方法、系统，其特征在于，所述相机内参数不变条件下的自标定光束平差方法包括：步骤一，将约束矩阵进行分块处理和预条件处理；步骤二，对相机内参数、外参数和世界点位置，进行自标定光束平差。2.如权利要求1所述相机内参数不变条件下的自标定光束平差方法，其特征在于，所述约束矩阵H(Hessian)中，H＝J
T
J，其中J为待优化参数的Jacobian矩阵，约束矩阵H(Hessian)的表达式如下：其中，A
in
、A
ex
和B分别为相机内参数、相机外参数和世界点对应的Jacobian矩阵，V＝B
T
B，3.如权利要求1所述相机内参数不变条件下的自标定光束平差方法，其特征在于，步骤一中，所述将约束矩阵H进行预条件处理如下：采用Jacobi预条件处理方法降低约束矩阵H的条件数，将约束方程Hδ
p
＝e，转化为E
T
HE(E
‑1δ
p
)＝E
T
e的形式，其中EE
T
＝D
‑1，而D＝diag(H)，即从而δ
p
＝E(E
T
HE)
‑1E
T
e。4.如权利要求1所述相机内参数不变条件下的自标定光束平差方法，其特征在于，步骤一中，所述将约束矩阵H进行分块处理如下：其中，e＝J
T
r，r为残差向量。5.如权利要求3所述相机内参数不变条件下的自标定光束平差方法，其特征在于，所述将约束矩阵进行分块处理还包括：将约束矩阵进行分块处理得到如下形式：即其中，B＝[D E]，u＝δ
in
，f＝e
in
，6.如权利要求1所述相机内参数不变条件下的自标定光束平差方法，其特征在于，步骤二中，所述计算相机内参数、外参数和世界点的优化结果包括：首先，计算u即得到相机内参数δ
in
；其次，计算v即得到相机外参数和世界点7.如权利要求5所述相机内参数不变条件下的自标定光束平差方法，其特征在于，所述计算相机内参数u的值包括：
令x＝C
‑1g，y＝...

【专利技术属性】
技术研发人员：孙华生，汪贵秀，陈军伟，
申请(专利权)人：临沂大学，
类型：发明
国别省市：