基于通用成像模型的平行光管出射光束建模和像机内参数标定方法技术

本申请涉及一种基于通用成像模型的平行光管出射光束建模和像机内参数标定方法和系统，采用具有星型标定图案分划板的平行光管，使用通用摄像机对平行光管星型标定图案进行拍照数据采集，对采集的标定数据集进行特征提取，根据已经提取得到的图像特征进行通用摄像机标定，并进一步根据标定得到的内参数对平行光管进行建模，其他待标定摄像机拍摄已建模的平行光管，确定标志点坐标，使用参数化标定模型即可完成对其他待标定摄像机内参数进行标定。采用本方法或系统能够实现基于平行光管的大视场通用摄像机内参数标定，可检验平行光管出射光束的平行度，提高特征提取的鲁棒性与准确性，提高了标定精度，并且本方法实现了标定流程的自动化，较传统方法更为便捷。较传统方法更为便捷。较传统方法更为便捷。

【技术实现步骤摘要】
基于通用成像模型的平行光管出射光束建模和像机内参数标定方法


[0001]本申请涉及像机内参数标定
，特别是涉及一种基于通用成像模型的平行光管出射光束建模和像机内参数标定方法及系统。

技术介绍

[0002]随着摄像测量技术技术的发展，高精度、非接触、运动实时测量以及低成本等特点使得摄像测量技术正从航天、国防领域向民用领域普及扩展。在摄像测量领域中，摄像测量系统内参数标定主要用于确定摄像机的主点、等效焦距以及畸变系数等参数。传统摄像测量系统中的摄像机通常要求安装在稳定的测量平台上，通过全站仪等设备建立全局坐标系，再测量场景特征点在全局坐标系中的三维坐标，用于摄像机内外参数的标定。由于标定过程繁琐，通常要求摄像机不做调整，以确保摄像机内参数标定后保持不变，从而维持目标运动参数的测量精度。
[0003]然而，对于摄像测量系统内参数标定在大尺度的实际工程场景中常常会出现这些问题：第一，摄像机安装在野外测量平台之后依然需要根据现场实际情况对摄像机的状态进行调整，例如改变焦距、景深以及更换镜头等操作。这就导致在实验室环境提前标定的摄像机内参数无法直接使用。第二，在野外对空中目标测量过程中，对空拍摄的摄像机视场内场景信息少，导致摄像机参数标定困难。
[0004]针对以上问题，使用平行光管来辅助摄像机内参数标定是一种可行的思路，其中平行光管起到的主要作用是射出平行光线，从而为摄像机标定提供无穷远处的标志点的作用。孙祥一教授等人提出专利“基于平行光管的摄像机标定方法”，使用基于平行光管的摄像机标定方法解决以上问题。
[0005]然而低成本、便捷式平行光管往往存在着不精确的问题，即平行光管的出射光束存在不平行度，需要提前采取高精度测角仪器测量平行光管出射光束的角度指向信息，建立平行光管各目标点的角度指向数据库。主要存在以下缺点：摄像机标定的精度受制于测角仪器的测角精度；建立角度指向数据库工作量大，且严格限制了标定摄像机内参数过程中摄像机与平行光管的拍摄位置和角度；标定过程无法实现自动化。此外，对待标定摄像机视场角大于平行光管视场角的情况，必须要多次对平行光管成像才能覆盖整个摄像机靶面，现有方法无法实现基于平行光管的摄像机视场拼接标定方法。

技术实现思路

[0006]基于此，有必要针对上述技术问题，提供一种基于通用成像模型的平行光管出射光束建模和像机内参数标定方法及系统。
[0007]一种基于通用成像模型的平行光管出射光束建模和像机内参数标定方法，所述方法包括：
[0008]在平行光管的分划板处安装星型标定图案，所述星型标定图案由多个特殊星型图
案重复组合而成，每个特殊星型图案用方形表示，每一个方形内都由特定段数的黑白相间的线段组成；
[0009]使用通用摄像机对平行光管星型标定图案进行拍照数据采集；
[0010]对采集的标定数据集进行特征提取，提取特征位置是星型图案的中心；
[0011]根据已经提取得到的图像特征进行通用摄像机标定；
[0012]对平行光管出射光束进行建模，确定平行光管的光线方向与角度指向信息，建立参数化标定模型；
[0013]将其他待标定摄像机拍摄已建模的平行光管，根据平行光管的光线方向与角度指向信息确定标志点坐标，将标志点坐标代入参数化标定模型，对其他待标定摄像机内参数进行标定。
[0014]在其中一个实施例中，所述每个特殊星型图案用方形表示，每一个方形内都由特定段数的黑白相间的线段组成，还包括：每一个方形内的黑白线段是面积相近的三角形色块，这些色块以黑白相间的方式围绕方形的中心旋转而成，形成星型图案。
[0015]在其中一个实施例中，使用通用摄像机对平行光管星型标定图案进行拍照数据采集，还包括：所述星型标定图案包含方形标志编码，在图像中搜索所有方形标志编码，对中间方形标志编码的四个角点进行检测，其中方形标志编码的四个角点可以提供已知标定图案和标定图像之间的对应关系。
[0016]在其中一个实施例中，对采集的标定数据集进行特征提取，还包括：根据标定图案和标定图像之间的对应关系计算其单应性矩阵，利用单应性矩阵粗略估计方形标志编码直接相邻的四个星型特征的位置，得到特征点在图案和图像之间位置的对应关系，对于其它尚未检测到的相邻特征点的位置，算法从邻近的对应关系计算一个新的局部单应性矩阵，以获得相邻特征点的位置，然后重复这个检测过程，直到检测完所有的特征点为止。
[0017]在其中一个实施例中，检测完所有的特征点后，还包括使用基于匹配的优化方法对特征点位置进行优化，并剔除错误的特征点位置，使用一定大小的局部窗口在星型图案模板中进行搜索，获得每个窗口中心的灰度值样本，然后根据获得的灰度值样本在标定图像中移动搜索，以获取与样本灰度值最接近的特征点位置，之后进行基于匹配的特征提取精度提高，为了提高特征点位置匹配精度，使用成本函数进行优化，具体为：
[0018][0019]其中，f和m分别为亮度仿射变换的仿射因子和偏差量，p
i
(t)是在采样样本i处通过双线性插值获得的图像强度，q
i
是在采样样本i处的渲染强度，为了初始化f和m，令t＝0，则f和m分别用下式表示：
[0020][0021]其中p为图像强度，q为渲染强度。然后用Levenberg
‑
Marquardt方法对f，m，p，q四个参数进行优化，在对特征点位置进行优化后，还需要对特征点位置进行亚像素精定位，具体为：
[0022]将基于匹配的优化获得的特征点位置作为输入，然后确定特征的精确亚像素位置，使用基于对称性的成本函数计算精确特征点位置：
[0023][0024]其中，H是星型标定图案模板上空间点到对应的图像空间点的局部单应性矩阵，s
i
表示样本i的星型标定图案的空间位置，
‑
s
i
即为镜像处的样本位置，I是指通过双线性插值获得的图像。为了最小化C
sym
，使用Levenberg
‑
Marquardt方法对H进行优化，最终在收敛之后即可得到估计的精确特征点位置(H
0，2
，H
1，2
)
T
。
[0025]在其中一个实施例中，对平行光管出射光束进行建模，确定平行光管的光线方向与角度指向信息，具体为：获得星型标定图案模板与摄像机拍摄的标定图像之间的单应性矩阵，对图像中每个像素的光线方向进行求解，从而确定平行光管的光线方向与角度指向信息，在获得了像素的光线方向之后，还需要利用更多不同角度拍摄的图片来不断扩展标定图像，从而使标定图像更为完整，最终可得到一个图像中每个像素的光线方向。
[0026]一种基于通用成像模型的平行光管出射光束建模和像机内参数标定系统，其特征在于，所述系统包括：
[0027]平行光管，其中星型标定图案安装于平行光管的分划板处，所述星型标定图案由多个特殊星型图案重复组合而成，每个特殊星型图案用方形表示，每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于通用成像模型的平行光管出射光束建模和像机内参数标定方法，其特征在于，所述方法包括：在平行光管的分划板处安装星型标定图案，所述星型标定图案由多个特殊星型图案重复组合而成，每个特殊星型图案用方形表示，每一个方形内都由特定段数的黑白相间的线段组成；使用通用摄像机对平行光管内的星型标定图案进行拍照数据采集；对采集的标定数据集进行特征提取，提取特征位置是所述星型图案的中心；根据已经提取得到的图像特征进行通用摄像机标定；对平行光管出射光束进行建模，确定平行光管的光线方向与角度指向信息，建立参数化标定模型；将其他待标定摄像机拍摄已建模的平行光管，根据平行光管的光线方向与角度指向信息确定标志点坐标，将标志点坐标代入参数化标定模型，对其他待标定摄像机内参数进行标定。2.根据权利要求1所述的方法，其特征在于，所述每个特殊星型图案用方形表示，每一个方形内都由特定段数的黑白相间的线段组成，包括：每一个方形内的黑白线段是面积相近的三角形色块，这些色块以黑白相间的方式围绕方形的中心旋转而成，形成星型图案。3.根据权利要求1所述的方法，其特征在于，使用通用摄像机对平行光管星型标定图案进行拍照数据采集，包括：所述星型标定图案包含方形标志编码，在图像中搜索所有方形标志编码，对中间方形标志编码的四个角点进行检测，其中方形标志编码的四个角点可以提供已知标定图案和标定图像之间的对应关系。4.根据权利要求3所述的方法，其特征在于，所述对采集的标定数据集进行特征提取，包括：根据标定图案和标定图像之间的对应关系计算其单应性矩阵，利用单应性矩阵粗略估计方形标志编码直接相邻的四个星型特征的位置，得到特征点在图案和图像之间位置的对应关系，对于其它尚未检测到的相邻特征点的位置，算法从邻近的对应关系计算一个新的局部单应性矩阵，以获得相邻特征点的位置，然后重复这个检测过程，直到检测完所有的特征点为止。5.根据权利要求4所述的方法，其特征在于，检测完所有的特征点后，还包括使用基于匹配的优化方法对特征点位置进行优化，并剔除错误的特征点位置，具体为：使用一定大小的局部窗口在星型图案模板中进行搜索，获得每个窗口中心的灰度值样本，然后根据获得的灰度值样本在标定图像中移动搜索，以获取与样本灰度值最接近的特征点位置，之后进行基于匹配的特征提取精度提高。6.根据权利要求5所述的方法，其特征在于，为了提高特征点位置匹配精度，使用成本函数进行优化，具体为：其中，f和m分别为亮度仿射变换的...

【专利技术属性】
技术研发人员：关棒磊，易见为，梁顺坤，孙祥一，尚洋，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：