基于极线校正的倾斜视场数字散斑匹配方法组成比例

本发明专利技术公开了基于极线校正的倾斜视场数字散斑匹配方法，包括以下步骤：S1、极线校正：S11、获取校正前左右相机投影矩阵；S12、构造校正后左右相机投影矩阵；S13、构造校正后旋转矩阵R；S2、倾斜视场散斑图像匹配。本发明专利技术通过校正前后左右图像之间的关系建立参考子区到目标子区的虚拟变形模型，即假设参考子区从校正前左图像变形到校正后左图像，再变形到校正后右图像，最终变换到校正前右图像，如此，便可将参考子区到目标子区的整体映射形函数分解，将其表示为三个子形函数的组合形式，通过分别估计三个子形函数再重组得到变形迭代初值，再利用NR法对变形迭代初值进行精确调整完成立体匹配。匹配。匹配。

【技术实现步骤摘要】
基于极线校正的倾斜视场数字散斑匹配方法


[0001]本专利技术涉及计算机视觉领域，具体为基于极线校正的倾斜视场数字散斑匹配方法。

技术介绍

[0002]数字图像相关法(Digital image correlation，DIC)提出以来，由于其具有非接触，全场测量，光路简单，高精度等优点，在岩土力学，航空航天，生物力学，土木工程，汽车工业等领域具有广泛应用。该方法通过对待测表面变形前后的左右散斑图像进行相关匹配和计算，得到待测表面变形场。DIC一般经过粗和精匹配来实现左右图像同名点的匹配。成功实现相关匹配需要求散斑图像具有足够丰富的细节特征，以及足够精确地变形迭代初值。
[0003]但是现有技术在实际使用时，在某些测量条件下，受测量环境限制或出于相机结构参数对测量精度影响的考量，产生相机极度倾斜的情况，从而使得左右图像特征压缩，同名子区发生巨大形变，导致左右图像产生弱相关现象，弱相关现象会使得无论粗和精匹配都变得异常困难，最终导致DIC被阻滞在匹配环节。

技术实现思路

[0004]本专利技术的目的在于提供基于极线校正的倾斜视场数字散斑匹配方法，以解决左右图像特征压缩，同名子区发生巨大形变，导致左右图像产生弱相关现象，弱相关现象会使得无论粗和精匹配都变得异常困难，最终导致DIC被阻滞在匹配环节的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：包括以下步骤：
[0006]S1、极线校正：
[0007]S11、获取校正前左右相机投影矩阵；
[0008]S12、构造校正后左右相机投影矩阵；
[0009]S13、构造校正后旋转矩阵R；
[0010]S2、倾斜视场散斑图像匹配：
[0011]S21、将参考子区f在形函数W的作用下变为目标子区g；
[0012]S22、将步骤S22中形函数W进行分解，令W＝W
r
W
l2r
W
l
：
[0013]S221、根据步骤12中校正后旋转矩阵R进行线性变换实现获取W
l
；
[0014]S222、限定参考子区f
′
与目标子区g
′
之间仅存在刚体位移，因此参考子区f
′
和目标子区g
′
仅在水平方向存在形变，通过ZNCC整像素匹配算法获取目标子区g
′
中点坐标，以此获取W
l2r
中的平移分量，从而获取W
l2r
；
[0015]S223、根据步骤221相同的方式获取W
l
；
[0016]S3、根据步骤S2完成W
l
、W
l2r
和W
r
的获取后，利用公式W＝W
r
W
l2r
W
l
计算出变形迭代初值，用NR法对变形迭代初值调整后即可完成立体匹配。
[0017]优选的，所述步骤S11中获取校正前左右相机投影矩阵Po1，Po2表示为：
[0018][0019][0020]左右光心c1，c2坐标分别为
[0021]其中Q
o1
和Q
o2
为左右相机光心。
[0022]优选的，所述步骤S12中构造校正后左右相机投影矩阵Pn1和Pn2分别表示为
[0023][0024][0025]其中，Kn1，Kn2是校正后相机的内参，R是校正后左右相机姿态相同并具有同样的旋转矩阵。
[0026]优选的，所述步骤S13中构造校正后旋转矩阵R表示为：
[0027][0028]其中r1＝(c1
‑
c2)/||c1
‑
c2||，r2＝k
×
r1，r3＝r1×
r2，k表示原左相机的Z轴，T表示相机极线校正矩阵。
[0029]优选的，所述步骤S221中获取W
l
的计算方式存在以下计算关系：
[0030]其中参考子区f内某点的齐次坐标为[x y 1]，其在参考子区f'对应点的齐次坐标为[x'y'l]T
；
[0031][0032]通过式(4)可以计算出参考子区f'内各点的像素坐标，如此便获取了参考子区f与参考子区f'中对应点变化前后的像素坐标，然后采用一阶形函数来表征参考子区f到参考子区f'产生的形变，如下式所示：
[0033][0034]令
[0035]X'为参考子区f'内点全局坐标构成的矩阵，W
l
为形函数，ΔX为参考子区f内点局部坐标构成的矩阵，则式(6)改写为：
[0036]X'＝W
l
·
ΔX
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0037]由最小二乘法计算形函数W
l
：
[0038]W
l
＝X'
·
ΔX
T
·
(ΔX
·
ΔX
T
)
‑1ꢀꢀꢀꢀꢀ
(8)。
[0039]与现有技术相比，本专利技术的有益效果是：
[0040]1、本专利技术可以有效提升倾斜视场散斑匹配的成功率，经极线校正后左右图像变形量较小，假设校正后的左右图像仅存在刚体变形，同时校正前后图像可通过校正矩阵进行关联，通过校正前后左右图像之间的关系建立参考子区到目标子区的虚拟变形模型，即假设参考子区从校正前左图像变形到校正后左图像，再变形到校正后右图像，最终变换到校正前右图像，如此，便可将参考子区到目标子区的整体映射形函数分解，将其表示为三个子形函数的组合形式，通过分别估计三个子形函数再重组得到变形迭代初值，再利用NR法对变形迭代初值进行精确调整完成立体匹配。
附图说明
[0041]图1为双目相机的极线几何关系示意图；
[0042]图2为匹配原理示意图；
[0043]图3为取点规则示意图；
[0044]图4为左图像和不同倾斜角下的右图像；
[0045]图5为测量区域示意图；
[0046]图6为52.4
°
倾斜角下在校正前后图像中ZNCC匹配相关系数峰值分布云图；
[0047]图7为不同相机倾斜角工况下测量的蒙皮离面位移场示意图；
[0048]图8为Exx应变场示意图。
具体实施方式
[0049]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0050]在叙述本专利技术之前，在此阐述现有的技术：
[0051]数字图像相关法中，牛顿拉夫森(Newton
‑
Raphson，NR)算法是一种经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于极线校正的倾斜视场数字散斑匹配方法，其特征在于：包括以下步骤：S1、极线校正：S11、获取校正前左右相机投影矩阵；S12、构造校正后左右相机投影矩阵；S13、构造校正后旋转矩阵R；S2、倾斜视场散斑图像匹配：S21、将参考子区f在形函数W的作用下变为目标子区g；S22、将步骤S22中形函数W进行分解，令W＝W
r
W
l2r
W
l
：S221、根据步骤12中校正后旋转矩阵R进行线性变换实现获取W
l
；S222、限定参考子区f
′
与目标子区g
′
之间仅存在刚体位移，因此参考子区f
′
和目标子区g
′
仅在水平方向存在形变，通过ZNCC整像素匹配算法获取目标子区g
′
中点坐标，以此获取W
l2r
中的平移分量，从而获取W
l2r
；S223、根据步骤221相同的方式获取W
l
；S3、根据步骤S2完成W
l
、W
l2r
和W
r
的获取后，利用公式W＝W
r
W
l2r
W
l
计算出变形迭代初值，用NR法对变形迭代初值调整后即可完成立体匹配。2.根据权利要求1所述的基于极线校正的倾斜视场数字散斑匹配方法，其特征在于：所述步骤S11中获取校正前左右相机投影矩阵P
o1
和P
o2
表示为：表示为：左右光心c1，c2坐标分别为其中Q
o1
和Q
o2
为左右相机光心。3.根据权利要求1所述的基于极线校正的倾斜视场数字散斑匹配...

【专利技术属性】
技术研发人员：刘礼平，徐卓，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：