System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机视觉领域,尤其是涉及一种结合双目矫正的立体相机外参在线自标定方法。
技术介绍
1、在以往的研究中,准确估计立体相机的外部参数对于确保立体匹配算法的性能至关重要。然而,在线自标定立体相机问题在现有技术中存在一些缺陷。
2、一种常见的方法是基于非线性优化的方法,如束调整(bundle adjustment)。这种方法通常考虑多帧情景,通过优化相机位姿和三维点的参数,来最小化重投影误差。然而,束调整方法的实时性较差,无法保证单帧结果的准确性,并且计算复杂度较高,对于实时应用来说可能不太适用。
3、另一种方法是基于滤波的方法,如扩展卡尔曼滤波(extended kalman filter,ekf)。这种方法通过状态估计和观测更新的过程,利用先验信息和测量信息来估计相机的位姿。相比于束调整方法,ekf具有较好的实时性,但是无法得到全局最优的外部参数估计结果。
4、综上所述,现有的立体相机外部参数在线自标定方法存在一些缺陷。基于非线性优化的方法在实时性和单帧结果准确性方面存在问题,而基于滤波的方法虽然实时性较好,但无法保证全局最优性。
技术实现思路
1、本专利技术的目的就是为了提供一种提高外参标定精度的结合双目矫正的立体相机外参在线自标定方法。
2、本专利技术的目的可以通过以下技术方案来实现:
3、一种结合双目矫正的立体相机外参在线自标定方法,包括以下步骤:
4、获取立体相机方左右图像,提取特征点并进行
5、基于双目矫正的几何约束和矫正后特征点对纵坐标相等的几何关系,构造单帧情况下的能量方程;
6、基于所述单帧情况下的能量方程,以左右相机坐标系的旋转向量为自变量,采用非线性优化算法求解每步迭代的更新量;
7、基于所述每步迭代的更新量,更新左右相机坐标系的旋转向量直至收敛,得到单帧情况下立体相机的最优外参;
8、基于所述单帧情况下立体相机的最优外参,根据单位向量的相似度构造出多帧情况下的能量方程,解出立体相机的全局最优外参。
9、进一步地,所述单帧情况下的能量方程的表达式为:
10、
11、其中,
12、e(θl,θr)=[e0,e1,...,en]t,
13、
14、
15、式中,e为单帧情况下的能量方程,θl与θr是双目矫正中左右相机坐标系的旋转向量,和为第i对特征点,z为整数集,rr,2为右相机坐标系旋转矩阵的第二行向量。
16、进一步地,所述求解每步迭代的更新量的具体步骤包括:
17、以左右相机坐标系的旋转向量为自变量,利用一阶泰勒展开,对所述单帧情况下的能量方程进行近似线性化:
18、
19、其中,
20、
21、
22、
23、
24、采用非线性优化方法,求解近似线性化的能量方程的最小化问题,得到每步迭代的更新量,所述最小化问题和更新量的表达式分别为:
25、
26、
27、式中,z为整数集,rl、rr为左、右相机坐标系的矫正矩阵,和为第i对特征点,emin为能量方程的最小化问题,δθ为更新量,n为特征点对数,与为本次迭代中θl与θr的取值,wi为第i对特征点的对应权重、ji为ei关于自变量的雅可比矩阵,λ为l-m算法中的阻尼因子,i为单位矩阵。
28、进一步地,根据左右相机的扰动模型更新所述旋转向量直至收敛,所述左右相机的扰动模型的表达式为:
29、
30、
31、式中,为左右相机的扰动模型,与为本次迭代中θl与θr的取值。
32、进一步地,所述解出立体相机的全局最优外参的具体步骤包括:
33、基于所述单帧情况下立体相机的最优外参,将旋转向量分解为旋转轴和旋转角度;
34、基于所述旋转轴和旋转角度,根据单位向量的相似度构造出多帧情况下的能量方程;
35、采用非线性优化算法求解所述多帧情况下的能量方程,获得立体相机的全局最优外参。
36、进一步地,采用罗德里格斯公式将旋转向量分解为旋转轴和旋转角度,所述罗德里格斯公式为:
37、
38、
39、式中,rk为第k组单帧结果中的旋转矩阵,sk为rk对应的旋转角,vk为rk对应的旋转轴。
40、进一步地,所述多帧情况下的能量方程的表达式为:
41、
42、
43、式中,t*、v*为全局最优的平移向量和旋转轴,tk、vk为第k组单帧结果的平移向量和旋转轴,m为全局帧数。
44、进一步地,所述立体相机的全局最优外参的表达式为:
45、r*=exp([θ*]×)=exp([s*v*]×)
46、式中,r*为全局最优外参,θ*为全局最优的旋转向量。
47、进一步地,所述非线性优化方法为l-m非线性优化方法。
48、进一步地,还包括:
49、采用多种评价指标评估标定结果,所述多种评价指标包括:
50、根据单位向量的相似度获得平移参数的精确度指标和鲁棒性评价指标,分别为:
51、et=arccos(ttt*)
52、et=‖θ*-θ‖2
53、根据旋转向量的三维误差获得旋转参数的精确度指标和鲁棒性评价指标,分别为:
54、
55、
56、式中,et、et为平移参数的精确度指标和鲁棒性评价指标,t为离线标定的平移向量,θ为离线标定的旋转向量;σt、σθ为旋转参数的精确度指标和鲁棒性评价指标。
57、与现有技术相比,本专利技术具有以下有益效果:
58、(1)本专利技术通过求解立体相机单帧情况下的最优外参,再进一步求解多帧情况下的全局最优外参,在求解单帧情况下的最优外参时,采用非线性优化算法进行迭代更新旋转模型至收敛,在求解多帧情况下的全局最优外参时,根据一系列单帧情况下的求解结果构造多帧情况下的能量方程,获得全局最优外参,显著提高了相机外参的标定精度。
59、(2)本专利技术提出了根据单位向量的相似度给出平移参数的精确度、鲁棒性评价指标以及根据旋转向量的三维误差给出旋转参数的精确度、鲁棒性评价指标,用于全面量化立体相机在线自标定的性能,克服了现有技术中对初值过分敏感和对噪声的鲁棒性低等问题,并纠正了其不合理的标定评价指标,实现了更加稳定地进行室内室外、静态动态等条件下的实时外参自标定。
60、(3)本专利技术作为性能优越的基于非线性优化的立体相机外参自标定方法,有利于提高计算机视觉领域中自动驾驶、三维场景重建等任务的精确度。
61、(4)本专利技术单对图像情况的一种新型基于矫正单应性的立体本文档来自技高网...
【技术保护点】
1.一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述单帧情况下的能量方程的表达式为:
3.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述求解每步迭代的更新量的具体步骤包括:
4.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,根据左右相机的扰动模型更新所述旋转向量直至收敛,所述左右相机的扰动模型的表达式为:
5.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述解出立体相机的全局最优外参的具体步骤包括:
6.根据权利要求5所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,采用罗德里格斯公式将旋转向量分解为旋转轴和旋转角度,所述罗德里格斯公式为:
7.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述多帧情况下的能量方程的表达式为:
8.根据权利要
9.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述非线性优化方法为L-M非线性优化方法。
10.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,还包括:
...【技术特征摘要】
1.一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述单帧情况下的能量方程的表达式为:
3.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述求解每步迭代的更新量的具体步骤包括:
4.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,根据左右相机的扰动模型更新所述旋转向量直至收敛,所述左右相机的扰动模型的表达式为:
5.根据权利要求1所述的一种结合双目矫正的立体相机外参在线自标定方法,其特征在于,所述解出立体相机的全局最优外参的具体步骤包括:
...
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。