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】
本专利技术属于相机标定,具体涉及一种基于烟草零售终端平面线框特征的相机标定方法。
技术介绍
1、相机标定一直是机器视觉以及摄影测量领域研究的核心问题之一。相机标定的目的是恢复三维空间到图像平面的映射,包括三维空间坐标系到相机坐标系的平移和旋转,即相机的外参数(姿态),以及相机坐标系到图像平面的映射,即相机内参数(焦距,主点,像差系数等)。相机标定是需要从二维图像中获取度量信息,包括位姿估计和三维重建等视觉测量任务的基础。
2、对于烟草零售终端环境下的视觉系统,一般是在测量位置固定好摄像机,在摄像机视场范围内放置平面靶板,且靶板内需要事先布置棋盘格等合作标志,然后根据合作标志间的拓扑关系实现其在图像中的位置与其空间坐标位置的对应,并解算靶板平面到图像平面的单应变换,然后根据多视图线性求解相机内外参数,最后通过最小化合作标志点重投影误差优化相机内外参数。合作标志平面到像面单应的解算是相机标定的基础,其精度直接决定相机标定的精度。
3、传统的基于平面靶板的标定方法需要离线准备平面靶板,且制备靶板的工作需要一定的专业背景,这对于一般的烟草零售终端来说很难胜任。同时传统的方法多局限于实验室内,而利用监控相机进行视觉测量任务一般具有随意性,可能在室内也可能在室外,平面靶板不够便携,使用过程也不够灵活方便。
技术实现思路
1、为解决现有技术存在的上述技术问题,本专利技术提供一种基于烟草零售终端平面线框特征的相机标定方法,利用具有标准尺寸的物件进行便携式视觉系统在线标定的方
2、本专利技术采用的技术方案是:
3、一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,所述标定方法包括以下具体步骤:
4、s1,识别基于直线模型的单应;
5、对于弱纹理目标,可以利用目标表面的直线段进行初始单应的解算;初始条件下模型直线同图像直线是不对应的,单应变换的先验信息无从获得,需要在假设-检验框架下实现单应的自动识别,假设即随机建立模型图像对应,并解算假设变换;检验即根据模型同图像配准误差对假设变换进行验证;
6、s2,优化基于直线模型的单应;
7、s3,优化基于直线模型的相机参数。
8、优选的,在步骤s1中,所述解算假设变换的具体算法步骤如下:
9、s11,算法初始化,检测图像中的直线段,并检测图像直线中的角点结构;
10、s12,从图像角点结构序列中选取两个构成四边形的角点结构,并根据假设条件建立模型中四边形结构同图像四边形结构顶点的对应关系;
11、s13,根据点对应解算得到假设变换,并利用该变换关系将模型直线序列投影到图像范围内,并在投影直线局部范围内搜索对应图像直线段,匹配总对数为内点集大小;
12、s14,根据搜索到的模型图像直线对应关系,计算该假设变换对应的模型误差,即配准误差;判断配准误差大小,如果配准误差小于设定阈值,算法结束;否则,继续下一步;
13、s15,根据内点集数目更新ransac内点概率及其迭代次数,重复步骤s12到s15;
14、s16,算法结束,并输出初始变换h0。
15、优选的,在步骤s2中,单应优化算法是在加权最小二乘框架下实现的,具体包括以下几个部分:
16、s21,算法初始化,如果为首帧,则步骤s1中计算的初始变换作为单应初值;否则将上一帧单应作为单应初值;
17、s22,线框模型投影,根据当前变换关系将线框模型采样点投影到图像平面,并判断模型采样点投影是否在图像范围内;
18、s23,多假设模型图像点对应,沿模型采样点投影法线方向搜索方向梯度响应极值点,并保留所有梯度模值大于50的图像点为候选对应;
19、s24,多假设模型图像直线对应,对每条模型直线,使用rht算法拟合模型采样点对应为多条直线,剔除野值点,并计算每条模型直线的权值以及每个模型采样点权值;
20、s25,加权最小二乘优化,综合利用模型点自身属性和所在直线属性对模型采样点进行加权,并采用最小二乘方法优化模型点投影到图像点的距离,得到单应矩阵修正量;
21、s26,更新单应矩阵,判断算法是否收敛,如果收敛,输出优化单应;否则继续步骤s21到s26;
22、s27,算法结束,输出优化后的单应。
23、优选的,在步骤s3中,基于直线模型的相机参数优化的具体步骤如下:
24、令相机内参数矩阵为k,透视投影模型可以写为:
25、
26、其中,r1、r2、r3分别是旋转矩阵的前三列,t是平移向量,λ是深度因子;
27、可以得到单应变换矩阵同相机内外参数矩阵的关系如下:
28、sh=[h1 h2 h3]=k[r1 r2 t] (2)
29、其中s为尺度因子,h是单应矩阵,h1、h2、h3分别为单应矩阵h的三列;
30、考虑到旋转矩阵的单位正交性有:
31、
32、以上两个方程为由单应分解相机内参数的基本方程;
33、给定一个单应矩阵,即相机在一个视角对模型平面的成像,可以得对相机内参数的两个约束;假设主点位于图像中心,则根据方程(3)可以求解出fx,fy;
34、求得相机内参数后,相机外参数根据式(2)得到
35、r1=sk-1h1,r2=sk-1h2,r3=r1×r2,t=sk-1h3 (4)
36、构造考虑图像直线中点距离和长度信息的优化函数如下:
37、
38、其中分别对应图像直线段端点和中点到模型直线投影直线的距离。
39、与现有技术相比,本专利技术的有益效果体现在:
40、1、本专利技术的单应优化模块除了可使用直线模型外,也可使用非直线的边缘轮廓模型;相机内外参数除了可从单幅图像分解得到外,也可利用多幅图像确定的单应关系在最小二乘意义下进行求解;式(5)表示的优化模型除了使用直线间距离度量外,也可以综合使用点、直线、边缘、轮廓以及纹理特征。
41、2、本专利技术在烟柜场景下,借助烟柜上摆放的条烟或者烟柜几何尺寸信息即可实现监控相机的标定,无需制作平面靶板,无需构造标定场,大大简化了标定流程。
本文档来自技高网...【技术保护点】
1.一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,所述标定方法包括以下具体步骤:
2.如权利要求1所述的一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,在步骤S1中,所述解算假设变换的具体算法步骤如下:
3.如权利要求1所述的一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,在步骤S2中,单应优化算法是在加权最小二乘框架下实现的,具体包括以下几个部分:
4.如权利要求1所述的一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,在步骤S3中,基于直线模型的相机参数优化的具体步骤如下:
【技术特征摘要】
1.一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,所述标定方法包括以下具体步骤:
2.如权利要求1所述的一种基于烟草零售终端平面线框特征的相机标定方法,其特征在于,在步骤s1中,所述解算假设变换的具体算法步骤如下:
3.如权利要求1所述的一种基于...
【专利技术属性】
技术研发人员:单宇翔,高扬华,金泳,
申请(专利权)人:浙江中烟工业有限责任公司,
类型:发明
国别省市:
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。