【技术实现步骤摘要】
本专利技术涉及相机标定，具体涉及一种基于随机采样一致性立体视觉系统标定方法、系统及介质。
技术介绍
1、三维视觉是计算机视觉领域的一个重要分支，它涉及对三维场景的感知、理解甚至交互。三维视觉技术通过对两幅或者多幅二维图像的分析和处理，可以恢复出场景的三维结构，从而实现对可见物体的形状、运动以及变形的测量，也可以实现对所观测场景的深入认知和理解。三维视觉的研究和应用领域非常广泛，包括但不限于以下几个方面：1、三维重建：三维视觉可以通过对多个二维图像的分析和处理，实现三维场景的重建，从而为虚拟现实(vr)、增强现实(ar)等领域提供技术支持。2、机器人视觉：机器人视觉是三维视觉的一个重要应用领域，机器人可以通过对环境的感知和理解，实现自主导航、物体识别和抓取等功能。3、医学影像分析：三维视觉可以用于医学影像的分析和处理，如ct、mri等，从而实现疾病的早期发现和治疗。4、工业检测：三维视觉可以用于工业检测领域，如零件尺寸检测、表面缺陷检测等，从而提高生产效率和产品质量等。5、辅助和自动驾驶系统：基于三维视觉的全局或者局部地图重建，是自动驾驶系统实现定位与导航的关键，同时能够提供周围环境的深度和语音信息，帮助自动驾驶系统理解和解析三维空间中的物体位置与类别。6、三维运动和变形测量：三维视觉能够以简单的光路快速获取材料/结构表面三维运动和变形数据，为现代非接触光学三维变形测量的提供了一种关键技术。
2、在上述以三维重建为核心的应用领域或系统中，都涉及相机的内参和外参标定问题。当前条件下，相机的内外部参数标定的方法主要分为借助
技术实现思路
1、为解决上述问题，本专利技术提供一种基于随机采样一致性的立体视觉系统标定方法、系统及介质，消除了对标定目标进行不同姿态成像时，造成的标定不一致问题，以及低质量标定图像对标定结果精度的影响问题。
2、为实现上述目的，本专利技术提供了如下的技术方案。
3、一种基于随机采样一致性的立体视觉系统标定方法，包括以下步骤：
4、通过双目立体视觉系统同步采集多对不同姿态的标定板的图像，所述图像包括左相机和右相机同步采集的一幅标定板图像，提取每对图像上的角点坐标；随机抽样n对标定图像，通过角点坐标进行相机标定，获取两个相机内外部参数的标定结果；
5、根据相机标定结果对所有图像对进行三维重构，获得重构后的角点坐标，并计算重构后角点间距离与角点间实际距离的差值，获得重构误差；
6、根据所有图像对的重构误差，确定小于误差标准值的图像对数量作为最新评分；当最新评分大于最优评分则更新最优评分；
7、再次进行图像的随机抽样、相机标定以及三维重构，循环迭代直至获得最优评分大于预设评分，将该次相机标定所获得内外部参数的作为标定结果。
8、优选地，所述方法适用于左右相机构成双目视觉系统，以及所有可分解为以双目相机为基本单元的多相机立体视觉成像和测量系统。
9、优选地，所述随机抽样n对标定图像，通过角点坐标进行相机标定，获取两个相机内外部参数的标定结果，包括以下步骤：
10、将多对不同姿态的标定板的图像作为样本空间，从中随机抽取n对标定图像样本，根据角点坐标，使用张氏标定法计算两个相机的内参ki、畸变系数k1,k2,p1,p2和两个相机之间的相对外参，所述相对外参包括3×3的相对旋转矩阵r和3维平移向量t；所述内参：
11、
12、其中，ki为第i个相机的内参矩阵，i＝1表示左相机，i＝2表示右相机；fx和fy为以像素为单位描述的x方向和y方向的等效焦距；cx，cy为图像主点的像素坐标；k1,k2为径向畸变系数，p1,p2为切向畸变系数。所述畸变参数和畸变模型为一种示例，使用其他畸变参数和畸变模型不影响本方法的适用性。
13、优选地，所述角点坐标的提取采用角点检测算法，提取左右图像对上的角点坐标，建立角点对应关系的集合，用于相机标定。
14、优选地，所述重构误差的计算如下式所示：
15、
16、其中，d1，d2，d3，d4分别为重构出来的角点距离其上下左右四个角点的距离；d为棋盘格角点之间实际距离，n为需要计算的棋盘格角点个数。
17、优选地，所述随机抽样n对标定图像，包括以下步骤：
18、采用随机数生成器，随机从相机拍摄的所有标定板的图像中抽取n对标定图像。
19、优选地，所述重构误差标准值小于等于0.01mm。
20、一种基于随机采样一致性的立体视觉系统标定系统，包括：
21、图像采集模块，用于通过双目立体视觉系统同步拍摄多对不同姿态的标定板的图像，每组由两个相机采集的一对图像组成；
22、角点坐标提取模块，采用角点检测算法提取左右图像对上的角点坐标，所述角点，包括十字状或者类十字状角点，也包括定位部分为圆形或者类圆形角点，也包括各类具有特殊编码的光学标识点；
23、双目相机参数计算模块，用于使用张氏标定法计算两个相机的内外部参数，作为相机标定结果；
24、误差计算模块，用于根据相机标定结果对所有图像对进行三维重构，获得重构后的角点坐标，并计算重构后角点间距离与角点间实际距离的差值，获得重构误差；
25、评分与更新模型模块，用于根据所有图像对的重构误差，确定满足预定误差阈值的图像对数量作为最新评分，当最新评分大于最优评分则更新最优评分，并将大于预设评分该次相机标定作为标定模型，将该次标定所获得内外部参数的作为标定结果。
26、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
27、通过双目立体视觉系统同步拍摄多对不同姿态的标定板的图像，提取每对图像上的角点坐标；随机抽样n对标定图像，通过角点坐标进行相机标定，获取两个相机内外部参数的标定结果；
28、根据相机标定结果对所有图像对进行三维重构，获得重构后的角点坐标，并计算重构后角点间距离与角点间实际距离的差值，获得重构误差；
29、根据所有图像对的重构误差，确定满足预定误差阈值的图像对数量作为最新评分；当最新评分大于最优评分则更新最优评分；
本文档来自技高网...【技术保护点】
1.一种基于随机采样一致性的立体视觉系统标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述方法适用于左右相机构成双目视觉系统，以及所有可分解为以双目相机为基本单元的多相机立体视觉成像和测量系统。
3.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述随机抽样N对标定图像，通过角点坐标进行相机标定，获取两个相机内外部参数的标定结果，包括以下步骤：
4.根据权利要求3所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述角点坐标的提取采用角点检测算法，提取左右标定图像对上的角点坐标，建立角点对应关系的集合，用于相机标定。
5.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述重构误差的计算如下式所示：
6.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述随机抽样N对标定图像，包括以下步骤：
7.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定
8.一种基于随机采样一致性的立体视觉系统标定系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
...【技术特征摘要】
1.一种基于随机采样一致性的立体视觉系统标定方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述方法适用于左右相机构成双目视觉系统，以及所有可分解为以双目相机为基本单元的多相机立体视觉成像和测量系统。
3.根据权利要求1所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述随机抽样n对标定图像，通过角点坐标进行相机标定，获取两个相机内外部参数的标定结果，包括以下步骤：
4.根据权利要求3所述的基于随机采样一致性的立体视觉系统标定方法，其特征在于，所述角点坐标的提取采用角点检测算法，提取左右标定图像对上的角点坐标，建立角点对应关系...
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。