基于天牛须搜索算法的单目相机标定方法
发布时间：2021-01-13 18:10
针对传统单目相机标定方法精度较低的问题,提出一种基于天牛须搜索算法的单目相机标定方法;首先使用MATLAB软件的标定工具箱快速计算单目相机内外参数,然后利用天牛须搜索算法,以平均重投影误差为目标建立目标函数,对相机参数进一步优化。结果表明,基于天牛须搜索算法的相机标定方法稳定、可靠,收敛快,优于张正友平面标定法的优化最终平均误差。
【文章来源】：济南大学学报(自然科学版). 2020,34(06)北大核心
【文章页数】：7 页
【部分图文】：
针孔相机成像模型
实验采用德国AVT公司生产的一款工业数字相机来拍摄标定图像, 采用Sony ICX274型传感器, 使用千兆以太网口作为数据传输接口, 拍摄的图像分辨率为4 032像素×3 024像素。 棋盘格标定板使用激光打印的9行、 12列的棋盘格, 每个格子的尺寸为25 mm×25 mm(长度×宽度),以棋盘格角点作为标定点,每幅图像共有88个标定点,共拍摄20张图像, 如图2所示。首先采用软件对相机参数进行标定,得到相机的外部参数(R, T)、 内部参数(fx, fy, u0, v0)以及畸变系数(k1, k2), 并假设p1=0, p2=0, p3=0,以此为初始值然后随机生成一个9维向量作为初始朝向。根据每张标定图像对应的参数,利用OpenCV库中的反投影函数ProjectPoints求出标定角点的反投影坐标,计算检测到的实际像素坐标与反投影坐标的欧氏距离。实验中采用全部20幅图像中所有的角点参与优化计算,最高迭代次数设置为500。
表1所示为基于BAS的优化标定算法求解出的相机标定内部参数和畸变系数以及目标函数值, 分别给出第40、 60、 80、 100、 500次迭代后优化的结果。 从图3和表1可以看出, 由于初始步长设置较大, 因此在最初阶段各个参数值都没有得到更新。 随着迭代次数的增加, 当迭代次数达到40后, 目标函数值开始快速收敛; 当迭代次数大于80时, 目标函数值基本趋于稳定; 经过100次迭代后, 求解的各个参数都趋于稳定; 当迭代次数为500时, 最终目标函数值即标定的平均反投影误差为0.07像素, 优化计算得到的值即为相机的内参数和畸变系数。图4所示为根据最终优化结果进行反投影所有标定点的结果,每幅标定图像用不同颜色显示,图中每个编号对应的平面即为20张不同的标定图像在空间中的反投影,图4中坐标系原点为相机所在位置。为了证明基于BAS的优化标定算法计算出的相机内参和畸变系数的可靠性,提取出实际检测到的角点亚像素坐标(x, y)和迭代500次之后的反投影角点像素坐标(x′, y′)。为了验证算法的有效性,同时给出张正友标定法和文献[12]中的基于改进粒子群标定法得到的反投影像素坐标,分别计算不同算法的误差和平均误差。由于标定点数量巨大,在此只给出第1幅图像中前11个标定点(第1行)的数据和所有标定点的总体平均误差,如表2、 3所示。
【参考文献】：
期刊论文
[1]基于改进粒子群算法的相机内参优化方法[J]. 徐呈艺,刘英,肖轶,曹健. 激光与光电子学进展. 2020(04)
[2]基于天牛须搜索优化的室内定位算法[J]. 邹东尧,陈鹏伟,刘宽. 湖北民族学院学报(自然科学版). 2018(04)
[3]基于量子粒子群优化算法的摄像机标定优化方法[J]. 王道累,胡松. 激光与光电子学进展. 2018(12)
[4]基于全参数自适应变异粒子群算法的单目相机标定[J]. 秦瑞康,杨月全,李福东,季涛. 东南大学学报(自然科学版). 2017(S1)
[5]大场景下多目立体视觉标定方法的研究[J]. 楚圣辉,张慧萌,陈硕,孟浩,刘国忠. 现代计算机(专业版). 2017(15)
[6]飞行时间深度相机和彩色相机的联合标定[J]. 周杰,安平,郑帅,严徐乐,左一帆. 信号处理. 2017(01)
[7]二维光电影像测量仪系统摄像机标定技术[J]. 刘霖,陈祥,刘娟秀,罗颖,凌云,黄田,易茂丽. 中国科技信息. 2016(11)
[8]摄像机标定的研究进展综述[J]. 张振普,张同舟,王小雪,赵海媚,刘鑫鑫. 信息与电脑(理论版). 2016(01)
[9]基于入侵性杂草算法的摄像机标定过程优化[J]. 朱琳,谢红. 计算机仿真. 2015(10)
[10]基于粒子群算法的摄像机自标定[J]. 黄伟光,董安国. 计算机应用与软件. 2015(05)
本文编号：2975329
【文章来源】：济南大学学报(自然科学版). 2020,34(06)北大核心
【文章页数】：7 页
【部分图文】：
针孔相机成像模型
实验采用德国AVT公司生产的一款工业数字相机来拍摄标定图像, 采用Sony ICX274型传感器, 使用千兆以太网口作为数据传输接口, 拍摄的图像分辨率为4 032像素×3 024像素。 棋盘格标定板使用激光打印的9行、 12列的棋盘格, 每个格子的尺寸为25 mm×25 mm(长度×宽度),以棋盘格角点作为标定点,每幅图像共有88个标定点,共拍摄20张图像, 如图2所示。首先采用软件对相机参数进行标定,得到相机的外部参数(R, T)、 内部参数(fx, fy, u0, v0)以及畸变系数(k1, k2), 并假设p1=0, p2=0, p3=0,以此为初始值然后随机生成一个9维向量作为初始朝向。根据每张标定图像对应的参数,利用OpenCV库中的反投影函数ProjectPoints求出标定角点的反投影坐标,计算检测到的实际像素坐标与反投影坐标的欧氏距离。实验中采用全部20幅图像中所有的角点参与优化计算,最高迭代次数设置为500。
表1所示为基于BAS的优化标定算法求解出的相机标定内部参数和畸变系数以及目标函数值, 分别给出第40、 60、 80、 100、 500次迭代后优化的结果。 从图3和表1可以看出, 由于初始步长设置较大, 因此在最初阶段各个参数值都没有得到更新。 随着迭代次数的增加, 当迭代次数达到40后, 目标函数值开始快速收敛; 当迭代次数大于80时, 目标函数值基本趋于稳定; 经过100次迭代后, 求解的各个参数都趋于稳定; 当迭代次数为500时, 最终目标函数值即标定的平均反投影误差为0.07像素, 优化计算得到的值即为相机的内参数和畸变系数。图4所示为根据最终优化结果进行反投影所有标定点的结果,每幅标定图像用不同颜色显示,图中每个编号对应的平面即为20张不同的标定图像在空间中的反投影,图4中坐标系原点为相机所在位置。为了证明基于BAS的优化标定算法计算出的相机内参和畸变系数的可靠性,提取出实际检测到的角点亚像素坐标(x, y)和迭代500次之后的反投影角点像素坐标(x′, y′)。为了验证算法的有效性,同时给出张正友标定法和文献[12]中的基于改进粒子群标定法得到的反投影像素坐标,分别计算不同算法的误差和平均误差。由于标定点数量巨大,在此只给出第1幅图像中前11个标定点(第1行)的数据和所有标定点的总体平均误差,如表2、 3所示。
【参考文献】：
期刊论文
[1]基于改进粒子群算法的相机内参优化方法[J]. 徐呈艺,刘英,肖轶,曹健. 激光与光电子学进展. 2020(04)
[2]基于天牛须搜索优化的室内定位算法[J]. 邹东尧,陈鹏伟,刘宽. 湖北民族学院学报(自然科学版). 2018(04)
[3]基于量子粒子群优化算法的摄像机标定优化方法[J]. 王道累,胡松. 激光与光电子学进展. 2018(12)
[4]基于全参数自适应变异粒子群算法的单目相机标定[J]. 秦瑞康,杨月全,李福东,季涛. 东南大学学报(自然科学版). 2017(S1)
[5]大场景下多目立体视觉标定方法的研究[J]. 楚圣辉,张慧萌,陈硕,孟浩,刘国忠. 现代计算机(专业版). 2017(15)
[6]飞行时间深度相机和彩色相机的联合标定[J]. 周杰,安平,郑帅,严徐乐,左一帆. 信号处理. 2017(01)
[7]二维光电影像测量仪系统摄像机标定技术[J]. 刘霖,陈祥,刘娟秀,罗颖,凌云,黄田,易茂丽. 中国科技信息. 2016(11)
[8]摄像机标定的研究进展综述[J]. 张振普,张同舟,王小雪,赵海媚,刘鑫鑫. 信息与电脑(理论版). 2016(01)
[9]基于入侵性杂草算法的摄像机标定过程优化[J]. 朱琳,谢红. 计算机仿真. 2015(10)
[10]基于粒子群算法的摄像机自标定[J]. 黄伟光,董安国. 计算机应用与软件. 2015(05)
本文编号：2975329
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2975329.html
