深度相机自动标定方法研究

发布时间：2020-03-28 04:06

【摘要】：随着人工智能技术热度的日益攀升,深度视觉已掀起了视觉革命的浪潮,并必将成为机器视觉领域的核心内容。由于深度相机具有能够获取实时深度信息,不受光照影响,体积小等诸多优点,使其逐渐成为制造生产与科学研究过程中不可或缺的硬件条件,但实现这一切的关键前提条件是深度相机能够完成精确,快速地标定。本文基于相机深度测量原理和自标定技术,提出两种操作方便简洁,结果精确可靠的深度相机自动标定方法。首先,基于课题研究背景和国内外研究现状分析了传统标定方法存在的不足,阐明了深度相机标定的研究意义;同时介绍了与相机标定技术相关的重要几何原理,为后续研究工作做出了铺垫。然后,结合经典标定理论基础,提出一种利用三维特征点与深度图中像素点的对应关系建立深度相机的数学模型以求解相机内外参数初始值,并通过优化得到相机参数最优值的深度相机自动标定方法。其次,针对基于三维特征点标定方法实时性差和其普通非线性优化方法全局搜索能力差等缺点,提出一种改进的基于求解单应矩阵的深度相机自标定算法。通过建立深度相机畸变模型求出畸变参数,结合免疫克隆选择优化算法确定深度相机最优内外参数。最后,搭建视觉实验平台,采用微软Kinect V2的深度相机获取深度场景图,利用Python语言编写标定程序进行标定试验,并进行了经典标定法的对比试验。通过试验结果对比与分析,证明本文所提标定算法的精确性与实用性。
【图文】：

视觉,物料,深度相,相机

图 1-1 3D 视觉完成物料分拣、检测3D 深度相机与传统的 2D 相机不同之处在于，普通 2D 相机只能获得场景的 RGB 影像或者灰度级影像，而 3D 深度相机除了能得到场景的灰阶影像还得灰度影像的的深度距离信息，这就使得图片在计算机看来是一张立体不再是平面图。3D 深度相机早已出现在许多消费级产品中，例如微软 XBOX游戏机中用到的 Kinect、英特尔视觉识别的 RealSense 等，如图 1-2 所示，制造、视觉识别、虚拟辅助等诸多领域也都离不开 3D 深度相机。然而，现业级深度相机一般精度不高，但相信科学技术的进步，如同以前的黑白相机到高分辨彩色相机，3D 深度相机也会会变得愈加成熟。

透视投影,透视投影

透视投影是一种通过将投影面置于投影中心与投影对象之间的中心投影方式，基本的透视投影模型如图2-1 所示，透视投影的像平面位于视点和场景物之间，可将其理解为从物体反射回来的光线通过一小孔最终在小孔后方的投影面形成物像，最后将投影面等距到小孔与场景物之间。通过此描述，透视投影原理就和人的视觉系统原理相似，使得得到的图像更富有立体感和真实感。图 2-1 透视投影的基本在实际成像情况下，成像平面 P 不可能做到无限大，在摄像机系统中，成像平面被设置为一定大小的矩形平面（也有正方形或其他形状），此时视点 E 的可视范围就被限制成一个矩形，在图像平面的像就是人为指定场景在 P 上所成的像，就如同人眼透过窗户看外部的世界一样，如图 2-2 所示。此时，假若视点 E 能看到无穷远，可视范围仍然可被看作为一个无限区域，且沿视点相反的无穷远方向发散。而实际应用中不可能看到无穷远之外的物体，所往往取一定距离的可视区域（通常为场景到成像平面之间的距离）来描述视点范围，通常将可视区域称为视椎体，，如图 2-3 所示。
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】