專利名稱：一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法。
背景技術(shù)：
相機(jī)標(biāo)定是機(jī)器視覺中的重要問題之一。對于針孔模型相機(jī)，標(biāo)定過程主要是求解相機(jī)內(nèi)參數(shù)(Intrinsicparameters)與外參數(shù)(Extrinsicparameters)。通過這內(nèi)、夕卜參數(shù)求解目標(biāo)像素坐標(biāo)(圖像坐標(biāo)系)到場景坐標(biāo)(世界坐標(biāo)系)變換。標(biāo)定過程可以采用直接線性法、Tsai法、張正友法等。但無論采用哪種標(biāo)定方法，由于鏡頭徑向畸變、傾斜幾何變形、現(xiàn)場環(huán)境變化，使得實(shí)際計(jì)算出的目標(biāo)坐標(biāo)與理想坐標(biāo)之間存在誤差。修正相機(jī)標(biāo)定誤差的質(zhì)量，不僅直接影響坐標(biāo)變化的精確性，而且間接影響后續(xù)高層圖像理解的準(zhǔn)確性。對于相機(jī)標(biāo)定誤差的補(bǔ)償方法國內(nèi)外已有較多的研究。Bukhari等人利用鉛垂線方法與齊次方程模型從單幅圖像中估計(jì)徑向誤差。Wang等人針對徑向畸變問題，提出畸變點(diǎn)處于同心圓上，通過計(jì)算畸變點(diǎn)的圓心來補(bǔ)償畸變，取得的較好的效果。Lucchese等人提出了同時(shí)校正徑向畸變和傾斜變形的方法 ，但僅用二項(xiàng)式對至少需要用5次多項(xiàng)式的徑向畸變進(jìn)行補(bǔ)償。張佳成等人混合了多種補(bǔ)償估計(jì)模型，用經(jīng)典模型對畸變圖像進(jìn)行初次校正，用多面函數(shù)擬合法進(jìn)行二次精校正，用三次B樣條函數(shù)進(jìn)行灰度重建，相比單一的鏡頭畸變校正模型，精度提高，魯棒性增強(qiáng)，校正后徑向均方根誤差為0.3個(gè)像素。劉堂等人建立了徑向畸變和傾斜失真的聯(lián)合模型，用最小二乘法和最優(yōu)化算法求得標(biāo)準(zhǔn)網(wǎng)格的失真參數(shù)，最后對目標(biāo)進(jìn)行補(bǔ)償。上述補(bǔ)償方法都取得了一定的效果，但有兩個(gè)方面仍舊可以繼續(xù)提高。第一，用高次多項(xiàng)式對補(bǔ)償值進(jìn)行建模，隨著次數(shù)增加，計(jì)算量呈指數(shù)級快速增長，難以平衡計(jì)算時(shí)間與補(bǔ)償質(zhì)量之間的矛盾；第二，相機(jī)畸變的不僅致使局部區(qū)域像素點(diǎn)位置的偏離，還影響了整幅圖的成像。所以圖像特征的選取必須兼顧局部特征與全局特征。目前常用的相機(jī)標(biāo)定誤差補(bǔ)償模型為相機(jī)標(biāo)定通過求解內(nèi)、外參數(shù)，實(shí)現(xiàn)目標(biāo)像素坐標(biāo)(圖像坐標(biāo)系)到場景坐標(biāo)(世界坐標(biāo)系)轉(zhuǎn)換。相機(jī)標(biāo)定誤差模型如下所示:
權(quán)利要求
1.一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:其包括以下步驟: (1)準(zhǔn)備數(shù)據(jù):先采集P幅標(biāo)準(zhǔn)靶標(biāo)的圖像，得到P幅有誤差的圖像，然后從每幅圖像中選取q個(gè)關(guān)鍵點(diǎn)，得到pXq個(gè)所述關(guān)鍵點(diǎn)； (2)提取關(guān)鍵點(diǎn)的特征:提取每個(gè)所述關(guān)鍵點(diǎn)的特征，所述特征包括顏色特征、局部Gabor特征及全局關(guān)聯(lián)特征； (3)計(jì)算pXq個(gè)所述關(guān)鍵點(diǎn)的實(shí)際誤差(ΛΧ，Ay)pXq:計(jì)算P幅圖中每個(gè)關(guān)鍵點(diǎn)坐標(biāo)與該關(guān)鍵點(diǎn)的理想位置坐標(biāo)的實(shí)際誤差(Λχ，Ay)pXq； (4)模擬訓(xùn)練:采用SVMLight工具進(jìn)行支持向量回歸模型訓(xùn)練，將所述步驟(2)中得到的PXq個(gè)所述關(guān)鍵點(diǎn)的特征與所述步驟(3沖得到的(Λχ，Ay)px」t為輸入，最后得到模型文件； (5)估算誤差:當(dāng)拍攝到一幅新的圖片時(shí)，得到q個(gè)關(guān)鍵點(diǎn)的實(shí)際位置(X，y),，然后按步驟(2 )提取該q個(gè)所述關(guān)鍵點(diǎn)的特征，存放于需要回歸的特征文件中，并計(jì)算每個(gè)所述關(guān)鍵點(diǎn)的補(bǔ)償值(Δ X，Ay)。
2.根據(jù)權(quán)利要求1所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(2)中所提取的顏色特征是每個(gè)所述關(guān)鍵點(diǎn)周圍NXN區(qū)域中4種常用顏色空間的顏色分量的均值與方差作為特征，所述4種常用顏色空間為RGB、CMYK、HSV、HIS，其中，N小于等于50。
3.根據(jù)權(quán)利要求2所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(2)中局部Gabor特征的提 取方法包括以下步驟: a.將彩色圖像歸一化為灰度級為256的灰度圖； b.當(dāng)前關(guān)鍵點(diǎn)周圍劃分成L個(gè)NXN的子窗口，其中，L小于等于50； c.將每個(gè)窗口進(jìn)行Gabor變換，原圖像為F(x，y)，經(jīng)過Gabor變換后得到新的圖像Q(X，y)，其中，Q (X，y) = [ (GaborE (x, y) *F (x, y))2+ (Gabor1 (x, y) *F (x, y))2]1/2(I) 式(I)中， ,,.1.1V.1..2^(.rcos(9 + rsin^) Gabo1- (.r, y) =-- e 1σ cos-:--^2πσ2I(2) .1 \_ 2,T(.rcos0 -l.^sin θ) (juborix, f) 二-7e 上σ sin-:--1 2πσ2IU) π 3σ 式(2)、(3)中 O=Ji ； — —■ θ 二一； 1= “， 計(jì)算變換后，每個(gè)窗口灰度的均值由μ表示，每個(gè)窗口的標(biāo)準(zhǔn)差由S表示，每個(gè)窗口的偏差系數(shù)由k(k=S/μ)表示，最后，得到L個(gè)窗口的局部Gabor特征:μ 1; μ 2，…，μ j,…，μ L> δ δ 2,..., δ i7..., δ L 與 Ic1, k2,…，Iii,…，kL,共有 3L 維,其中，i 為窗口序列號。
4.根據(jù)權(quán)利要求3所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(2)中全局關(guān)聯(lián)特征的提取包括以下步驟: a.將局部Gabor特征可以看成三個(gè)一維序列:μ 1; μ 2,...,Ui,..., μ L> δ 17 δ 2,…，δ i,..., 51；與1^1,1^2，..., ki；..., kL,其中 i 表不窗口序號； b.利用自相關(guān)函數(shù)計(jì)算關(guān)聯(lián)特征，自相關(guān)函數(shù)如式(4)，其中，m為相關(guān)階數(shù)，L為Gabor子窗口的個(gè)數(shù)，且m〈L，
5.根據(jù)權(quán)利要求1所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(3)中的計(jì)算pXq個(gè)關(guān)鍵點(diǎn)的實(shí)際誤差(ΛΧ，Ay)pXq的方法包括以下步驟: a、將從標(biāo)準(zhǔn)靶標(biāo)圖中得到q個(gè)關(guān)鍵點(diǎn)的激光測量的中心位置作為理想位置坐標(biāo)(x，y)s,其中，s=l,2,…，q ； b、用點(diǎn)識別技術(shù)得到P幅圖中的q個(gè)關(guān)鍵點(diǎn)的實(shí)際位置(x，y)tXs，其中，t=l，2，…，p，s_l，2，...，Q ; C、計(jì)算:(Λχ，Ay)pXq= (X，y)s_(x，y)tXs。
6.根據(jù)權(quán)利要求1所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(4)中的模擬訓(xùn)練采用SVMLight工具，其步驟如下: a.輸入訓(xùn)練命令，所述訓(xùn)練命令為:svm_learn- zr - t2 - g0.12example_filemode 1_file,其中，example_file為訓(xùn)練數(shù)據(jù)的輸入文件；model_file為輸出的模型結(jié)果文件；參數(shù)-z為r,表示回歸模式；參數(shù)-t為2,表示采用高斯徑向基核函數(shù)(RBF);參數(shù)-g為0.12,表示高斯徑向基核的參數(shù)gamma為0.12 ; b.生成模型文件，需要為x、y分別生成兩個(gè)不同的模型文件。
7.根據(jù)權(quán)利要求1所述的基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，其特征在于:所述步驟(5)中的估算誤差的步驟如下: a.輸入回歸命令,所述回歸命令為svm_classify example_f ile model_f ile output_file,其中，example_file為需要回歸的特征文件，model_file為所述步驟(4)中的生成的模型文件，output_file為輸出文件； b.生成輸出文件，所述輸出文件中每一行與需要回歸的特征文件中的行--對應(yīng)，表示需要回歸的特征文件中每個(gè)行的回歸值。
全文摘要
一種基于多維特征的相機(jī)標(biāo)定誤差補(bǔ)償方法，包括以下步驟(1)準(zhǔn)備數(shù)據(jù)先采集p幅標(biāo)準(zhǔn)靶標(biāo)的圖像，得到p幅有誤差的圖像，然后從每幅圖像中選取q個(gè)關(guān)鍵點(diǎn)，得到p×q個(gè)關(guān)鍵點(diǎn)；(2)提取關(guān)鍵點(diǎn)的特征提取每個(gè)關(guān)鍵點(diǎn)的特征；(3)計(jì)算p×q個(gè)關(guān)鍵點(diǎn)的實(shí)際誤差(Δx，Δy)p×q；(4)模擬訓(xùn)練采用SVMLight工具進(jìn)行支持向量回歸模型訓(xùn)練；(5)估算誤差當(dāng)拍攝到一幅新的圖片時(shí)，得到q個(gè)關(guān)鍵點(diǎn)的實(shí)際位置(x，y)q，然后按步驟(2)提取該q個(gè)關(guān)鍵點(diǎn)的特征，存放于需要回歸的特征文件中，并計(jì)算每個(gè)關(guān)鍵點(diǎn)的補(bǔ)償值(Δx,Δy)。本發(fā)明利用現(xiàn)場圖像的關(guān)聯(lián)特征，采用支持向量回歸實(shí)時(shí)估計(jì)每副采集圖像的補(bǔ)償量，采用本發(fā)明的方法使得補(bǔ)償后的光靶中心更接近于理想光靶中心。
文檔編號G06T7/00GK103218820SQ20131014044
公開日2013年7月24日 申請日期2013年4月22日 優(yōu)先權(quán)日2013年4月22日
發(fā)明者吳宏杰, 奚雪峰, 陸衛(wèi)忠, 胡伏原, 付保川 申請人:蘇州科技學(xué)院