《摄像机标定的基本原理、实现及性能分析正文》由会员分享，可在线阅读，更多相关《摄像机标定的基本原理、实现及性能分析正文（39页珍藏版）》请在金锄头文库上搜索。
1、 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名： 年 月 日 学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权省级优秀学士学位论文评选机构将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密 ，在_年解密
2、后适用本授权书。2、不保密 。（请在以上相应方框内打“”）作者签名： 邵娅 年 月 日 导师签名： 年 月 日 目 录摘要1前言21 绪论31.1 摄像机标定的背景31.2 摄像机标定的意义41.3 本文研究的内容42 摄像机标定的基本原理52.1摄像机成像模型52.2坐标变换72.3 摄像机成像公式93 传统摄像机标定方法123.1 直接线性变换（DLT变换）123.2 Tsai 的 RAC的定标算法143.3 张正友的平面标定方法173.4 孟晓桥、胡占义的圆标定方法194.摄像机自标定方法214.1 基于Kruppa方程的自标定方法214.2基于绝对二次曲面、无穷远平面的自标定方法225
3、基于Matlab的摄像机标定的实现235.1标定实现标定的流程235.2标定的实现235.3 实验误差分析276总结和展望276.1总结286.2 展望28参考文献29附录31 37 37摄像机标定的基本原理、实现及性能分析摘要：在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立摄像机成像的几何模型, 并由此重建和识别物体。这些几何模型参数就是摄像机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为摄像机标定。摄像机参数标定是光学非接触式三维测量的首要步骤，其结果的精度及算法的稳定性直接影响摄像机工作
4、产生结果的准确性。本文首先分析了摄像机标定的基本原理，然后重点讨论了摄像机标定的几种方法以及其实现的过程。摄像机标定的基本方法可以分为两个大类：传统的摄像机标定方法，如直接线性变换方法（DLT方法）、R. Tsai 的 RAC方法、 张正友的平面标定方法、 孟晓桥、胡占义的圆标定方法、吴毅红等的平行圆标定方法等，以及摄像机自标定方法，如基于Kruppa方程的自标定方法、分层逐步标定法、基于二次曲面的自标定方法等。还有一些方法难以归类到这两类中，如主动视觉摄像机标定方法。本文在研究摄像机成像的几何模型基础上，对这些方法的设计思想进行了分析,完成了摄像机标定的过程，并且分析了几种方法的优缺点以及使
5、用领域。这些为像机标定的实际应用提供指导，也为进一步选择更合理的标定方法提供理论和实践参考。关键字：摄像机标定；内参数；外参数；畸变；角点检测Abstract: In the image measurement and machine vision applications, for determining three-dimensional geometry location of one point in the spatial objects surface and its relationship between its corresponding points in the imag
6、es, we need to build the geometric model of camera imaging and thus reconstruct and recognize objects. The geometric model parameters are camera parameters. In most conditions, these parameters must be obtained by experiment and calculation, and this process of solving the parameters is called camer
7、a calibration. Camera parameters calibration is the first step in the optical non-contact 3D measurement, and its results accuracy and stability of the algorithm directly affect the accuracy of the result worked by the cameras. In this paper, the basic principles of camera calibration are first anal
8、yzed, and then we focus on several methods of camera calibration and the process of its accomplishment. The basic methods of camera calibration can be divided into two categories: traditional camera calibration methods, such as direct linear transformation method (DLT method), R. Tsai RAC method, Zh
9、ang Zhengyou plane calibration, Meng Xiaoqiao and Hu Zhanyi round calibration method, Wu Yihong parallel circular calibration method , as well as the camera self-calibration methods, such as self-calibration based on Kruppa equations method, stratified gradually calibration, self-calibration based o
10、n quadric method, etc. Hardly，some ways are not involved in these two types of methods, such as active vision camera calibration method. In the paper, based on the geometric model of camera imaging, the design of these methods is analyzed, the process of camera calibration is completed, and the adva
11、ntages and disadvantages of several methods with their used field are presented. The camera calibration is provided reference in the practical application, and a more reasonable calibration method which will be further chosen is provided theoretical and practical reference.Keywords: camera calibrati
12、on; intrinsic parameter; external parameters; distortion; corner detection前言 计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息。而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的。摄像机标定是机器视觉技术1的基础, 应用于三维测量、三维物体重建、机器导航、视觉监控、物体识别、工业检测、生物医学、机器人手眼等诸多领域, 得到了国内外学者的广泛研究2。它是光学非接触式三维测量的首要步骤，是二维图像获取三维空间信息的关键和必要步骤。无论是在图像测量或
13、者机器视觉应用中，摄像机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响摄像机工作产生结果的准确性如基于图像的物体重构、基于图像的测量等。对摄像机标定的研究来说，当前的研究工作应该集中在如何针对具体的实际应用问题，采用特定的简便、实用、快速、准确的标定方法3。摄像机标定的分类根据是否需要标定参照物来看，可分为传统的摄像机标定方法和摄像机自标定方法4。传统的摄像机标定是在一定的摄像机模型下，基于特定的实验条件，如形状、尺寸已知的标定物，经过对其进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的内部参数和外部参数5。不依赖于标定参照物的摄像机标定方法，仅利用摄像机在运
14、动过程中周围环境的图像与图像之间的对应关系对摄像机进行的标定称为摄像机自标定方法。自标定方法非常地灵活,但它并不是很成熟。因为未知参数太多,很难得到稳定的结果。一般来说，当应用场合所要求的精度很高且摄像机的参数不经常变化时，传统标定方法为首选。而自标定方法主要应用于精度要求不高的场合，如通讯、虚拟现实等。然而，不同应用领域的问题对摄像机定标的精度要求也不同，也就要求应使用不同的定标方法来确定摄像机的参数。例如，在物体识别应用系统中和视觉精密测量中，物体特征的相对位置必须要精确计算，而其绝对位置的定标就不要求特别高；而在自主车辆导航系统中，机器人的空间位置的绝对坐标就要高精度测量，并且工作空间中
15、障碍物的位置也要高度测量，这样才能安全导航本文主要研究的是传统的标定方法。本文对摄像机标定技术进行了全面地研究和总结，重点讨论了几种典型的摄像机标定的基本原理，以及实现方法。同时也进行使用标定工具箱来进行摄像机的标定的实验，并在实验完成后分析了误差出现的原因。另外针对Tasi不考虑畸变的标定方法，本文采用的是来源于“计算机视觉”Linda G. Shapiro, George C. Stockman 著. 赵清杰，钱芳等译. 计算机视觉M. 北京:机械工业出版社.一书中出现的数据，进行了标定，并出现相应的结果。1 绪论 1.1 摄像机标定的背景 近年来，随着微电子技术和光学镜头技术的发展，廉价的高精度数码摄像器材逐渐普及，应用也越来越
