《Matlab基于摄像机的图像目标的精确定位技术研究》由会员分享，可在线阅读，更多相关《Matlab基于摄像机的图像目标的精确定位技术研究（18页珍藏版）》请在金锄头文库上搜索。
1、-范文最新推荐-1 / 19Matlab 基于摄像机的图像目标的精确定位技术研究摄像机图像精确定位技术是计算机视觉的基本任务之一，相关的研究有着极其重要的实际意义。本文介绍了图像定位技术的原理和研究现状，解决了如何对摄像机二维图像进行三维重建的问题。本文实验部分使用数码相机拍摄了若干组图像，运用 Matlab 摄像机标定工具箱对这些图像进行了处理，并得到了摄像机的内外参数，在此基础上运用双目视觉原理，编写Matlab 程序对图像特征点坐标进行了三维重建，实现了二维坐标到三维坐标的转换，这一结果在生产科研中有着广泛的应用和重要的价值。在文章最后分析了算法误差，这对提升三维重建的精度的研究方向有着
2、十分重要的参考意义。12639关键词三维重建摄像机标定坐标转换双目视觉毕业设计说明书（论文）外文摘要TitleThe Research of Accurate Positioning TechnologyBased on Camera Image TargetsAbstractAccurate positioning technology based on camera image targets is one of the basic tasks of computer vision. The relevant research has significant meaning of prac
3、tice. This paper introduces the principles of image positioning technology and the research actuality. The paper solves the problem of how to perform 3D reconstruction using 2D camera images. In the experiment of the paper, several groups of digital camera pictures are utilized to be processed by Ma
4、tlab camera calibration toolbox through which we get the extrinsic and intrinsic parameters of the camera. After that,A Matlab program is used to reconstruct the coordinates of the feature points of the images. The results are of great -范文最新推荐-3 / 19value and applied widely in the practice of produc
5、tion and research. At last, the paper gives the causes for program errors which have a guiding significance for improving the precision of 3D-reconstruction. 1.1 课题研究背景及意义人们对计算机视觉的研究工作在理论上和实际应用中都取得了丰硕的成果。摄像机图像精确定位技术是计算机视觉的基本任务之一，摄像机图像精确定位技术是指基于对若干幅二维图像所提供的信息的提取，通过图像处理技术及相关算法，得到物体上某些特征点的三维空间坐标。这一技术涉及
6、物体特征点的检测，摄像机的标定，以及三维重建等具体环节。摄像机图像精确定位技术拥有广泛的应用范围，在国内外有较长的研究历史，并取得了丰硕的成果，在工业、交通运输、生物医学、机器人、国防等领域都有着重要的应用价值和广阔的前景2。计算机视觉起源于 20 世纪 60 年代的美国，长期以来，在美国军方的支持和资助下，催生了丰硕的研究成果。早在年，美国就已经对太空船传送回来的数千张月球照片进行了三维重建，最终得出了月球表面的地形图，这是计算机视觉的早期应用成果。90 年代，美国南加州大学完成的图像理解计划是早期研究比较成功的计划之一。D.Marr 于 1988 年首创了计算视觉探究理论，他指出视觉是一种
7、计算过程，其目的是从图像中得知外部场景中有什么物体以及它们的空间关系3。为了实现精确定位，首先对图像要进行角点检测和摄像机标定，至今已经有许多角点检测和摄像机标定的方法。此外，由于镜头的径向畸变和切向畸变的存在，导致了标定的精度下降，目前 Paul Cohen 等人提出来的技术已经可极大程度地降低畸变。广角镜头的畸变较之一般镜头更大，因此这种技术对广角镜头摄像机的意义更大4。美国 OGP 公司研制的图像测量系统，采用变焦系统，实现了可随时对系统进行标定的功能等。-范文最新推荐-5 / 19很多国外研究人员已经开始着重于研究亚像素级别的图形定位。其实，早在 20 世纪 70 年代，美国宇航局喷气
8、实验室的科学家们在 CCD 的形体跟踪器的研究中，首先实现了星象位置亚像素精度的定位。近些年来，许多学者提出了一些有效的亚像素边缘定位方法。Huecke 用拟合参数方程的方法，首先用二微分段线性函数对原始图像做最佳拟合，然后在拟合面上作边缘检测，使边缘位置达到了亚像素精度。此算法比较复杂，也没有对图像中的噪声进行分析5。A.J.Tabatabai 和 OR.Mitchell 首先提出灰度矩的思想，利用边缘两边区域可能的分布和统计特性，来定位边缘到亚像素级精度。A.Huertas 和 G.Medioni 用高斯拉普拉斯模板合成边缘局部表面模型的方法构造了亚像素检测算子，精度比较高，但计算量太大6
9、。Englander 基于 Whittakers 定理对图像重新抽样，也提出了一种亚像素边缘检测算子。E.P.Lyvers 和O.R.Mitchell 提出空间矩的思想，利用灰度边缘的空间矩来决定边缘的位置，使其精度能够达到 1/20 个像素，并且不受加性噪声和乘性噪声的影响。K.Jensen 和 D.Anatassious 突出了非线性插值的方法，边缘定位精度高，实现了亚像素级检测精度，并且在插值过程中能降低噪声的影响7。 当前对三维重建的研究主要集中在寻找良好的匹配算法，这也是双目视觉中的核心问题。由于现实世界物体具有复杂性以及不规则性，很难找到一种通用的非常有效的匹配方法。人们通过对双目
10、视觉成像系统进行分析，得出了图像匹配应满足的一些约束，比如极线约束以及唯一性约束等等。然后在此基础上，人们对具体实例提出了许多具体的匹配方法，目前的主要的匹配方法主要有基于灰度相关的匹配方法，基于特征的匹配方法等。在基于灰度相关的匹配方面，它主要是先在一幅图像中选定一个待匹配点，然后在另一幅图中选定一些候选匹配点。此后确定待匹配点与候选匹配点周围的一个小邻域，再通过灰度差的平方方式，灰度互相关方式等确定最佳匹配。对于基于特征的匹配，首先要寻找特征点，比如角点。然后再根据特征点处的几何特性匹配。此外，也有利用三目视觉的，其先得到各图像上的边界基元，然后利用极线几何等知识进行基元的匹配。但是它仍不
11、能从根本上解决图像匹配中的歧义性等问题。可以说，匹配仍旧-范文最新推荐-7 / 19是一大三维重建中最大的难题。综观国内外技术研究可以看出，数字图像定位技术正朝着高精度方向迈进。科研现状受到高科技发展和项目的引导，促使很多拥有先进设备和理论技术的院校及研究所投身到计算机视觉研究中。到目前为止，黑白图像是数字视觉定位主要研究对象，而基于彩色图像的研究少之又少，这是因为现在人类视觉中的某些彩色存储及视觉功能尚未完全解释清楚 10 。目前，要实现人工彩色视觉定位需要更复杂的算法和更多的存储空间，为此需要付出很大的代价。然而，彩色图像的普及度越来越高，这也预示着未来的研究方向，可以想象，在具体应用方面
12、，如生物医学，随着彩色图像定位技术的发展，核磁共振成像等先进技术势必将大大受益。所以，数字图像定位技术必将推进一系列相关外延应用技术的发展进步，对彩色图像的定位研究势必成为今后的发展趋势。 其中 R 为 3×3 正交单位矩阵，t 为三维平移向量，0= ， 为 4×4 矩阵。图 2.1 图像坐标系、摄像机坐标系和世界坐标系2.1.3 图像坐标系以像素为单位的图像坐标系：在成像平面上，通常以左上角为坐标原点 ，由互相垂直的 u 轴和 v 轴构成。以毫米为单位的图像坐标系：在成像平面上，通常以图像几何中心为坐标原点 ，水平向右为 x 轴，垂直 x 轴向下为 y 轴构成。综上所
13、述，空间一点 P 在不同的坐标系下有不同的表示方法，在世界坐标系下表示为 P( , , )，在摄像机坐标系下可以表示为 P( , , )，在图像坐标系中，表示为以像素为单位的图像坐标 ，以及以毫米为单位的图像坐标 。像素为单位的图像坐标 只反映了点在图像平面上的行数和列数，而以毫米为单位的图像坐标 -范文最新推荐-9 / 19才反映了实际的度量。采用两种坐标表示各有其作用，并不矛盾。2.1.2 坐标系之间的转换对于空间点 P 在世界坐标系下表示为 P ( , , )，在摄像机坐标系下可以表示为 P( , , )，在图像坐标系中，表示为以像素为单位的图像坐标 ，以及以毫米为单位的图像坐标 。则这
14、些坐标可以通过下列公式进行转换（在章节 2.2 中还会对这些公式的得出进行详细说明）：两种图像坐标系之间的转换：图像坐标系和摄像机坐标系之间的转换：图像坐标系和世界坐标系之间的转换：世界坐标系和摄像机坐标系之间的转换：2.2 摄像机的针孔模型及模型的数学表示在计算机视觉中，利用所拍摄的图像来计算出三维空间中被测物体几何参数。图像是空间物体通过成像系统在像平面上的反映，即空间物体在像平面上的投影。图像上每一个像素点的灰度反映了空间物体表面某点反射的光的强度，而该点在图像上的位置则与空间物体表面对应点的几何位置有关11。这些位置的相互关系，由摄像机成像系统的几何投影模型所决定。计算机视觉研究中，三维空间中的物体到像平面的投影关系即为成像模型，理想的投影成像模型是光学中的中心投影，也称为针孔模型。针孔模型假设物体表面的反射光都经过一个针孔而投影到像平面上，即满足光的直线传播条件。针孔模型主要有光心（投影中心） 、成像面和光轴组成。小孔成像由于透光量太小，-
