專利名稱：一種攝像機(jī)標(biāo)定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，特別涉及一種攝像機(jī)標(biāo)定方法。
背景技術(shù)：
計(jì)算機(jī)視覺的基本任務(wù)之一就是從攝像機(jī)獲取的圖像信息出發(fā)計(jì)算三維空間中物體的幾何信息，并由此重建和識(shí)別物體，而空間物體表面的某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系是由攝像機(jī)成像的幾何模型決定的，這些幾何模型的參數(shù)就是攝像機(jī)參數(shù)，計(jì)算這些參數(shù)的過程就被稱為攝像機(jī)標(biāo)定?，F(xiàn)有技術(shù)中，普遍采用的攝像機(jī)標(biāo)定法大都是利用成像幾何中的某些內(nèi)在性質(zhì)和關(guān)系先求一部分參數(shù)，然后利用這些已求得的參數(shù)來求解其他參數(shù)，俗稱兩步法，現(xiàn)有技術(shù)存在的問題是，此方法中第一步參數(shù)的結(jié)果對(duì)后續(xù)參數(shù)結(jié)果的計(jì)算尤為重要，因此要求必須使用足夠多的點(diǎn)才能夠保證第一步獲得較為精確的解。其中較為簡(jiǎn)單的是Luis Gerardo de la Frage提出的基于長(zhǎng)方體圖形的標(biāo)定方法，該方法僅僅需要六到七個(gè)點(diǎn)就能夠完成對(duì)攝像機(jī)的標(biāo)定。由于攝像機(jī)標(biāo)定的過程可以考慮為一個(gè)優(yōu)化過程，因此引入優(yōu)化方法來對(duì)其進(jìn)行優(yōu)化求解，在兩步法中的第二步采用的是傳統(tǒng)優(yōu)化方法，例如梯度下降法、牛頓迭代法，現(xiàn)有的引入優(yōu)化方法存在的問題是，這些優(yōu)化方法都有著共同的缺點(diǎn)是計(jì)算耗時(shí)長(zhǎng)，且易受第一步計(jì)算結(jié)果的干擾。

發(fā)明內(nèi)容
本發(fā)明的目的旨在至少解決上述技術(shù)問題之一。為達(dá)到上述目的，本發(fā)明提出了一種攝像機(jī)標(biāo)定方法，包括如下步驟S1 根據(jù)平行六面體形狀對(duì)攝像機(jī)拍攝的圖像進(jìn)行校準(zhǔn)以獲得所述圖像中各個(gè)頂點(diǎn)的第一二維坐標(biāo)； S2:設(shè)置差分進(jìn)化參數(shù)，其中所述差分進(jìn)化參數(shù)包括最大進(jìn)化代數(shù)Umax、種群上限ub、種群下限lb、變異參數(shù)Ck和交叉參數(shù)Cf，并在所述種群上限ub和所述種群下限Ib所包含的范圍內(nèi)隨機(jī)生成m個(gè)個(gè)體，其中每個(gè)個(gè)體具有多個(gè)攝像機(jī)參數(shù)且所述m個(gè)個(gè)體構(gòu)成初始種群，并初始化所述初始種群的最優(yōu)位置；S3 根據(jù)所述變異參數(shù)Ck和所述交叉參數(shù)Cf按照預(yù)定的差分進(jìn)化迭代公式更新當(dāng)前種群的每個(gè)個(gè)體得到新種群；S4 根據(jù)所述各個(gè)頂點(diǎn)的第一二維坐標(biāo)以及所述新種群計(jì)算所述新種群中每個(gè)個(gè)體的適應(yīng)度；S5 根據(jù)所述每個(gè)個(gè)體的適應(yīng)度計(jì)算新種群的當(dāng)前代最優(yōu)位置；S6 判斷所述當(dāng)前代的最優(yōu)位置與上一代最優(yōu)位置的差值是否小于預(yù)定的閾值，如果所述差值小于所述閾值，則將預(yù)定的最優(yōu)位置未更新次數(shù) num加1，然后繼續(xù)執(zhí)行步驟S7，如果所述差值大于或等于所述閾值，繼續(xù)執(zhí)行步驟S7 ；S7 判斷所述最優(yōu)位置未更新次數(shù)num是否達(dá)到預(yù)定的最大值，如果num達(dá)到所述最大值，則在隨機(jī)分布的個(gè)體空間中對(duì)所述新種群的個(gè)體編號(hào)為1至m/5的個(gè)體重新隨機(jī)選取，然后繼續(xù)執(zhí)行步驟S8,如果num未達(dá)到所述最大值，繼續(xù)執(zhí)行步驟S8 ；S8 判斷所述差分進(jìn)化代數(shù)是否達(dá)到預(yù)定的最大進(jìn)化代數(shù)，如果所述差分進(jìn)化代數(shù)未達(dá)到所述最大進(jìn)化代數(shù)，則重復(fù)執(zhí)行步驟S3至步驟S7，如果所述差分進(jìn)化代數(shù)達(dá)到所述最大進(jìn)化代數(shù)，則停止，并將所述達(dá)到最大進(jìn)化代數(shù)的當(dāng)前代最優(yōu)位置對(duì)應(yīng)的攝像機(jī)參數(shù)作為攝像機(jī)標(biāo)定結(jié)果。在本發(fā)明的一個(gè)實(shí)施例中，所述步驟Sl進(jìn)一步包括S11 對(duì)攝像機(jī)拍攝圖像中出現(xiàn)的平行六面體進(jìn)行各個(gè)頂點(diǎn)的手工標(biāo)志；S12 確定獲得的六個(gè)或七個(gè)頂點(diǎn)的第一二維圖像坐標(biāo)。在本發(fā)明的一個(gè)實(shí)施例中，所述攝像機(jī)參數(shù)為χ = (12, I3, θ θ 2，θ 3, ti; t2，t3， Lutl，V(1)，其中，12，I3為所述平行六面體的兩個(gè)邊長(zhǎng)與另一邊長(zhǎng)I1的比例值，θ2，θ 3 為繞Z軸和Y軸的旋轉(zhuǎn)角度，<t1 t2, t3>為平移矩陣，f為有效焦距，Utl，V0為圖像坐標(biāo)中心。在本發(fā)明的一個(gè)實(shí)施例中，所述種群上限Ub= [2,2, π/2，π/2，π/2，20，20，50，2000，600，400]，所述種群下限 Ib =
。在本發(fā)明的一個(gè)實(shí)施例中，所述步驟S3進(jìn)一步包括S31 隨機(jī)產(chǎn)生小于m的三個(gè)不相等的正整數(shù)IVivr3 ；S32 根據(jù)所述交叉參數(shù)Cf，通過以下公式計(jì)算交叉?zhèn)€體Vi (t+1)， Vi( + 1) = χΓ3(0 +Cf-(χΓι(0-χΓ2(0)，其中i為所述種群中的個(gè)體編號(hào)；S33 產(chǎn)生隨機(jī)函數(shù) U(0,1)和粒子序號(hào)；S34 根據(jù)所述隨機(jī)函數(shù)U(0，1)、所述粒子序號(hào)和所述變異參數(shù)CK，判斷是否更新所述種群的每個(gè)個(gè)體，如果U (0，1) <CK或i = irand，則更新所述種群的每個(gè)個(gè)體，Xi (t+1) =Vi (t+1)，否則不更新所述種群的每個(gè)個(gè)體，Xi (t+1) =Xi (t)0在本發(fā)明的一個(gè)實(shí)施例中，所述步驟S4進(jìn)一步包括S41 根據(jù)所述種群的每個(gè)個(gè)體計(jì)算所述頂點(diǎn)的第二二維坐標(biāo)Ah(O) ； S42 根據(jù)所述頂點(diǎn)的第一二維坐標(biāo)Pi和所述頂點(diǎn)的第二二維坐標(biāo)Ah⑴)，通過以下公式計(jì)算所述新種群中每個(gè)個(gè)體的適應(yīng)度，
權(quán)利要求
1.一種攝像機(jī)標(biāo)定方法，其特征在于，包括如下步驟Sl 根據(jù)平行六面體形狀對(duì)攝像機(jī)拍攝的圖像進(jìn)行校準(zhǔn)以獲得所述圖像中各個(gè)頂點(diǎn)的第一二維坐標(biāo)；S2:設(shè)置差分進(jìn)化參數(shù)，其中所述差分進(jìn)化參數(shù)包括最大進(jìn)化代數(shù)Umax、種群上限ub、 種群下限lb、變異參數(shù)Ck和交叉參數(shù)CF，并在所述種群上限ub和所述種群下限Ib所包含的范圍內(nèi)隨機(jī)生成m個(gè)個(gè)體，其中每個(gè)個(gè)體具有多個(gè)攝像機(jī)參數(shù)且所述m個(gè)個(gè)體構(gòu)成初始種群，并初始化所述初始種群的最優(yōu)位置；S3:根據(jù)所述變異參數(shù)Ck和所述交叉參數(shù)Cf按照預(yù)定的差分進(jìn)化迭代公式更新當(dāng)前種群的每個(gè)個(gè)體得到新種群；S4:根據(jù)所述各個(gè)頂點(diǎn)的第一二維坐標(biāo)以及所述新種群計(jì)算所述新種群中每個(gè)個(gè)體的適應(yīng)度；55根據(jù)所述每個(gè)個(gè)體的適應(yīng)度計(jì)算新種群的當(dāng)前代最優(yōu)位置；56判斷所述當(dāng)前代的最優(yōu)位置與上一代最優(yōu)位置的差值是否小于預(yù)定的閾值，如果所述差值小于所述閾值，則將預(yù)定的最優(yōu)位置未更新次數(shù)num加1，然后繼續(xù)執(zhí)行步驟S7, 如果所述差值大于或等于所述閾值，繼續(xù)執(zhí)行步驟S7 ；S7:判斷所述最優(yōu)位置未更新次數(shù)num是否達(dá)到預(yù)定的最大值，如果num達(dá)到所述最大值，則在隨機(jī)分布的個(gè)體空間中對(duì)所述新種群的個(gè)體編號(hào)為1至m/5的個(gè)體重新隨機(jī)選取， 然后繼續(xù)執(zhí)行步驟S8,如果num未達(dá)到所述最大值，繼續(xù)執(zhí)行步驟S8 ；S8 判斷所述差分進(jìn)化代數(shù)是否達(dá)到預(yù)定的最大進(jìn)化代數(shù)，如果所述差分進(jìn)化代數(shù)未達(dá)到所述最大進(jìn)化代數(shù)，則重復(fù)執(zhí)行步驟S3至步驟S7,如果所述差分進(jìn)化代數(shù)達(dá)到所述最大進(jìn)化代數(shù)，則停止，并將所述達(dá)到最大進(jìn)化代數(shù)的當(dāng)前代最優(yōu)位置對(duì)應(yīng)的攝像機(jī)參數(shù)作為攝像機(jī)標(biāo)定結(jié)果。
2.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述步驟Sl進(jìn)一步包括511對(duì)攝像機(jī)拍攝圖像中出現(xiàn)的平行六面體進(jìn)行各個(gè)頂點(diǎn)的手工標(biāo)志；512確定獲得的六個(gè)或七個(gè)頂點(diǎn)的第一二維圖像坐標(biāo)Pi。
3.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述攝像機(jī)參數(shù)為，X = (12，13，θ θ 2，θ 3，ti; t2，t3，f，u0, vQ)，其中，12，I3為所述平行六面體的兩個(gè)邊長(zhǎng)與另一邊長(zhǎng)I1的比例值，θ2，θ 3為繞Z軸和Y軸的旋轉(zhuǎn)角度，<、，、，、> 為平移矩陣，f為有效焦距，U0, V。為圖像坐標(biāo)中心。
4.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述種群上限Ub=[2,2, 31/2，31/2，31/2，20，20，50，2000，600，400]，所述種群下限 Ib =
。
5.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述步驟S3進(jìn)一步包括531隨機(jī)產(chǎn)生小于m的三個(gè)不相等的正整數(shù)r1; r2，r3 ；532根據(jù)所述交叉參數(shù)CF，通過以下公式計(jì)算交叉?zhèn)€體Vi (t+Ι)，Vi(^l) = Xr3W+ Cf-(χΓι(0-χΓ2(0)，其中i為所述種群中的個(gè)體編號(hào)；533產(chǎn)生隨機(jī)函數(shù)U(0，1)和粒子序號(hào)irand；534根據(jù)所述隨機(jī)函數(shù)U (0，1)、所述粒子序號(hào)irand和所述變異參數(shù)CK，判斷是否更新所述種群的每個(gè)個(gè)體，如果U(0，1) <CK或i = iMnd，則更新所述種群的每個(gè)個(gè)體，Xi(t+1) =Vi(t+l)， 否則不更新所述種群的每個(gè)個(gè)體，Xi(t+1) = Xi (t)。
6.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述步驟S4進(jìn)一步包括541根據(jù)所述種群的每個(gè)個(gè)體計(jì)算所述頂點(diǎn)的第二二維坐標(biāo)Ah⑴)；542根據(jù)所述頂點(diǎn)的第一二維坐標(biāo)Pi和所述頂點(diǎn)的第二二維坐標(biāo)Ah⑴)，通過以下公式計(jì)算所述新種群中每個(gè)個(gè)體的適應(yīng)度，g ( (0) = -Σ Pi- Pi ix> (O) 2 gn /=1其中，g(Xi(t))為所述每個(gè)個(gè)體的適應(yīng)度，用攝像機(jī)重投影誤差表示，Q為攝像機(jī)參數(shù)向量的取值范圍，Xi (t)為第t代種群中的個(gè)體，i = 1，...，m，η為所述頂點(diǎn)的總個(gè)數(shù)。
7.根據(jù)權(quán)利要求1所述的攝像機(jī)標(biāo)定方法，其特征在于，所述步驟S5進(jìn)一步包括 根據(jù)所述每個(gè)個(gè)體的適應(yīng)度，通過以下公式計(jì)算所述新種群的當(dāng)前代最優(yōu)位置，Pg(t) =min{g(Xi(t)), i = 1，...，m}，其中，g(Xi(t))為所述每個(gè)個(gè)體的適應(yīng)度。
全文摘要
本發(fā)明提出一種攝像機(jī)標(biāo)定方法，包括如下步驟S1對(duì)拍攝圖像校準(zhǔn)獲得圖像各頂點(diǎn)的第一二維坐標(biāo)；S2設(shè)置差分進(jìn)化參數(shù)并初始化種群；S3更新當(dāng)前種群個(gè)體得到新種群；S4根據(jù)第一二維坐標(biāo)計(jì)算新種群個(gè)體的適應(yīng)度；S5根據(jù)適應(yīng)度計(jì)算新種群的當(dāng)前代最優(yōu)位置；S6如果當(dāng)前代最優(yōu)位置與上一代最優(yōu)位置的差值小于閾值，則最優(yōu)位置未更新次數(shù)num加1；S7如果num達(dá)到最大值，在隨機(jī)分布的個(gè)體空間中對(duì)個(gè)體編號(hào)為1至m/5的個(gè)體重新隨機(jī)選??；S8如果差分進(jìn)化代數(shù)未達(dá)到最大進(jìn)化代數(shù)，則重復(fù)執(zhí)行步驟S3至S7，否則將達(dá)到最大進(jìn)化代數(shù)的當(dāng)前代最優(yōu)位置對(duì)應(yīng)的攝像機(jī)參數(shù)作為攝像機(jī)標(biāo)定結(jié)果。本發(fā)明的方法可減少系統(tǒng)誤差、穩(wěn)定性好、抗干擾能力強(qiáng)。
文檔編號(hào)G06T7/00GK102376093SQ20111031062
公開日2012年3月14日 申請(qǐng)日期2011年10月13日 優(yōu)先權(quán)日2011年10月13日
發(fā)明者戴瓊海, 高 浩 申請(qǐng)人:清華大學(xué)