專利名稱：利用sift特征點校準一般攝像情況下攝像機參數(shù)的制作方法
技術領域：
本發(fā)明涉及計算機視覺、虛擬現(xiàn)實和物體三維場景分析與重建等領域。公開了利用sift特征點校準一般攝像情況下攝像機參數(shù)方法，具體地說解決了一般攝像情況下，因無法獲取足夠的已知點來求解相片圖像的相片系數(shù)，從而無法求解出攝像機的參數(shù)，無法求解物體的實際坐標而影響后續(xù)的三維重建。
背景技術：
攝像機參數(shù)的標定是虛擬現(xiàn)實、計算機視覺和三維重建技術研究中的一項基本的工作，是建立物體表面點的三維位置和圖像中對應點二維位置之間的關系。攝像機參數(shù)的標定過程是指確定攝像機的內(nèi)部參數(shù)(內(nèi)方位元素)和外部參數(shù)(外方位元素)。在場景分析和場景重建，以及軍事防御戰(zhàn)略的部署、產(chǎn)品設計的等方面都有廣泛的應用。在人工智能和計算機技術高速發(fā)展的時代，希望通過一些照片或圖片，通過建立攝像機參數(shù)，提取兩幅圖像里面相同的景物三維的有效信息，實現(xiàn)三維重建。攝像機參數(shù)標定的方法一般有兩步法、線性法和非線性法等幾種。兩步法僅考慮鏡頭的徑向畸變，操作復雜。線性法沒有考慮非線性補償，存在較大的畸變誤差。非線性法考慮各種非線性物鏡畸變差，適合一般攝像情況，本發(fā)明主要采用非線性校準方法。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種利用sift關鍵特征點作為已知點進行攝像機參數(shù)標定，適合那些無法獲取或得到足夠已知點的圖像三維重建。按照本發(fā)明提供的技術方案，利用sift特征點校準一般攝像情況下攝像機參數(shù)方法包含以下步驟1、對用來校準攝像機參數(shù)的圖像進行預濾波，消除噪聲。利用中值濾波對圖像進行預處理，平滑噪聲。2、利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)生成一定數(shù)目匹配的特征點。實現(xiàn)步驟為(I)根據(jù)區(qū)域灰度特性將圖像分成5X5個小區(qū)域。(2)檢測區(qū)域之間的匹配關系，(3)在有匹配關系的區(qū)域里利用sift算法檢測配對的特征點。每個區(qū)域只需要檢測2-3點。3、校準攝像機參數(shù)的實現(xiàn)過程為(I)根據(jù)一般攝像情況下的成像原理，以及引入需改正的非線性物鏡畸變系數(shù)，利用豪斯荷爾德變換法求解相片圖像的系數(shù)。(2)根據(jù)相片圖像的系數(shù)，求解攝像機內(nèi)方位元素像主點和焦距。(3)根據(jù)相片圖像的系數(shù)，求解攝像機外方位元素。本發(fā)明與已有技術相比，實現(xiàn)過程簡單，無需預先知道相片的已知點，同時采用基于區(qū)域的sift算法，匹配速度快。由于無需預先知道已知點，為文物的復原展示、軍事防御的遠程圖像的重建以及產(chǎn)品的仿真提供一種有效的方法。


圖1算法執(zhí)行流程2 —般攝像的成像模型3像空間坐標系與物空間坐標系之間的關系圖
具體實施例方式下面本發(fā)明將結(jié)合附圖對本發(fā)明的實施方式做進一步的介紹。1、圖像預處理，對需要匹配的圖像進行預濾波，消除噪聲。如果圖像質(zhì)量良好的話，可以選擇不做。為了保持圖像的灰度特性，利用自適應中值濾波對圖像進行預處理，自適應中值濾波是對中值濾波的改進，在計算濾波模板中心點的灰度時，不是簡單取中值，而是根據(jù)周圍像素點的特性，先把濾波模板上的像素點灰度特性進行加權，然后在取中值，也是一種非線性濾波，既消除噪聲又保持細節(jié)，濾波模板取3X3，為了降低計算量，每次求中值僅僅考慮去掉最左側(cè)的像素，補上最右側(cè)的像素，其余像素不變。2、基于區(qū)域sift算法實施步驟

(I)利用sift算法檢測校準照片的sift關鍵點。(2)利用圖像直方圖統(tǒng)計圖像的灰度特性，根據(jù)灰度特性，把需要檢測的圖像分成5X5個小區(qū)域。把已經(jīng)檢測到的sift特征點按照坐標位置分配到這些區(qū)域中。(3)圖像直方圖反映了圖像中不同灰度值的面積或像素在整個圖像中出現(xiàn)的頻率，當圖像同一區(qū)域的成像條件發(fā)生變化時，所對應的直方圖在形態(tài)上卻變化不大，所以利用直方圖性質(zhì)檢測區(qū)域之間的配對關系，并標注匹配關系。(4)取圖像I中某一區(qū)域的一個sift特征點，在圖像2中匹配關系的區(qū)域中搜索匹配的sift特征點，由于校準攝像機參數(shù)需要的已知點數(shù)目要求不多，所以本發(fā)明在每個匹配區(qū)域中值檢測3個對應匹配關系的sift點。3、攝像機參數(shù)的求解步驟(I)物體在一般攝像情況下的成像幾何模型如圖2所示。攝像機的光軸不相互平行，攝像機繞在X軸、Y軸、Z軸都有轉(zhuǎn)角。O-XYZ為物空間坐標系，SL-xL yL zl, Sr-xryrzr分別為左像空間坐標系和右像空間坐標系，Ol-XlYl> Or-XrYr分別為左像平面坐標系和右像平面坐標系，Sl-XalYalZal,Sr-XArYArZAr分別為左像空間輔助坐標系和右像空間輔助坐標系。SpSr分別為左攝像點和右攝像點，B為攝像基線。九，Pr分別為左像平面和右像平面，物體表面上的任意一點M在左像平面上的構(gòu)像為hil，右像平面上的構(gòu)像為πν。fp fr分別為左、右相片的攝像焦距。(2)根據(jù)成像原理，求解物空間坐標、攝像中心點坐標和攝像機參數(shù)之間關系
權利要求
1.利用sift特征點校準一般攝像情況下的攝像機參數(shù)方法，其特征是采用以下步驟 (1)對用來校準攝像機參數(shù)的圖像進行預濾波，消除噪聲。利用中值濾波對圖像進行預處理，平滑噪聲。
(2)利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)生成一定數(shù)目匹配的特征點。
(3)利用已匹配的特征點作為已知點求解攝像機的內(nèi)外方位元素和焦距。
2.根據(jù)權利要求1所述的利用sift特征點校準一般攝像情況下的攝像機參數(shù)方法，其特征在于待匹配的兩幅圖像的分辨率是一樣的。
3.根據(jù)權利要求1所述的利用sift特征點校準一般攝像情況下的攝像機參數(shù)方法，其特征在于利用基于區(qū)域的sift算法(尺度不變特征轉(zhuǎn)換算法)的實現(xiàn)步驟為 (1)根據(jù)區(qū)域灰度特性將圖像分成5X5個小區(qū)域。
(2)檢測區(qū)域之間的匹配關系。
(3)在有匹配關系的區(qū)域里利用sift算法檢測配對的特征點。每個區(qū)域只需要檢測2-3 點。
4.根據(jù)權利要求1所述的利用sift特征點校準一般攝像情況下的攝像機參數(shù)方法，其特征在于校準攝像機參數(shù)的實現(xiàn)過程為 (1)根據(jù)一般攝像情況下的成像原理，以及引入需改正的非線性物鏡畸變系數(shù)，利用豪斯荷爾德變換法求解相片圖像的系數(shù)。
(2)根據(jù)相片圖像的系數(shù)，求解攝像機內(nèi)方位元素像主點和焦距。
(3)根據(jù)相片圖像的系數(shù)，求解攝像機外方位元素。
全文摘要
在一般攝像情況，攝象機的光軸不相互平行，攝象機繞X軸、Y軸、Z軸都有轉(zhuǎn)角，攝像機校準的方法一般采用像水平校準和已知空間點校準等方法，但是很多物體表面的像水平線很難找到，或是找到的像水平線也是近似的，這樣校準的攝像機參數(shù)誤差比較大，給后續(xù)的重建帶來了很大的累積誤差。利用已知空間點校準方法的前提是必須已知足夠點數(shù)的物體表面空間坐標，但是在很多場合下，無法預先得到足夠多的已知空間點，利用sift特征點校準一般攝像情況下的攝像機參數(shù)方法無需預先知道已知空間點，而是對得到的物體表面的照片或圖片，利用sift算法求出物體表面的特征關鍵點，然后利用這些特征關鍵點作為已知點進行攝像機參數(shù)校準。
文檔編號G06T7/00GK103034994SQ201210475129
公開日2013年4月10日 申請日期2012年11月20日 優(yōu)先權日2012年11月20日
發(fā)明者陳麗芳, 劉淵, 劉一鳴, 王君竹, 杜欣宇 申請人:江南大學