技術(shù)特征：

1.一種基于可變標定目標的主動視覺相機標定方法，其特征在于，包括：如下步驟：

步驟一：以液晶面板的左上角為原點建立世界坐標系，面板平面為z＝0平面，z軸向外，記錄顯示屏中各標定板特征點在世界坐標系中的坐標，用標定相機拍攝顯示在液晶面板上的標定板；

步驟二：控制器控制標定板的位置平移運動多次，重復(fù)記錄各特征點坐標，標定相機重復(fù)拍攝標定板；

步驟三：控制器控制旋轉(zhuǎn)裝置多次轉(zhuǎn)動，帶動固定在旋轉(zhuǎn)裝置上的液晶面板也轉(zhuǎn)動，測量轉(zhuǎn)動角，重復(fù)步驟一、步驟二，采集標定板各特征點世界坐標系中的坐標以及采集相機拍攝標定板得到的圖片；

步驟四：計算相機平移運動的極點坐標；同一相機在不同位置拍攝空間中同一點，得到的該點的不同像素坐標稱為對應(yīng)點，在相差一個常數(shù)因子的情況下，通過兩個對應(yīng)點解出基礎(chǔ)矩陣F，通過公式Fe＝C解得此平移運動的極點坐標；

步驟五：利用相機的平移運動信息和極點坐標建立方程，計算從世界坐標到相機坐標的相機內(nèi)外參數(shù)，內(nèi)外參數(shù)包括：平移向量t_p，內(nèi)參數(shù)矩陣K和旋轉(zhuǎn)矩陣R_p；

步驟六：將計算得到的內(nèi)外參數(shù)作為初值進行最速下降擬合優(yōu)化，得到最終結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，步驟三：控制器控制旋轉(zhuǎn)裝置多次轉(zhuǎn)動，帶動固定在旋轉(zhuǎn)裝置上的液晶面板也轉(zhuǎn)動，測量轉(zhuǎn)動角，重復(fù)步驟一、步驟二，采集標定板各特征點世界坐標系中的坐標以及采集相機拍攝標定板得到的圖片；旋轉(zhuǎn)裝置轉(zhuǎn)動次數(shù)大于或等于5次。

3.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，

步驟四：計算相機平移運動的極點坐標；同一相機在不同位置拍攝空間中同一點，得到的該點的不同像素坐標稱為對應(yīng)點，對應(yīng)點像素坐標分別為m₁和m₂，利用公式在相差一個常數(shù)因子的情況下，通過兩個對應(yīng)點解出基礎(chǔ)矩陣F，再通過公式Fe＝0解得此平移運動的極點坐標；

4.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，

步驟五：利用相機的平移運動信息和極點坐標建立方程，計算從世界坐標到相機坐標的相機內(nèi)外參數(shù)，內(nèi)外參數(shù)包括：平移向量t_p，內(nèi)參數(shù)矩陣K和旋轉(zhuǎn)矩陣R_p；

面板中兩點的世界坐標為P₁和P₂，其在相機坐標系中的坐標為：

若面板中的點由從P₂移動到P₁，則相當于相機沿向量進行了一次平移運動，此平移運動在相機坐標系中表示為：

由極點與運動向量之間的關(guān)系可以得到λ₁e₁＝KR_pT_o，

令A(yù)＝KR_p，A有九個未知量，如下所示：

$A=\left[\begin{array}{ccc}{a}_1& a_2& a_3\\ a_4& a_5& a_6\\ a_7& a_8& a_9\end{array}\right];$

假設(shè)平移運動向量T₀＝(t₁₁，t₁₂，t₁₃)，極點坐標為e₁＝(e₁₁，e₁₂，1)；

將A展開為一維的列向量a＝[a₁ a₂ … a₂ a_e]^T，整理得到

$\left[\begin{array}{ccccccccc}{t}_{11}& t_{12}& t_{13}& 0& 0& 0& -t_{11}{e}_{11}& t_{12}{e}_{11}& t_{13}{e}_{11}\\ 0& 0& 0& t_{11}& t_{12}& t_{13}& -t_{11}{e}_{12}& -t_{11}{e}_{12}& -t_{11}{e}_{12}\end{array}\right]a=0;$

在標定板完成兩次位置變換之后，需要將液晶面板轉(zhuǎn)動5至10度，使得接下來的運動與前兩次運動不在同一平面內(nèi)；在這一步驟中，需要人為測量液晶面板的轉(zhuǎn)動角度，以便將面板轉(zhuǎn)動后測量得到的標定板位置坐標統(tǒng)一到初始的世界坐標系中；本文提出的方法在標定時利用的是液晶面板中標定板的運動向量T_c，由于向量的平移不變性，液晶面板旋轉(zhuǎn)前后位置的平移變化并不影響標定精度，可簡單地設(shè)為(0，0，0)；

求解矩陣A后，假設(shè)矩陣A、內(nèi)參數(shù)矩陣K和旋轉(zhuǎn)矩陣R_p具有以下形式；

$A=\left[\begin{array}{c}{A}_1\\ A_2\\ A_3\end{array}\right]$

$K=\left[\begin{array}{ccc}{K}_{11}& K_{12}& K_{13}\\ 0& K_{22}& K_{23}\\ 0& 0& K_{33}\end{array}\right]$

$R_p=\left[\begin{array}{c}{R}_1\\ R_2\\ R_3\end{array}\right]$

按照下面公式分解矩陣A得到內(nèi)參數(shù)矩陣K和旋轉(zhuǎn)矩陣R_p；

$K_{33}=\sqrt{A_3{A}_3^T}$

$R_3=\frac{A_1}{K_{33}}$

$K_{23}=R_3{A}_3^T$

$K_{22}=\sqrt{(A_2-K_{23}{R}_3){(A_2-K_{23}{R}_3)}^T}$

$R_2=\frac{A_2-K_{23}{R}_3}{K_{22}}$

$K_{13}=R_3{A}_1^T$

$K_{12}=R_2{A}_1^T$

$K_{11}=\sqrt{(A_1-K_{13}{R}_3-K_{21}{R}_2){(A_1-K_{13}{R}_3-K_{21}{R}_2)}^T}$

$R_1=\frac{(A_1-K_{13}{R}_3-K_{21}{R}_2)}{K_{11}}$

$K=\frac{1}{K_{33}}K;$

每一點在液晶面板中的坐標，即空間坐標為M，定義相機實際拍攝標定板中特征點的圖像坐標為m；解得相機的內(nèi)矩陣和旋轉(zhuǎn)矩陣后，可得

$\mathrm{\λ}\left[\begin{array}{c}{m}_1\\ m_2\\ 1\end{array}\right]=\left[\begin{array}{ccc}\mathrm{\α}& \mathrm{\γ}& u_0\\ 0& \mathrm{\β}& v_0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{b}_1+t_{p1}\\ b_2+t_{p2}\\ b_3+t_{p3}\end{array}\right];$

其中

$\left[\begin{array}{c}{b}_1+t_1\\ b_2+t_2\\ b_3+t_3\end{array}\right]=RM+t_p$

整理上面各式得到

αt_p1+γt_p2+(u₀-m₁)t_p3＝b₂m₁-αb₁-γb₂-u₀b₃

βt_p2+(v₀-m₂)t_p3＝b₃m₂-βb₂-v₀b₃；

公式中共有三個未知數(shù)，每一個空間中點可以建立兩個方程，因此至少需要兩個空間點來計算平移向量t；

假設(shè)液晶面板中標定板共有i個特征點，利用標定得到的參數(shù)K，R_p，t_p，由M_i根據(jù)公式λm＝K(RM+t)計算得到的圖像坐標為定義下面這個目標函數(shù)計算兩坐標值之間的差異為：

5.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，

步驟六：將計算得到的內(nèi)外參數(shù)作為初值進行最速下降擬合優(yōu)化，得到最終結(jié)果。最速下降擬合優(yōu)化的定義為，也稱為梯度下降法，要使用梯度下降法找到一個函數(shù)的局部極小值，必須向函數(shù)上當前點對應(yīng)梯度或者是近似梯度的反方向的規(guī)定步長距離點進行迭代搜索；具體步驟如下：a)求目標函數(shù)梯度；b)向梯度相反的方向移動x；c)循環(huán)迭代步驟b，直到目標函數(shù)自變量的值變化到使得目標函數(shù)取值在兩次迭代之間的差值足夠??；d)此時，輸出自變量，這個自變量就是使得目標函數(shù)取值最小時的自變量的取值。

6.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，上述旋轉(zhuǎn)裝置組成有：連接于液晶面板的轉(zhuǎn)動軸，連接于上述轉(zhuǎn)動軸并讀取轉(zhuǎn)動軸轉(zhuǎn)動角度的讀取器。

7.根據(jù)權(quán)利要求1所述的一種基于可變標定目標的主動視覺相機標定方法，其特征在于，上述控制器為intel Pentium 4中央處理器。