基于圖像序列的攝像機自標定系統(tǒng)研究.pdf

1、攝像機標定是計算機視覺領(lǐng)域里從二維圖像獲取三維空間信息必不可少的步驟，被廣泛應(yīng)用于導(dǎo)航、視覺監(jiān)控、三維重建等領(lǐng)域。自標定方法僅利用攝像機內(nèi)參數(shù)自身存在約束信息，與場景和攝像機運動無關(guān)，較傳統(tǒng)標定方法和基于主動視覺的標定方法更具靈活性，成為計算機視覺的研究熱點。
　　本文對利用圖像序列進行攝像機自標定的各個環(huán)節(jié)進行了系統(tǒng)的研究，主要工作和創(chuàng)新點如下：
　　1）傳統(tǒng)的Harris角點檢測算法檢測率和可重復(fù)率高，但無法滿足實時性要

2、求，而Trajkovic等提出的角點檢測器雖然計算量小,但是易對邊緣產(chǎn)生偽響應(yīng)，針對這些問題，本文提出一種新的基于Harris-MIC的快速角點檢測算法。該算法使用多格算法，并使用四個基礎(chǔ)方向上最小強度變化作為預(yù)處理結(jié)果，然后再使用自相關(guān)矩陣得到角點的響應(yīng)函數(shù)。實驗驗證，新算法改進了Harris算法和MIC算法，能夠有效地抑制邊緣響應(yīng)及紋理角點，并且能夠滿足實時性要求。
　　2）一般而言圖像序列尺度變化較小，針對此特點，本文利用基

3、于梯度分布的局部特征描述子對利用Harris-MIC算法獲得的角點進行描述，然后匹配特征向量。相比SIFT（尺度不變特征變換）局部描述子，本文算法時間復(fù)雜度減小，并且對于圖像序列可以獲得類似的效果。仿真實驗證實了算法的可行性和優(yōu)勢。
　　3）相比非線性估計方法和魯棒性估計方法，基礎(chǔ)矩陣的線性估計方法較為簡單，尤其是規(guī)范化的8點算法較傳統(tǒng)8點算法在穩(wěn)定性和精度方面有了顯著的改進，之后陳澤志等又根據(jù)殘差對各匹配點賦予權(quán)值，然而各種線性

4、估計算法均不能處理錯誤匹配點，針對此情況，本文提出一種新的加權(quán)規(guī)范化8點算法，新算法在計算各匹配點殘差之后，對殘差進行排序，并且根據(jù)事先確定的閾值去除部分殘差較大的匹配點，利用剩余的點重新估計基礎(chǔ)矩陣。實驗驗證了新算法在不失穩(wěn)定性的同時能夠提高基礎(chǔ)矩陣估計的精度。
　　4）基于本質(zhì)矩陣的攝像機自標定技術(shù)不使用隨圖像變化而變化的極點，并且智能優(yōu)化算法日益增多和完善，鑒于此本文提出將智能群體優(yōu)化算法中的改進的粒子群優(yōu)化算法和細菌群體趨