計算機視覺中相機標定及點云配準技術研究.pdf

1、相機定標和三維點云配準是計算機視覺領域的兩個關鍵問題。其中，前者架起了二維圖像與三維世界轉變的橋梁，后者構建了不同三維世界之間的聯(lián)系。這兩個問題的研究已有了較長的發(fā)展歷史。然而近年來，隨著計算機視覺的相關應用及硬件設備逐漸走近人們的日常生活，傳統(tǒng)的相機定標和三維點云配準方法不再適合人們的實際使用需求。本文從實際應用角度出發(fā)對這兩個問題進行了研究，本文主要內容及貢獻為：
　　在相機定標問題上，傳統(tǒng)定標算法使用的定標物一般需要專門制作

2、，尤其在高精度應用場合下還需購買商業(yè)定標物，不僅昂貴，使用也很不方便。本文以日常生活隨處可見的任意工業(yè)產品作為定標物，如杯子，工業(yè)零件等，提出了兩種新的標定算法。
　　1.提出了基于相同物體間剛性變換的相機標定方法。本算法分析了剛性變換的不變量，提出了其不變量在歐氏空間的幾何解釋：剛性變換的一對特征向量是三維歐式空間中的一對圓環(huán)點，它們是一對共軛復數(shù)向量，該對圓環(huán)點在圖像平面的投影即形成算法需要的圓環(huán)點投影值。利用這個性質，本算法

3、以相同工業(yè)產品為定標物，由其間剛性變換求解出相機內外參數(shù)的線性解，完成相機的標定。工業(yè)產品的精度保證了定標物的精度，實驗結果證明本算法具有很好的準確度和魯棒性。
　　2.提出了基于相同物體對應線段長度的相機標定算法。本算法在視覺幾何的基礎上，分析了相機內外參數(shù)之間關系，將相機外參數(shù)轉化為內參數(shù)的表示。之后本算法利用相同物體間的微分幾何不變量——線段長度的約束對相機內參數(shù)進行非線性求解。本算法使用的定標物為任意兩個相同工業(yè)產品，此外

4、本算法只需對定標物拍攝兩幅圖像，使用方便。
　　在點云配準問題上，傳統(tǒng)精細點云配準算法只能得到局部最優(yōu)值。因此在對任意兩個點云配準時，為獲得最佳配準結果，它們通常必須先由其他粗配準算法提供一個合適的初始配準結果。另一方面，隨著三維點云獲取方式的不斷進步，獲得的點云精度與密度不斷地提高，每個點云中包含點的數(shù)量級也快速地增長。傳統(tǒng)點云配準算法在處理這些大數(shù)據(jù)量的點云時，其性能和效率都普遍無法滿足實際應用的需求。為了解決上述問題，本文針

5、對不同的點云數(shù)據(jù)情況，提出了幾種不同的點云配準算法。
　　1.提出了基于對應球的精細點云配準算法。本算法利用三維對應球模型在點云中尋找近似對應點。當?shù)谝粚蚣椿鶎蛘业胶?，算法采用分層擴散策略擴散出更多的三維對應球，擴散對應球很好地分布于點云重疊區(qū)域內。通過找到的所有對應球，點云間大量近似對應點被獲得。算法使用隨機采樣一致性(RANdom SAmple Consensus, RANSAC)算法和最小二乘算法計算所有近似對應點

6、間的最佳剛體變換矩陣，完成點云的精細配準。本算法可以對位于任意初始位置的點云直接進行精細配準。
　　2.提出了基于平面結構提取的點云配準算法。對于大場景的城市三維點云數(shù)據(jù)，平面是其中的主要幾何元素，點云的配準可以由平面結構的匹配得到。為了準確提取出點云中的平面，本算法首先提出一種同時結合數(shù)據(jù)點相關性和模型假設相關性的聯(lián)合聚類算法。之后本算法對平面結構采用隨機采樣策略匹配，并通過最佳匹配平面獲得點云配準結果。本算法僅對原點云采樣后的

7、稀疏點云計算，降低了處理過程中的數(shù)據(jù)量與復雜度，十分適合于大規(guī)模的城市點云配準。
　　3.提出了基于圖像信息的快速點云配準算法?，F(xiàn)有三維激光掃描設備通常配有一個同軸相機，它拍攝的掃描場景圖像可為點云配準提供輔助信息。本算法利用視覺幾何知識，首先通過同軸相機在不同掃描站點拍攝的場景圖片直接計算出掃描點云間的旋轉變換；再使用本文提出的改進迭代最近點(Iterative Closest Point,ICP)算法對平移變換進行迭代，完成點