摘 要

摄像机标定技术是计算机视觉、视觉检测、摄影检测等等各大领域中的核心研究方向，当前此种技术已被普遍使用于机器人物体识别、工业检测、机器人视觉中，具有重要的理论及应用研究价值。本文针对相对比较传统标定方法与自标定方法,甚至是基于主动视觉的标定方法后的结果,设计了一种基于卡尔曼滤波器的多摄像头三维场景标定方法。

论文在开始部分主要分析了摄像头标定的各种标定方法，通过迭代优化算法得出摄像头参数从而建立起世界坐标系。建立摄像机成像模型以及求解摄像机的内外参数是标定摄像机中不可分开的两个问题,由于摄像机的成像模型若存在差异,则导致参数集合也会不一样,而存在差异的参数集合又将需要调取不同的算法来求解。本文由存在于摄像机成像模型、传统摄像机标定方法中的Tsai两步法以及张正友的平面标定的原理进而研究出他们所存在的问题。在此基础上，我们大胆的进行猜测并提出新的摄像机标定方法。即基于卡尔曼滤波器的摄像机标定方法,这种新的标定方法既保留了传统标定方法的精度高的优势，也保证了很好的鲁棒性并且使得更加具有实时性。

研究结果表明：所提出的基于卡尔曼滤波器的多摄像头三维场景标定的这种新的标定方法有较高的鲁棒性，适用于多参数复杂场景标定，具有广泛的应用前景及价值。

关键词：摄像机标定；卡尔曼滤波；迭代优化；三维坐标

Abstract

The camera calibration technology is the core research direction in computer vision, visual inspection, photographic detection and so on. At present, this technology has been widely used in robot object recognition, industrial detection, robot vision, and has important theoretical and applied research value. In this paper, a multi-camera 3D scene calibration method based on Kalman filter is designed based on the comparison between traditional calibration method and self-calibration method, and even based on active vision calibration method.

Firstly, the calibration methods of the camera calibration are analyzed, and the camera parameters are obtained by the iterative optimization algorithm to establish the world coordinate system. The establishment of the camera imaging model and the resolution of the camera parameters are closely related to the two problems in the camera calibration, because different camera imaging models correspond to different sets of parameters, and different sets of parameters correspond to different solutions. In this paper, based on the camera imaging model and the traditional camera calibration Tsai two-step method and Zhang Zhengyou plane calibration method, the principle of these two methods to get their problems, and then by these issues proposed a new camera calibration Method, which is based on the Kalman filter camera calibration method, this new calibration method retains the traditional calibration method of high precision while ensuring good robustness and real-time.

The results show that the proposed new calibration method based on Kalman filter for multi - camera 3D scene calibration has high robustness and is suitable for multi - parameter complex scene calibration, and has wide application foreground and value.

Key Words：Camera calibration；Extended Kalman Filter；Iterative optimization；Three - dimensional coordinates

目 录

第1章 绪论 1

1.1 课题来源及研究的目的和意义

1.2 摄像机标定技术国内外研究现状

1.2.1传统标定方法 2

1.2.2自标定方法 3

1.2.3基于主动视觉的标定方法 4

1.3 本文研究内容及安排

第2章 摄像机成像模型及标定分析 6

2.1摄像机成像模型

2.1.1 线性摄像机模型 7

2.1.2非线性摄像机模型 8

2.2 摄像头内参数标定

2.3 本章小结

第三章 三维场景及摄像头外参数初始标定 14

3.1 测试场景及数据获取

3.2 基于测距矩阵的三维场景初始标定

3.2.1 初始坐标系建立及标志点坐标估计 15

3.2.2 由初始坐标系到实际坐标系的转换 16

3.3 摄像头外参数的初始标定

3.4 本章小结

第4章 基于IEKF的三维场景与摄像头外参数精确标定 20

4.1 经典卡尔曼滤波器原理

4.2 迭代扩展卡尔曼滤波器设计

4.3基于多种约束的摄像头外参数及场景标定

4.4 本章小结

第五章 总结与展望 26

参考文献 27

致谢 29

第1章 绪论

1.1 课题来源及研究的目的和意义

通过摄像机从而获取到对于三维对象计算出的基于图像信息而得到的几何信息，被称之为计算机视觉功能的其中某一项根本要求。针对于对象的重建以及识别，更甚至于对于处于三维几何空间中的物体表面空间点间存在的相关联皆由摄像机中所成像的几何模型来确定，其中摄像机所提供的参数即为最后得出的几何模型所需要的参数。在大多数情况下，所需的参数需要进行准确的实验继而计算精确才能够得到，这一过程即为摄像机标定^[1]。

想要得到模型的参数，即需建立已知条件下的图像中点对应的模型，计算出几何的参数以及光学的参数。这个过程被称之为校准。一旦建立起如此对应关系，引入目标点的三维坐标将由二维图像中的点坐标来实现。也就是说，如果我们已知了三维信息，将由此可通过一定手段来推算出二维信息。现如今，计算机视觉被普遍适用于各大领域，摄像机标定几何模型的技术早已成为视觉系统中必不可少的先决和根源，计算机视觉也称之为机器视觉的精准性同时也受摄像机标定中的校准精度的影响^[2]。

在计算机视觉领域，摄像机标定具有重要的理论及应用研究价值，获得国内以及国外的专家学者的普遍重视，为广泛的应用计算机视觉提供了稳固的基础。摄像机标定技术计算机视觉、视觉检测、摄影检测等等各大领域中的紧要研究课题。现如今，此种技术已被普遍使用于机器人物体识别、工业检测、机器人视觉中。对于实现更加精确的标定以及削减时间属于标定研究中的关键问题。近二十年来，学术界该领域的学者们经由不一样的起始点，且根据所得出的结论引出了一系列思绪，使得在不同条件的情况下也具有相对应的使用价值^[3][4][5]。