机器视觉应用中的摄像机校准方法探究

在机器视觉应用中,摄像机校准是主要问题之一。通常情况下,校准使算法结果与客观情况一致。人们很难把算法软件与它的应用直接联系起来。

校准过程包括找到摄像机的外在参数与内在参数;前者指摄像机的位置和方向,后者指摄像机的内参数,即焦距、光心等。

在一些参考文献中,针对单眼系统^{[537,559,593]},立体系统^[599,306]等,提出了摄像机的许多校准算法,但这些算法中的许多与一些特定假设相关,它们使校准步骤变得容易;在汽车环境中,这些假设通常并没有得到验证,例如,短距离的感知,静止场景或静止摄像机。

在立体系统或在通常有多个传感器的系统中,校准特别重要;事实上,当校准误差影响单眼系统时,错误的结果被映射到真实坐标中;因此,校准处理最后一步的作用减弱。另一方面,当校准误差影响有多个传感器的系统（例如立体系统）时,由于各传感器之间错误信息的匹配使校准作用大大减弱,因此校准处理整体的正确性被折中。(www.xing528.com)

在汽车系统中,执行校准最常用的方式是采用一个大的校准网格,如图18.6所示。通过校准工具,可以在图像中准确找到所有已知的三维点,从而把这些点联系起来;然后提取出校准参数。图18.7所示为这些工具中的一种：左侧显示的为获取的图像,右侧为其相应的实际坐标值。

图18.6 左侧为在VisLab（http：//www.vislab.it）中汽车校准网格的实例。每个网格点由两个地钉显示：一个是黄色塑料体,用于可见光摄像机,另一个是金属材料的光反射体,在晚上用于校准FIR摄像机和可视化摄像机。右侧是用于室内校准的类棋盘体