双目立体视觉摄像机标定方法研究#
 

摘要：摄像机标定是双目立体视觉系统应用的关键技术。在分析OpenCV 摄像机模型和现有双目视觉系统标定方法基础上，设计了双目摄像机标定算法，最终获得双目视觉系统摄像机内外部参数。鉴于角点提取在摄像机标定中的重要性，提出了渐变阈值角点提取算法，有效的进行了角点提取。实验表明，文中标定方法简单易行，标定结果稳定准确，能够满足双目立体视觉系统应用的要求。
 

关键词：双目视觉；摄像机标定；摄像机模型；角点提取；渐变阈值

0 引言
摄像机标定是计算机视觉系统必不可少的基础部分[1]，在许多领域得到了广泛的应用,例如移动机器人导航与路径识别、机械部件加工测量、复杂的诊断与治疗手术、车辆的识别定位、机械零件的测量等。立体视觉系统是从摄像机获取的图像信息出发，获得三维空间中物体的位置、形状、速度等信息。为了准确的得到物体表面某点与其在图像上对应像素点之间的对应关系，精确的摄像机的标定显得尤为重要。

目前摄像机标定方法大致可以分为传统摄像机标定和摄像机自标定两种方法。传统标定方法是通过建立参照物上三维坐标已知点与其图像点之间的对应关系计算得到摄像机内外部参数，标定精度较高，但标定过程比较复杂；自标定方法是利用从图像中得到的约束关系来得到摄像机内外部参数,自动化程度高, 但自标定法精度没有传统标定的高[2]。张正友平面标定方法是介于传统标定法和自标定方法之间的一种方法,它拍摄不同位置的平面模板进行标定，比传统方法操作简单易行,又较自标定方法精度高；OpenCV 主要采用张正友的标定算法，但在畸变系数的计算上采用了Brown 的方法。由于其提供的摄像机校正方法比较灵活又可以得到较好的标定精度所以被广泛地采用。尽管目前关于摄像机标定的理论已经非常成熟,标定方法也很多,但至今为止仍未有一种能够在各种场合普遍适用的标定方法[3]，因此研究双目视觉摄像机标定具有重要意义。

本文研究OpenCV 标定算法的基础上，利用平面棋盘标定模板进行双目视觉系统标定，对标定中角点提取方法进行改进，提出了渐变阈值角点提取的新算法，能够适应光照条件进行准确的角点提取，并在美国SRI International公司生产的双目视觉系统上进行了实验验证。

5 结论
通过研究双目立体视觉摄像机模型，利用OpenCV 开发了双目视觉系统标定程序，程序运行效率高并且跨平台移植性好。文中提出了渐变阈值角点提取方法，平面标定模板角点提取效果良好，并对实际应用的双目视觉系统进行了参数标定实验，标定结果表明本文的方法适用于大基线和小基线视觉系统，标定结果稳定准确。

[参考文献] (References)
[1] 邱茂林,马颂德,李毅.计算机视觉中摄像机定标综述[J].自动化学报,2000,26(1):43-55.
[2] David A. Forsyth, Jean Ponce.计算机视觉:一种现代方法[M].北京:电子工业出版社,2004.
[3] 刘振中,傅莉.摄像机标定研究[J].沈阳航空工业学院学报,2010,27(1):43-47.
[4] Gary Bradski,Adrian Kaehler.学习OpenCV（中文版）[M]. 于仕琪,刘瑞祯. 2010,北京:清华大学出版社.
[5] Zhang Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and
Machine Intelligence, 2000, 22 (11):1330-1334.
[6] 徐刚锋,李飚,沈振康.基于双目视觉模型的运动参数测量[J].红外与激光工程,2003,32(2):199-202.
[7] 尹文生,罗瑜林,李世其.计算机工程与设计[J]. 2007,28(1):197-199.