论文部分内容阅读
基于计算机视觉的图像测量技术作为一种先进的测量技术,具有效率高、成本低、精度高等诸多方面的优点,有着非常广泛的应用前景。立体视觉是计算机视觉中的一个重要的分支,由于图像测量具有一定的三维测量精度和测量的实时性,且花费代价较其他方法要小,所以,立体视觉在测量方面应用广泛。除了对实际物体的测量之外,在其他领域的应用也取得快速发展。本文作为一种三维测量技术,是一种以车身为基准的测量技术,依据摄像机标定全过程,对如何提高标定精度这一关键问题进行了重点的研究。目前国内已经存在的测量方式为双目摄像机对一个标定靶,本文将标定靶进行刚性拉伸,将一个标定物变为由刚体连接的两个标定靶,由双目对单靶变为两个单目标定场景,适用于标定物之间有遮挡情况下的标定。本文对张正友标定方法进行改进,将方格换成圆,提取圆心坐标标定,对采集图像应用差影法,有效滤除背景干扰。本文根据四轮定位参数的数学模型,采用双摄像机结合四个标定盘,每个车轮轮胎上各有一个标定盘,通过摄像机采集随车轮运动的圆形目标盘的序列图像,通过车轮运动从多角度拍摄多幅圆形序列图像,对其进行特征点检测,而后通过计算特征点图像坐标与世界坐标的关系进行摄像机标定,以标定结果作为初值进行非线性优化算法的改进,采用改进粒子群优化算法对摄像机参数进行优化,考虑了种群大小等因素,选取合适惯性权重和学习因子参数,达到较好的收敛效果,并且与其他优化算法进行了比较。本文研究单摄像机对多个标定靶如何同时进行标定,标定过程中同时标定前靶和后靶,对标定过程如何对焦进行深入研究,提出对图像分区处理的思想,通过建立粗调评价函数和细调评价函数找到最佳象距位置,在最佳象距下能同时使标定前靶与后靶成像清晰,得到的标定参数既考虑前靶又考虑后靶。经验证,通过采用非线性优化算法对标定结果进行优化,得到了较高精度的标定参数,适用于标定物体之间有遮挡物场景下的现场标定。通过找到最佳象距位置解决了单目对多靶标定,在一定程度上保证了测量精度,具有良好应用价值。