摄像机标定是计算机视觉领域中从二维图像获取三维空间信息必不可少的步骤,被广泛用于三维重建、导航、视觉监控等领域,因此其相关理论研究目前已成为计算机视觉领域的研究热点之一。摄像机自标定技术通过图像本身的特征求解摄像机内参数,传统的摄像机标定技术是离线的,它是先离线进行摄像机标定,然后在线进行目标三维重建,因此,在三维重建的过程中,摄像机内参数必须不变,这大大限制了其应用范围,尤其是不能应用于注意力集中、主动视觉等视觉新技术。在这些新技术中,摄像机内参数是按需变化,因此必须开发摄像机自标定技术。目前,少有成功的多视图摄像机自标定技术,而且,已有的技术也限于特定摄像机运动模式下的线性自标定及三维重建,它们不便于进行动目标视觉监控,因此研究和开发无运动模式约束适合于任何运动模式的多视图摄像机自标定及多视图无标定三维重建无标定三维重建技术具有相当大的理论价值和实用价值。该技术不但可以利用整体信息,而且约束条件较少,因此能显著地扩大应用范围,推动视觉新技术的出现和发展。 本文充分利用摄像机获取的动目标视频图像中的多帧数据信息,使用合理的最优化准则,进行在线摄像机自标定及三维重建研究。主要内容包括:线性多视图摄像机自标定及多视图无标定三维重建算法研究及其性能分析;非线性多视图摄像机自标定及多视图无标定三维重建算法研究及其性能分析;线性多视图摄像机自标定及多视图无标定三维重建算法的性能与非线性多视图摄像机自标定及多视图无标定三维重建算法的性能比较分析。 本文中假设摄像机模型为经典的针孔模型,即摄像机内参数矩阵为五参数模型。线性多视图摄像机自标定及多视图无标定三维重建算法是利用每两帧图像之间的匹配点对计算其极点与基础矩阵,在此基础上最优估计内参数阵,并进而进行三维重建。非线性多视图摄像机自标定及多视图无标定三维重建算法利用中心化多帧形状矩阵的秩3约束,求解摄像机内参数并进行三维重建。通过比较,可以看出非线性算法结果较线性算法结果有明显改善,抗噪能力强,而且由计算本身产生的误差也较小,但非线性算法相对较复杂。同时,本论文也对这两种算法进行了真实图像实验,结果证明非线性算法性能的确较好。 本文对多视图摄像机自标定及多视图无标定三维重建的2种算法进行了研究和实验并进行了多方面的比较,非线性算法和线性算法的实验结果都比较理想,因此本文具有理论意义和实用价值。但是,本文中假设每帧图像中各个特征点都没有跑出视场,这就限制了本文的实用范围,对于特征点跑出视场的问题值