本文的研究内容为基于特征点的摄像机自标定方法的研究,主要包括特征点检测、序列图像中的特征点匹配以及摄像机自标定等三个方面。随着光电子技术和数字序列图像处理及分析技术的深入发展,由运动恢复形状的研究越来越受到研究人员的重视。此外,许多导航或控制任务,如目标跟踪、障碍避免以及地图创建等都需要摄像机(或目标)的运动参数和场景的欧氏结构信息,而所有这些信息的获取都需要首先确定摄像机的内部参数。因此,这些应用使得摄像机的自标定成为计算机视觉研究的一个热点。本文在前人工作的基础上,设计并实现了一个基于特征点的摄像机自标定系统原型,并期望在此基础上增强对算法的理解以及对摄像机自标定问题的求解提出改进。总结本文的主要研究工作和内容如下: 在特征点检测方面,分类总结了现有的二维图像特征(兴趣点)检测方法,分析了不同方法各自的优缺点,并着重分析和评价了几种典型的兴趣点检测方法的性能。针对当前兴趣点检测中没有统一的响应阈值这一问题,提出了一种基于相位一致性的兴趣点检测方法。实验表明,该方法能实现各种类型兴趣点的准确检测和精确定位。 在特征点匹配方面,总结了序列图像中的特征点匹配的研究现状,分析了特征点匹配中存在的主要困难。论述和分类总结了基本矩阵估计的基本原理和估计方法。利用外极线几何约束和唯一性约束,实现了一种同时实现序列图像中的特征点匹配和基本矩阵估计的鲁棒性方法,并取得了较好的实验结果。 在摄像机自标定方面,分别介绍了在摄像机内部参数固定、内部参数可变以及某些特殊运动序列的情况下如何实现摄像机自标定的方法,并通过实验对几种典型的摄像机标定方法进行了分析。在此基础上,设计和实现了一个摄像机自标定系统的系统原型。