本發(fā)明涉及相機標定領(lǐng)域，尤其是涉及一種基于三線結(jié)構(gòu)光的相機平面標定方法。

背景技術(shù)：

相機標定技術(shù)是線結(jié)構(gòu)光三維測量的關(guān)鍵技術(shù)之一。在圖像測量過程以及機器視覺應(yīng)用中，為確定空間物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系，必須建立相機成像的幾何模型，這些幾何模型參數(shù)就是相機參數(shù)。在大多數(shù)條件下這些參數(shù)必須通過實驗與計算才能得到，這個求解參數(shù)的過程就稱之為相機標定(或攝像機標定)。無論是在圖像測量或者機器視覺應(yīng)用中，相機參數(shù)的標定都是非常關(guān)鍵的環(huán)節(jié)，其標定結(jié)果的精度及算法的穩(wěn)定性直接影響相機工作產(chǎn)生結(jié)果的準確性。因此，做好相機標定是做好后續(xù)工作的前提，提高標定精度是科研工作的重點所在。傳統(tǒng)上相機的標定方法，無法得到精確的相機畸變模型，標定精度低，難以完全消除相機的畸變誤差。因此，需要一種針對相機畸變問題的相機標定方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對上述問題提供一種基于三線結(jié)構(gòu)光的相機平面標定方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于三線結(jié)構(gòu)光的相機平面標定方法，所述方法包括下列步驟：

1)建立三線結(jié)構(gòu)光標定平臺，并在三線結(jié)構(gòu)光標定平臺內(nèi)對棋盤格標定模板進行拍攝；

2)對步驟1)中拍攝的圖像進行harris角點檢測，得到相機的畸變模型；

3)根據(jù)bp神經(jīng)網(wǎng)絡(luò)對相機的畸變模型進行坐標變換，得到在世界坐標系下校正后的相機模型；

4)根據(jù)張正友平面標定法對步驟3)中校正后的相機模型進行標定。

所述三線結(jié)構(gòu)光標定平臺包括：

結(jié)構(gòu)光發(fā)生組件，用于為棋盤格標定模板的拍攝提供三線結(jié)構(gòu)光；

可調(diào)拍攝組件，用于拍攝棋盤格標定模板；

底座，用于防止棋盤格標定模板，并支撐結(jié)構(gòu)光發(fā)生組件和可調(diào)拍攝組件。

所述結(jié)構(gòu)光發(fā)生組件包括：

結(jié)構(gòu)光發(fā)生器，用于產(chǎn)生三線結(jié)構(gòu)光；

結(jié)構(gòu)光發(fā)生器調(diào)節(jié)器，用于調(diào)節(jié)結(jié)構(gòu)光發(fā)生器的高度和旋轉(zhuǎn)角度，包括第一立柱、夾具和第一調(diào)節(jié)固定座，所述第一立柱固定于底座上，所述第一調(diào)節(jié)固定座安裝于第一立柱上，所述夾具設(shè)置于第一調(diào)節(jié)固定座上并與結(jié)構(gòu)光發(fā)生器連接。

所述可調(diào)拍攝組件包括：

相機，用于對棋盤格標定模板進行拍攝；

相機調(diào)節(jié)器，用于實現(xiàn)相機的多自由度調(diào)節(jié)，包括第二立柱、滑動光軸、第二調(diào)節(jié)固定座、微調(diào)升降臺、相機固定架和夾相機頂塊，所述第二立柱固定于底座上，所述第二調(diào)節(jié)固定座安裝于第二立柱上，所述滑動光軸設(shè)置于第二調(diào)節(jié)固定座上并與相機通過相機固定架連接，所述微調(diào)升降臺通過夾相機頂塊固定于相機上；

上位機，與相機連接，用于接收相機拍攝的圖像。

所述步驟3)具體為：

31)將步驟2)中得到的相機的畸變模型在像素坐標系下的二維坐標作為bp神經(jīng)網(wǎng)絡(luò)的輸入層數(shù)據(jù)；

32)建立三層bp神經(jīng)網(wǎng)絡(luò)，依次進行前向計算和反向計算來實現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學習；

33)對計算過程中的權(quán)值進行修正，得到在世界坐標系下校正后的相機模型。

所述bp神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學習的學習率具體為：

其中，η為學習率，a為減量因子，b為增量因子，n為迭代次數(shù)，e為誤差函數(shù)。

所述對計算過程中的權(quán)值進行修正包括對隱含層與輸出層之間的權(quán)值進行修正和對隱含層與輸入層之間的權(quán)值進行修正。

所述對隱含層與輸出層之間的權(quán)值進行修正具體為：

其中，δvlj為隱含層與輸出層之間的權(quán)值的調(diào)整量，n為迭代次數(shù)，η為學習率，e為誤差函數(shù)，α為動量因子。

所述對隱含層與輸入層之間的權(quán)值進行修正具體為：

其中，δwji為隱含層與輸入層之間的權(quán)值的調(diào)整量，n為迭代次數(shù)，η為學習率，e為誤差函數(shù)，α為動量因子。

所述在世界坐標系下校正后的相機模型在zw維度中的值為0。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

(1)通過引入bp神經(jīng)網(wǎng)絡(luò)，來實現(xiàn)相機模型在像素坐標系和世界坐標系之間的坐標變換，利用bp神經(jīng)網(wǎng)絡(luò)強大的自適應(yīng)學習能力，在坐標變換的過程中，實現(xiàn)相機模型的畸變校正，提高了后續(xù)在對相機平面標定過程中標定的準確性。

(2)利用自行建立的三線結(jié)構(gòu)光標定平臺對棋盤格標定模板進行拍攝，該標定平臺將結(jié)構(gòu)光發(fā)生組件和可調(diào)拍攝組件固定在同一底座上，免去了在拍攝過程中需要人工拿著結(jié)構(gòu)光發(fā)生器和相機對棋盤格進行拍攝，減輕了工作量的同時也減少了人為干擾。

(3)結(jié)構(gòu)光發(fā)生組件除了包含結(jié)構(gòu)光發(fā)生器，還包含結(jié)構(gòu)光發(fā)生調(diào)節(jié)器，可以對結(jié)構(gòu)光發(fā)生器的高度和旋轉(zhuǎn)角度進行靈活調(diào)節(jié)，保證了可以提供符合工作人員需求的結(jié)構(gòu)光，使用靈活的同時也增強了標定的準確度。

(4)可調(diào)拍攝組件除了相機以外還設(shè)有相機調(diào)節(jié)器，通過滑動光軸和調(diào)節(jié)固定座的配合實現(xiàn)相機的多自由度調(diào)節(jié)，而且設(shè)有微調(diào)升降臺，可以對相機的拍攝角度進行進一步微調(diào)，使得可以最大程度的拍攝符合工作人員預(yù)期的圖像，為提高后續(xù)標定的準確度做出準備。

(5)利用bp神經(jīng)網(wǎng)絡(luò)進行自適應(yīng)學習，由于bp神經(jīng)網(wǎng)絡(luò)具有動態(tài)的進行網(wǎng)絡(luò)學習、取得合理地學習率、網(wǎng)絡(luò)的收斂速度加快以及防止網(wǎng)絡(luò)振蕩的產(chǎn)生等優(yōu)點，因而最大程度的減小了相機模型的畸變程度，提高標定的準確性。

(6)在世界坐標系下校正后的相機模型在zw維度中的值為0，即將三維坐標降低為二維坐標，這種方法既可以提高標定速度，也不會影響標定精度。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為三線結(jié)構(gòu)光標定平臺的結(jié)構(gòu)示意圖；

其中，1為棋盤格標定模板，2為結(jié)構(gòu)光發(fā)生器，3為夾具，4為調(diào)節(jié)固定座，5為立柱，6為相機。7為滑動光軸，8為微調(diào)升降臺，9為相機固定架，10為夾相機頂塊，11為鏡頭。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術(shù)方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。

如圖1所示，本實施例提供的是一種基于三線結(jié)構(gòu)光的相機平面標定方法，具體包括下列步驟：

s1)建立三線結(jié)構(gòu)光標定平臺，并在三線結(jié)構(gòu)光標定平臺內(nèi)對棋盤格標定模板1進行拍攝；

s2)對步驟s1)中拍攝的圖像進行harris角點檢測，得到相機的畸變模型；

s3)根據(jù)bp神經(jīng)網(wǎng)絡(luò)對相機的畸變模型進行坐標變換，得到在世界坐標系下校正后的相機模型；

s4)根據(jù)張正友平面標定法對步驟s3)中校正后的相機模型進行標定。

下面對上述步驟進行具體描述：

三線結(jié)構(gòu)光標定平臺結(jié)構(gòu)特點：

圖2中，該標定平臺主要包括相機6、鏡頭11、圖像采集卡、結(jié)構(gòu)光發(fā)生器2、夾具3、立柱5、夾相機頂塊10等，其中相機固定架9與相機6連接固定，固定架為多自由度可調(diào)節(jié)高度的機械部分。結(jié)構(gòu)光發(fā)生器2與電源插座連接以提供光源，其固定方式為可調(diào)節(jié)高度且可旋轉(zhuǎn)角度。標定板放置在底座上待測。結(jié)構(gòu)光發(fā)生器2可以通過調(diào)節(jié)固定座4進行上下調(diào)整以及結(jié)構(gòu)光方向的調(diào)整。相機6可以通過調(diào)節(jié)固定座4進行上下調(diào)整，通過滑動光軸7進行左右的調(diào)整以及相機6方向的調(diào)整，通過微調(diào)升降臺8進行相機6位置的微調(diào)。本實施例中采用的棋盤格標定模板1為8×11黑白方塊，其方塊大小為30×30mm，材料為許多黑白交錯的正方形格子組成的薄板，板子表面平整光滑，相機6中可以采集到棋盤格標定模板1的全部圖像，最終能夠?qū)崿F(xiàn)將三線結(jié)構(gòu)光相機平面的標定。

標定原理：

先利用harris角點檢測方法提取特征點坐標，并選用了bp神經(jīng)網(wǎng)絡(luò)來校正工業(yè)相機的畸變模型，以提高標定算法的優(yōu)化速度和標定精度；最后采用張正友的平面標定法對校正后的攝像機模型進行標定實驗。采用bp神經(jīng)網(wǎng)絡(luò)校正攝像機畸變模型，設(shè)圖像像素坐標為(u,v)、世界坐標為(xw,yw,zw)。

該bp算法包括以下兩個重要的過程。正向傳播過程：輸入信號從輸入層傳向中間隱含層，再由隱含層傳向輸出層。反向傳播過程：當輸出層得不到期望的輸出時，則轉(zhuǎn)入反向傳播過程，將誤差信號沿正向傳播的通路反向返回。

bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計如下：

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計是一個重要環(huán)節(jié)，主要包括輸入層數(shù)據(jù)的設(shè)計、學習率的確定、增量因子、減量因子、動量因子、動量項權(quán)值的設(shè)計。它們的具體說明如下：

輸入層數(shù)據(jù)：圖像像素坐標；

輸出層數(shù)據(jù)：經(jīng)網(wǎng)絡(luò)學習后輸出(xw,yw)的二維坐標；

學習率η：采用的學習率η自適應(yīng)調(diào)整公式如下：

式中，a為減量因子，b為增量因子，e為誤差函數(shù)。

本實施例中，各參數(shù)的取值為：減量因子：a＝0.9；增量因子：b＝1.1；動量因子：α＝0.8；

動量項的權(quán)值：附加動量項的權(quán)值調(diào)整公式如下式所示：

式中δvlj(j＝1，2，...；l＝1，2，...)隱含層與輸出層間權(quán)值的調(diào)整量，δwji(i＝1，2...；j＝1，2，...)隱含層與輸入層間權(quán)值的調(diào)整量，α為動量因子，0＜α＜1，帶有α的那一項為動量項，取值為0.8，n為迭代次數(shù)。

通過學習二維與三維之間的坐標關(guān)系，利用創(chuàng)建的神經(jīng)網(wǎng)絡(luò)可以得出二維圖像像素坐標與三維世界坐標之間的關(guān)系。考慮到設(shè)計的網(wǎng)絡(luò)是為了實現(xiàn)從圖像坐標到三維坐標之間的映射，即從圖像像素坐標(u,v)到(xw,yw,zw)的映射關(guān)系，同時采用基于平面共面點的方法來進行標定，也就是令三維坐標中的zw＝0把三維降低為二維，這樣既可以提高運行速度，又不影響精度。該網(wǎng)絡(luò)設(shè)計具有以下優(yōu)點：動態(tài)的進行網(wǎng)絡(luò)學習；取得合理地學習率；網(wǎng)絡(luò)的收斂速度加快；防止網(wǎng)絡(luò)振蕩的產(chǎn)生。

張正友法是一種介于傳統(tǒng)標定法和自標定法之間的一種標定方法，該方法操作簡便，精度高，成本低，速度快，是標定方法中的不二選擇。該標定方法需要對標定板進行不同空間角度的抓拍圖像，設(shè)ow-xwywzw為世界坐標系，oc-xcyczc為相機坐標系，標定板在平zw＝0面上，過程為：相機內(nèi)參數(shù)的標定利用matlab的相機標定工具箱進行相機的標定，將得到矩陣a；計算相機外部參數(shù)。保持結(jié)構(gòu)光發(fā)生器2和相機不動，拿下待測物體，計算工作臺相對相機的外部參數(shù)。獲得的相機外參數(shù)矩陣。由于圖像已經(jīng)進行了畸變校正，所以不用考慮攝像機畸變，則可以得到單應(yīng)性矩陣、相機的內(nèi)部參數(shù)以及世界坐標系、相機坐標系之間的關(guān)系，如下式所示：

上中的各個字母的含義如下：

h即為單應(yīng)性矩陣；a中元素為攝像機機的內(nèi)部參數(shù)；s＝zc即相機坐標系的第三個數(shù)值；t為從世界坐標系到相機坐標系的平移矩陣；r1、r2、r3為從世界坐標系到相機坐標系的旋轉(zhuǎn)矩陣r的列向量；f為相機的焦距，θ為坐標軸xi與yi之間的實際夾角，k,l為感光芯片像素的實際大小，xi0,yi0為圖像的平面中心。