【计算机视觉】双目标定原理及其MATLAB程序

通过相机成像几何模型,并借助空间物体表面某点的世界坐标系与其在图像中对应点之间的相互关系来确定几何模型参数的过程称为相机标定。双目标定是使用双目测距环节中的必不可少的步骤，其精度对后面的环节准确度影响较大，其难易程度影响相机使用的方便性。在视觉测量和三维重建等领域，相机标定的精度直接影响最终的结果。 高精度的相机标定通常通过拍摄特定的标靶来实现，经典的方法有直接线性变换法[1]、Tsai 两步法[2]、张正友方法[3]。在各种标定方案中，张正友标定法凭借着操作简单、对设备要求低和精度较好的优点被广泛应用于计算机视觉。张正友的方法需要从若干角度拍摄棋盘格标定板图片，根据检测到的棋盘格角点与世界坐标点的对应，求出封闭解，以此作为初值，利用 Levenberg-Marquardt [4]方法进行非线性优化。张正友方法对标靶要求低，并且能获得较高的精度，因而在高精度视觉测量领域得到广泛的应用。 笔者研究的设计视觉同步定位与建图（Simultaneous Localization And Mapping ，SLAM）系统中，视觉的精度是前端的重要部分。虽然目前视觉SLAM系统中常见的标定方案是 计算机视觉中的相机标定是确定相机几何模型参数的关键步骤，这一过程依赖于空间物体点的世界坐标与它们在图像中对应点的关系。双目标定在双目测距中扮演着核心角色，因为它对后续的测距精度有着显著影响，同时也影响到相机使用的便捷性。在视觉测量和三维重建等应用中，标定的准确性直接影响最终结果的质量。 高精度的相机标定通常采用特定的标靶，例如棋盘格，通过多种方法进行，包括直接线性变换法、Tsai两步法以及张正友方法。张正友的标定法因其简便的操作、较低的设备需求和出色的精度而广受欢迎。该方法涉及从不同角度拍摄棋盘格，找到棋盘角点与世界坐标点的对应，计算初步解，再利用Levenberg-Marquardt算法对非线性模型进行优化。 在SLAM（Simultaneous Localization And Mapping）系统中，视觉模块的精度至关重要。尽管现代SLAM系统可能采用自标定技术，但其基本原理与张正友标定法相类似，所以深入理解张正友方法对研究双目标定和评估各因素影响具有普遍价值。二维传统相机标定涉及对二维标定板的多角度拍摄，识别特征点，建立单应矩阵，通过求解线性系统和优化得到相机内外参数。 标定板的选择也会影响标定效果，如方形图案（棋盘格）和基于圆形的模板（不等直径圆、同心圆等）。方形棋盘格是最常用的，但角度过大或过小可能导致角点误差，而圆形图案则可以提供更精确的中心定位，提高标定精度。 在视觉坐标系中，有世界坐标系、相机坐标系、成像坐标系和图像坐标系。相机通过针孔模型将三维空间投影到二维图像上。单目视觉只能提供平面投影信息，无法直接确定空间位置。为获取像素点的深度信息，需要双目视觉，通过两个相机的位置差异来计算像素点的三维坐标，这就是双目测距的基本原理。 双目标定是计算机视觉中不可或缺的一部分，涉及到多个坐标系的转换和非线性优化。理解并熟练运用张正友标定法对于提高视觉系统的精度和效率至关重要，尤其是在SLAM和其他高精度视觉应用中。