專利名稱：：一種與攝影設備無關的影像畸變標定方法
技術領域：
：本發(fā)明涉及一種影像畸變標定方法，具體說是，一種與攝影設備無關的影像畸變標定方法。該方法不以攝影設備為標定對象，而是以數(shù)碼影像為標定對象，適用于通過任意途徑獲取的數(shù)碼圖像.廣泛應用于計算機視覺、攝影測量等領域。背榮技術普通數(shù)碼相機和攝像機屬于非量測攝影機，對普通數(shù)碼圖像進行圖像測量時，物鏡畸變直接影響到圖像測量的精度，物鏡畸變系數(shù)的確定成為攝影機標定的主要內容。因此，在圖像處理、圖像測量中，都必須對攝像機進行標定.目前，攝影機的標定方法可分為兩大類.一類是光學實驗室標定，在室內變差。RogerY.Tsai在文章"一種利用普通攝像機和鏡頭進行髙精度三維機器視覺測量的通用攝像機標定技術"(AVersati1eCameraCa1ibrationTechniqueforHigh-Accuracy3DMachineVisionMetrologyUsingOff-the—ShelfTVCamerasandLenses)，IEEE《機器及自動化》期刊，第RA-3巻，第4期，第323~344頁，1987年(IEEEJournalofRoboticsandAutomation,Vol.RA-3，No.4，1987)中陳述了這種方法，此類成本髙、需專業(yè)人員進行標定，不適合廣泛應用。另一類是通過在攝影范圍內放置固定靶標的方法，靶標一般采用空間三維控制場、二維標準格網靶標或空間平行線等.中國發(fā)明專利《攝像機或照相機幾何畸變的標定方法》(公開號CN1719477)公開了利用直線靶標來標定物鏡畸變的方法，將一系列直線靶標放置在攝影區(qū)域內，在不同位置和不同角度拍攝這些直線靶標的圖像，建立實際圖像和理想圖像上的轉換關系，計算物鏡畸變系數(shù).由于直線靶標制作簡單，該方法易于推廣.其不足之處在于(1)霈要多位置多角度攝影多幅圖像，標定流程比較復雜；(2)只能在使用前或使用后單獨標定，無法做到真正意義上的實時標定；(3)對于無攝影機情況下的圖像無法標定其物鏡畸變.可見，物鏡畸變的標定必須針對攝影設備本身來進行，對于未知攝影設備的多元化影像，常常由于無法了解攝影設備而不能標定影像的疇變，從而影響了圖像測量的精度。
發(fā)明內容針對目前攝影機標定中存在的不足，提出一種不需要制作靶標、不需要攝影機信息的影像畸變標定方法?；兿禂?shù)的標定不是以攝影機為對象，而是以數(shù)碼圖像為標定對象.這樣可以脫離攝影機本身而對各種渠道獲取的數(shù)碼圖像進行畸變系數(shù)的標定?；兊拇嬖谑怪本€目標的構像變?yōu)榍€，影像中被攝目標的某個邊界如果存在是確定的直線目標，其在影像上的成像理論上也必定是直線，然而，影像畸變的存在使其成像變成了曲線，曲線的彎曲程度表達了影像疇變的大小.(1)影像畸變計算原理如圖1，在圖像范圍內選擇成像清晰、邊界明顯的直線目標，在直線目標的起點^、中點丑和終點c各選擇一點，量測其像素坐標，由于物鏡畸變的存在，^、￡、c三個點不在一條直線上，以圖l中桶形畸變?yōu)槔右哉f明.假定中間點B受影像畸變引起的向徑變化為&、根據假定的晴變向徑可以計算假定的影像畸變系數(shù)A-ArA/(r4+Ar6)3(工)進一步利用假定的影像畸變參數(shù)計算乂、B、C三點的理想位置A&C'的向徑<formula>formulaseeoriginaldocumentpage7</formula>(2)消除假定的影像畸變后，Afi'、c'的位置的像素坐標<formula>formulaseeoriginaldocumentpage7</formula>由于5的向徑改正為&*及其影像疇變系數(shù)都是假定的，使得消除影像畸變后A5'、c'三點一般不滿足三點共線的條件，可能出現(xiàn)以下三種情況①如果假定的^比正確值小了，消除影像畸變后的位置為圖1中的4、A、G,三點的幾何關系仍是桶形畸變；②如果假定的&6比正確值大了，消除影像畸變后的位置為圖l中的、A、c"三點的幾何關系變是枕形畸變；③如果假定的^A與正確值一致，消除影像畸變后的位置為圖1中的4、A、c。，這三個點共線。可見，根據直線目標改正后是否為一直線可以用來判斷中間點假定的畸變向徑是否正確.這里存在兩個技術難點一是改正后的目標是否為直線以及彎曲類型的判斷；二是中間點的假定畸變向徑的確定.(2)影像畸變類型的判斷方法影像畸變計算中，判斷乂、b、c三點和夂&c'三點的畸變類型及是否共線是關鍵內容，可采用以下步驟來實現(xiàn)①利用人s、c三點的像素坐標計算乂c和0丑的交點d的像素坐標；②計算o仏ob的距離；③若0d〈05，影像存在桶形畸變；若0/)-Oa，物鏡不存在畸變，滿足三點共線的條件；若^>^，影像存在枕形畸變.(3)二分法確定中間點畸變向徑從上面的介紹可以知道計算fl點受影像畸變引起的向徑變化&i(疇變向徑)是計算影像畸變參數(shù)的關鍵.由于無法直接知道&i的值，這里通過二分法進行趨近計算，具體計算過程圖3中各步驟進行.本發(fā)明的技術方案是第一步在被標定像片的圖像中選擇一條成像清晰、邊界明顯的直線目標;第二步在直線目標的起點^、中點a和終點C各選擇一像素點，測量直線目標上的三個像素點的像平面坐標(&，凡)、"，h)、該平面坐標系是以相片中心點o為原點的平面直角坐標系，單位為像素；第三步利用這三點的坐標計算畸變類型，具體方法是用解析法計算直線ac和ob交點d的坐標，計算OD、OS的距離；如果OZXOB，影像畸變?yōu)橥靶位儯蝗绻?5=0￡，a、b、c三點共線，影像沒有畸變；若0/)>0^，影像存在枕形畸變；第四步給定中間點5—個足夠大的畸變向徑&*，使得根據&i對A、B、C三點經過改正后的A夂c'三點存在相反的畸變類型；第五步根據假定的畸變向徑可以計算假定的影像疇變系數(shù)A=Ar4/(/i+Ar4)3第六步利用假定的影像畸變參數(shù)計算乂、B、C三點的消除畸變后的位置的向徑<formula>formulaseeoriginaldocumentpage9</formula>其中~、^、；^分別為A、B、C點的向徑(即各點到0點的距離)；第七步計算消除假定的影像畸變后，^、B'、C'的位置的像素坐標<formula>formulaseeoriginaldocumentpage9</formula>第八步判斷^'、B'、C'的畸變類型，由于&4足夠大，^、5'、C'的畸變類型與Z、B、C的畸變相反；所述畸變相反是針對桶形畸變與枕形畸變而言；第九步利用分中法，假定中間點5的畸變向徑了(^為第4步假定的中間點3的畸變向徑)，用第五步~第八步的方法計算，依了改正后的位置#、5"、C"和畸變類型；第十步在B、5"、B'三點之間，選擇畸變類型相異的兩點，返回第九步進一步用分中法計算，其中將上次在第九步中假定的中間點的畸變向徑再縮小一半，依次往復，進行迭代趨近計算；當相鄰兩次計算的畤變向徑之差小于設定的像素值，迭代趨近計算結束，得到影像畸變系數(shù)k,.為了驗證解算的可靠性和提髙影像畸變系數(shù)k,的精度，本發(fā)明方法進一步優(yōu)化的方案是第一步在被標定像片的圖像中選擇多條成像清晰、邊界明顯的直線目標;對各條直線目標，按照上述第二~十步進行迭代計算，如所得各影像晴變系數(shù)互差小于設定的指標，則取各影像畸變系數(shù)的算數(shù)平均值為最終影像疇變系數(shù)；否則，說明直線目標選擇存在錯誤，需重新選擇直線目標，重新計算.所述第四步給定中間點^一個足夠大的畸變向徑"、使得根據"對A、B、C三點經過改正后的^'、趴c'三點存在相反的畸變類型的方法是先假定中間點s—個足夠大的畸變向徑&6，用以上第五~八步的計算方法計算根據&校正后A"'、c'的畸變類型，如果不滿足與原來A、B、C三點畸變類型相反的條件，說明假定中間點5的畸變向徑^*不夠大，這時采用遞增的方式增加中間點B的假定畸變向徑^，使其分別為2A/i3Ar,、4Av..，用以上第五~八步的計算方法計算校正后afc'的畸變類型直到滿足經過改正后的as'、c'三點存在相反的畸變類型。本發(fā)明方法在實際搡作中要注意以下幾個方面(D要選擇確認的直線目標作為計算的依據；②直線目標要避免通過像片中心，最;^Il片中心與中間點5的連線與直線影像正交；③同一幅影像可以通過多個直線目標計算影像畸變以便校核計算結果和提髙精度。這些直線目標盡可能均勻分布在影像的各個位置.本發(fā)明方法，不需要制作靶標、不需要攝影機信息，畸變系數(shù)的標定不是以攝影機為對象，而是以數(shù)碼圖像為標定對象.這樣可以脫離攝影機本身而對各種渠道獲取的數(shù)碼圖像(包括歷史圖像、網絡傳輸圖像等等)進行琦變系數(shù)的標定。圖].為影像畸變計算原理示意圖;圖2為影像畸變類型判斷圖解;圖3為影像畸變系數(shù)計算過程圖示;圖4為影像畸變計算流程圖；圖5為室內試驗場照片；圖6為室外實景照片.具體實施方式下面結杏附圖和實施例，對本發(fā)明做進一步詳細說明.實施例1、在室內嚴格垂直的兩個墻面上，同高度貼有兩張帶有10cm格網的高精度聚酯薄膜圖紙(如圖5)，精確測量兩張困紙之間的關系.聚瞎薄膜圖紙的分米格網精確到0.2mm，可以作為精密室內試驗場地，兩張圖紙上的72個格網點的空間三維坐標成為室內試驗場的三維點.首先用三維控制點對圖5的影像進行嚴密解算，得到的影像疇變系數(shù)為2.21xl0—8。然后采用本辦法來解算該影像的畸變參數(shù)選取了圖5中的12條直線目標，計算結果見表l.表l<table>tableseeoriginaldocumentpage11</column></row><table><table>tableseeoriginaldocumentpage12</column></row><table>注設定相鄰兩次計笄的畸變向徑之差小于O.S像素，迭代趨近計算結束通過對12個直線段的計算結果求平均值(事前要求所得各影像畸變系數(shù)互差小于15%)，最后的計算結果2.41x10—'與鑒定值很接近，驗證了該方法的可行性。實施例2、在圖6中，對近景影像求解其畸變系數(shù)，從影像中提取了四條明顯的建筑物邊緣，用本發(fā)明方法分別計算影像畸變，計算結果見表2，求平均值作為該影像的畸變系數(shù)2.23x10—'.該數(shù)碼相機通過三維鑒定場鑒定的結果是1.98xl0-8,兩者也很接近。<table>tableseeoriginaldocumentpage12</column></row><table>注設定相鄰兩次計算的畸變向徑之差小于0.5像素，迭代趁近計算結束，事前要求所得各影像《*變系數(shù)互差小于15%。權利要求1.一種與攝影設備無關的影像畸變標定方法，其步驟是第一步在被標定像片的圖像中選擇一條成像清晰、邊界明顯的直線目標；第二步在直線目標的起點A、中點B和終點C各選擇一像素點，測量直線目標上的三個像素點的像平面坐標(xA，yA)、(xB，yB)、(xC，yC)；該平面坐標系是以相片中心點O為原點的平面直角坐標系，單位為像素；第三步利用這三點的坐標計算畸變類型，具體方法是用解析法計算直線AC和OB交點D的坐標，計算OD、OB的距離；如果OD＜OB，影像畸變?yōu)橥靶位?；如果OD＝OB，A、B、C三點共線，影像沒有畸變；若OD＞OB，影像存在枕形畸變；第四步給定中間點B一個足夠大的畸變向徑Δrb，使得根據Δrb對A、B、C三點經過改正后的A′、B′、C′三點存在相反的畸變類型；第五步根據假定的畸變向徑可以計算假定的影像畸變系數(shù)k1＝Δrb/(rb+Δrb)3第六步利用假定的影像畸變參數(shù)計算A、B、C三點的消除畸變后的位置A′、B′、C′的向徑<math-cwu><![CDATA[<math><mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>r</mi><mi>a</mi><mo>′</mo></msubsup><mo>=</mo><msub><mi>r</mi><mi>a</mi></msub><mo>+</mo><msub><mi>k</mi><mn>1</mn></msub><msubsup><mi>r</mi><mi>a</mi><mn>3</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>r</mi><mi>b</mi><mo>′</mo></msubsup><mo>=</mo><msub><mi>r</mi><mi>b</mi></msub><mo>+</mo><msub><mi>k</mi><mn>1</mn></msub><msubsup><mi>r</mi><mi>b</mi><mn>3</mn></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>r</mi><mi>c</mi><mo>′</mo></msubsup><mo>=</mo><msub><mi>r</mi><mi>c</mi></msub><mo>+</mo><msub><mi>k</mi><mn>1</mn></msub><msubsup><mi>r</mi><mi>c</mi><mn>3</mn></msubsup></mtd></mtr></mtable></mfenced></math>]]></math-cwu><!--imgid="icf0001"file="S200810024762XC00011.gif"wi="27"he="22"top="204"left="51"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/-->其中ra、rb、rc分別為A、B、C點的向徑；第七步計算消除假定的影像畸變后，A′、B′、C′的位置的像素坐標<math-cwu><![CDATA[<math><mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>x</mi><mi>a</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>x</mi><mi>a</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>a</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>a</mi></msub><mo>)</mo></mrow></mtd><mtd><msubsup><mi>y</mi><mi>a</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>y</mi><mi>a</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>a</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>a</mi></msub><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msubsup><mi>x</mi><mi>b</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>x</mi><mi>b</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>b</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>b</mi></msub><mo>)</mo></mrow></mtd><mtd><msubsup><mi>y</mi><mi>b</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>y</mi><mi>b</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>b</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>b</mi></msub><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msubsup><mi>x</mi><mi>c</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>x</mi><mi>c</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>c</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>c</mi></msub><mo>)</mo></mrow></mtd><mtd><msubsup><mi>y</mi><mi>c</mi><mo>′</mo></msubsup><mo>=</mo><msubsup><mi>y</mi><mi>c</mi><mo>′</mo></msubsup><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msubsup><mi>r</mi><mi>c</mi><mo>′</mo></msubsup><mo>/</mo><msub><mi>r</mi><mi>c</mi></msub><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></math>]]></math-cwu><!--imgid="icf0002"file="S200810024762XC00012.gif"wi="75"he="17"top="253"left="43"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/-->第八步判斷A′、B′、C′的畸變類型，由于Δrb足夠大，A′、B′、C′的畸變類型與A、B、C的畸變相反；第九步利用分中法，假定中間點B的畸變向徑id="icf0003"file="S200810024762XC00021.gif"wi="9"he="11"top="50"left="137"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/>用第五步～第八步的方法計算，依id="icf0004"file="S200810024762XC00022.gif"wi="7"he="11"top="70"left="54"img-content="drawing"img-format="tif"orientation="portrait"inline="no"/>改正后的位置A″、B″、C″和畸變類型；第十步在B、B″、B′三點之間，選擇畸變類型相異的兩點，返回第九步進一步用分中法計算，其中將上次在第九步中假定的中間點的畸變向徑再縮小一半，依次往復，進行迭代趨近計算；當相鄰兩次計算的畸變向徑之差小于設定的像素值，迭代趨近計算結束，得到影像畸變系數(shù)k1。2、根據權利要求l所述一種與攝影設備無關的影像畸變標定方法，其特征是所述第一步在被標定像片的圖像中選擇多條成像清晰、邊界明顯的直線目標；對各條直線目標，按照上述第二十步進行迭代計算，如所得各影像畸變系數(shù)互差小于設定的指標，則取各影像畸變系數(shù)的算數(shù)平均值為最終影像畸變系數(shù)；否則，說明直線目標選擇存在錯誤，需重新選擇直線目標，重新計算。3、根據權利要求1或2所述一種與攝影設備無關的影像畸變標定方法，其特征是所述第四步給定中間點S—個足夠大的畸變向徑&、使得根據、對A、B、C三點經過改正后的」'、趴c'三點存在相反的畸變類型的方法是先假定中間點^一個足夠大的畸變向徑^，用以上第五~八步的計算方法計算根據^校正后As'、c'的畸變類型，如果不滿足與原來A、B、C三點畸變類型相反的條件，說明假定中間點S的畸變向徑&6不夠大，這時采用遞增的方式增加中間點"的假定畸變向徑A、使其分別為2A^、3A^、4Av..，用以上第五八步的計算方法計算校正后i、s'、c'的畸變類型直到滿足經過改正后的A仏c'三點存在相反的畸變類型。全文摘要本發(fā)明公開了一種與攝影設備無關的影像畸變標定方法，其步驟是在被標定像片的圖像中選擇一條直線目標，在其起點A、中點B和終點C各選擇一點，測量三個像素點的像平面坐標(x<sub>A</sub>，y<sub>A</sub>)、(x<sub>B</sub>，y<sub>B</sub>)、(x<sub>C</sub>，y<sub>C</sub>)；利用這三點的坐標計算畸變類型。給定中間點B一個足夠大的畸變向徑Δr<sub>b</sub>，使得經過改正后的A′、B′、C′三點存在相反的畸變類型。根據假定的畸變向徑計算假定的影像畸變系數(shù)。利用假定的影像畸變參數(shù)計算A、B、C三點的消除畸變后的位置A′、B′、C′的向徑。計算消除假定的影像畸變后，A′、B′、C′的位置的像素坐標。利用分中法，進行迭代趨近計算，得到影像畸變系數(shù)k<sub>1</sub>。本發(fā)明方法以數(shù)碼圖像為標定對象，脫離攝影機本身而對各種渠道獲取的數(shù)碼圖像(包括歷史圖像、網絡傳輸圖像等等)進行畸變系數(shù)的標定。文檔編號G06T5/00GK101271573SQ20081002476公開日2008年9月24日申請日期2008年5月5日優(yōu)先權日2008年5月5日發(fā)明者劉學軍,沙月進,閭國年申請人:南京師范大學