本技术介绍了一种基于双特性联合度量的全模型镜头畸变校正技术。该技术首先对图像进行亚像素级点坐标检测,随后依据基本矩阵与畸变中心的关系方程,通过最小二乘法进行精确校正。
背景技术
近年来,随着人工智能领域的快速发展,越来越多的研究人员投身于这一领域的研究之中。由于机器视觉在人工智能中扮演着重要的角色,变焦镜头被广泛应用于航空摄影、跟踪和测量中。由于透镜的不完善和光学元件的非对准,导致在光学系统中普遍存在透镜畸变,特别是在鱼眼和广角镜头中。当透镜具有不可忽略的畸变时,使用理想的针孔模型可能会导致较高的测量误差,使得针孔模型不再可用。因此,必须准确消除透镜畸变,以保持在射影几何中的线性成像过程。
根据射影几何原理可知,如果摄像机镜头无畸变,空间直线在像平面上仍然是直线,直线在射影变换下交比不变,直线与直线的平行性不变,平行图形的面积比、平行线段的长度比不变。实际上,获取包含畸变的成像图像后,场景中存在的直线特征由于受镜头畸变的影响,投影到图像后将弯曲为曲线,镜头的非线性畸变越大,空间直线投影后曲线的弯曲程度就越大。
近年来,对透镜的研究主要在利用点对应和投影不变量上。Weng等利用物体三维世界坐标与图像坐标的对应关系来校正径向、偏心和薄棱镜畸变。Gao和Yin提出了一种估计理想的单应矩阵计算代表畸变像点实际位置的理想像点的方法。Zhang利用不同角度的点对应来估计径向畸变和偏心畸变参数。然而,这三种方法都需要计算点对应关系。
随着对非必要的限制进行去除的方法具有很强的优势同时又很容易构造,基于线的方法在畸变校正中得到了广泛的应用,Prescott和McLean提出了一种检测线信息的径向透镜畸变校正方法,但在优化过程中会遇到局部极小值的问题而且仅考虑了径向畸变的影响。Zhou提出了一种基于线的摄像机标定方法,通过使用三个未知长度的正方形对单个图像进行畸变校正,但该方法对图像中的直线段要求较高,更适用于处理特殊场景下的图像,并且他们只关注径向畸变而不是完全畸变。
目前,传统的透镜畸变校正的方法存在诸多不足之处,例如:(1)将图像中心或主点坐标默认为畸变中心,未对畸变中心进行精确的计算,所造成的后果既不可能使用畸变参数补偿去校正,也不可能使用外方位参数去校正;(2)未考虑在射影变换中存在的平行四边形像素,更没有对其进行处理,不能保证在射影几何中的线性成像过程;(3)基于直线理论的算法也只是关注径向畸变或偏心畸变,并没有进行完全畸变模型下的透镜畸变校正。
实现思路