本發明專利技術提出一種多目立體視頻采集系統及其相機參數標定方法。其中，方法包括以下步驟：獲取系統中各個相機的內外參數；通過各個相機在同一時刻采集普通場景的多視點圖像，對多視點圖像進行特征點檢測和匹配獲取各視點圖像間的匹配點；利用相機參數重構獲取各視點圖像間的匹配點的三維空間點云坐標；根據三維空間點云坐標和相機的內外參數利用稀疏捆集調整優化獲得重投影誤差，并優化重投影誤差和相機的內外參數；根據優化后重投影誤差判斷是否進行二次優化；以及根據二次優化結果判斷是否進行參數的重新標定。根據本發明專利技術實施例的方法，采用了特征點檢測、匹配以及稀疏捆集調整優化，避免了繁瑣的相機參數標定，從而提高了立體視頻的采集效率。
【技術實現步驟摘要】
本專利技術涉及計算機圖像處理領域，特別涉及一種。
技術介紹
隨著技術的進步，可以提供多視角和高質量的視頻信息，由此多目立體視頻采集越發成為高質量立體視頻片源的主要生成方式。傳統的相機參數標定、標定過程要采集多幀不同姿勢的輔助標定物的多視點圖像，且每幀多視點圖像都要見到足夠大區域的輔助標定物，標定受限多，過程繁瑣，系統使用難度大。
技術實現思路
本專利技術的目的旨在至少解決上述的技術缺陷之一。為達到上述目的，本專利技術一方面的實施例提出一種多目立體視頻采集系統的相機參數標定方法，包括以下步驟S1:獲取多目立體視頻采集系統中各個相機的內外參數，并存儲和二次備份所述各個相機的內外參數；S2 :通過所述各個相機在同一時刻采集普通場景的多視點圖像，對所述多視點圖像進行特征點檢測和匹配獲取各視點圖像間的匹配點；S3 :根據所述相機的內外參數和所述各視點圖像間的匹配點坐標，利用增量式的由運動恢復結構的算法得到所述各視點圖像間的匹配點的三維空間點云坐標；S4 :根據所述三維空間點云坐標和所述相機的內外參數獲得重投影誤差，并利用稀疏捆集調整優化所述重投影誤差和所述相機的內外參數；S5 :判斷所述優化后的重投影誤差是否小于預設的誤差閾值，如果是，則輸出所述優化后的相機的內外參數，如果否，則更新存儲參數為二次備份參數，并返回步驟S3進行二次優化；以及S6 :判斷所述二次優化后的重投影誤差是否小于所述預設的誤差閾值，如果是，則輸出所述二次優化后的相機的內外參數，如果否，則提示重新標定所述相機的內外參數并更新存儲。根據本專利技術實施例的方法，采用了特征點檢測、匹配以及稀疏捆集調整優化，避免了繁瑣的相機參數標定，從而提高了立體視頻的采集效率。本專利技術的一個實例中，所述步驟S3包括從所述多視點圖像中選擇初始圖像對，其中所述初始圖像對含有預定數目的不滿足任何單應關系的匹配點；利用三角化算法對所述初始圖像對間的匹配點進行三維空間點云重建；利用稀疏捆集調整優化所述三維空間點云和所述相機的內外參數；逐步向優化后的三維空間點云重建結果中加入剩余的多視點圖像直至所述多視點圖像全部加入重建結果中，以便獲得各視點圖像間匹配點的三維空間點云坐標。本專利技術的一個實例中，所述三角化算法通過以下公式獲得各視點圖像間匹配點的三維空間點云坐標權利要求1.一種多目立體視頻采集系統的相機參數標定方法，其特征在于，包括以下步驟 51:獲取多目立體視頻采集系統中各個相機的內外參數，并存儲和二次備份所述各個相機的內外參數； 52:通過所述各個相機在同一時刻采集普通場景的多視點圖像，對所述多視點圖像進行特征點檢測和匹配獲取各視點圖像間的匹配點； S3:根據所述相機的內外參數和所述各視點圖像間的匹配點坐標，利用增量式的由運動恢復結構的算法得到所述各視點圖像間的匹配點的三維空間點云坐標； 54:根據所述三維空間點云坐標和所述相機的內外參數獲得重投影誤差，并利用稀疏捆集調整算法優化所述重投影誤差和所述相機的內外參數； 55:判斷所述優化后的重投影誤差是否小于預設的誤差閾值，如果是，則輸出所述優化后的相機的內外參數，如果否，則更新存儲參數為步驟SI中二次備份的各個相機的內外參數，并返回步驟S3進行二次優化；以及 56:判斷所述二次優化后的重投影誤差是否小于所述預設的誤差閾值，如果是，則輸出所述二次優化后的相機的內外參數，如果否，則提示重新標定所述相機的內外參數并更新存儲。2.根據權利要求1所述的多目立體視頻采集系統的相機參數標定方法，其特征在于，所述步驟S3進一步包括 從所述多視點圖像中選擇初始圖像對，其中，所述初始圖像對含有預定數目的不滿足任何單應關系的匹配點； 利用三角化算法對所述初始圖像對間的匹配點進行三維空間點云重建； 利用稀疏捆集調整優化所述三維空間點云和所述相機的內外參數； 逐步向優化后的三維空間點云重建結果中加入剩余的多視點圖像直至所述多視點圖像全部加入重建結果中，以便獲得各視點圖像間匹配點的三維空間點云坐標。3.根據權利要求2所述的一種基于自標定技術的多目立體視頻采集方法，其特征在于，所述三角化算法通過以下公式獲得各視點圖像間匹配點的三維空間點云坐標[P1X1 =χυ 其中，PJP P2表示所述初始圖像對的投影矩陣，{Xli，X2J, I = 1，…，N表示所述圖像對間的匹配點，Xi表示所述各視點圖像間匹配點的三維空間點云坐標。4.根據權利要求1所述的一種基于自標定技術的多目立體視頻采集方法，其特征在于，所述步驟S4進一步包括 541:將所述三維空間點云坐標通過所述相機的內外參數進行投影得到投影點； 542:計算所述投影點與所述各視點圖像間的匹配點的距離得到重投影誤差；以及 543:利用稀疏捆集調整算法優化所述重投影誤差和所述相機的內外參數。5.一種多目立體視頻采集系統，其特征在于，包括 獲取模塊，用于獲取多目立體視頻采集系統中各個相機的內外參數； 存儲模塊，用于存儲所述各個相機的內外參數； 二次備份模塊，用于二次備份所述各個相機的內外參數； 檢測匹配模塊，用于通過所述各個相機在同一時刻采集普通場景的多視點圖像，對所述多視點圖像進行特征點檢測和匹配獲取各視點圖像間的匹配點； 點云計算模塊，用于根據所述相機的內外參數和所述各視點圖像間的匹配點坐標，利用增量式的由運動恢復結構的算法得到所述各視點圖像間的匹配點的三維空間點云坐標； 優化模塊，用于根據所述三維空間點云坐標和所述相機的內外參數獲得重投影誤差，并利用稀疏捆集調整算法優化所述重投影誤差和所述相機的內外參數； 第一判斷模塊，用于判斷所述優化后的重投影誤差是否小于預設的誤差閾值； 更新模塊，用于在所述第一判斷模塊判斷所述優化后的重投影誤差不小于所述預設的誤差閾值時，更新所述存儲模塊中的參數為所述二次備份模塊中的各個相機的內外參數以便所述點云計算模塊和優化模塊根據所述更新后的各個相機的內外參數進行二次優化；第二判斷模塊，用于判斷所述二次優化后的重投影誤差是否小于所述預設的誤差閾值；以及 輸出模塊，用于在所述第一判斷模塊確定所述優化后的重投影誤差小于預設的誤差閾值時，輸出所述優化后的各個相機的內外參數，以及在所述第二判斷模塊確定所述二次優化后的重投影誤差小于所述預設的誤差閾值時，輸出所述二次優化后的各個相機的內外參數，以及在所述第二判斷模塊確定所述二次優化后的重投影誤差不小于所述預設的誤差閾值時，提示重新標定所述相機的內外參數。6.根據權利要求5所述的多目立體視頻采集系統，其特征在于，所述點云計算模塊具體包括 選擇單元，用于從所述多視點圖像中選擇初始圖像對，其中所述初始圖像對含有預定數目的不滿足任何單應關系的匹配點； 重建單元，用于利用三角化算法對所述初始圖像對間的匹配點進行三維空間點云重建； 第一優化單元，用于利用稀疏捆集調整優化所述三維空間點云和所述相機的內外參數； 第二優化單元，用于逐步向優化后的三維空間點云重建結果中加入剩余的多視點圖像直至所述多視點圖像全部加入重建結果中以便獲得所述各視點圖像間匹配點的三維空間點云坐標。7.根據權利要求6所述的多目立體視頻采集系統，其特征在于，所述三角化算法通過以下公式獲得各視點圖像間匹配點的三維空間點云坐標8.根據權利要求5所述的多本文檔來自技高網...
【技術保護點】
一種多目立體視頻采集系統的相機參數標定方法，其特征在于，包括以下步驟：S1：獲取多目立體視頻采集系統中各個相機的內外參數，并存儲和二次備份所述各個相機的內外參數；S2：通過所述各個相機在同一時刻采集普通場景的多視點圖像，對所述多視點圖像進行特征點檢測和匹配獲取各視點圖像間的匹配點；S3：根據所述相機的內外參數和所述各視點圖像間的匹配點坐標，利用增量式的由運動恢復結構的算法得到所述各視點圖像間的匹配點的三維空間點云坐標；S4：根據所述三維空間點云坐標和所述相機的內外參數獲得重投影誤差，并利用稀疏捆集調整算法優化所述重投影誤差和所述相機的內外參數；S5：判斷所述優化后的重投影誤差是否小于預設的誤差閾值，如果是，則輸出所述優化后的相機的內外參數，如果否，則更新存儲參數為步驟S1中二次備份的各個相機的內外參數，并返回步驟S3進行二次優化；以及S6：判斷所述二次優化后的重投影誤差是否小于所述預設的誤差閾值，如果是，則輸出所述二次優化后的相機的內外參數，如果否，則提示重新標定所述相機的內外參數并更新存儲。
【技術特征摘要】
【專利技術屬性】
技術研發人員：戴瓊海，邵航，陳德情，王好謙，
申請(專利權)人：清華大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。