摄像机标定中的自标定方法与应用

近年来,视频监控无处不在。每天都会有数以百计的新型监控摄像机问市。观看如此数量之大的视频数据是不可能的,因此自动视频分析技术就变得很重要。在单一和多摄像机视图中,自动视频分析的基本任务是目标物体的检测（识别）和跟踪。显然,为了覆盖大范围的环境,就必需有多台摄像机。通过多台摄像机观察同一环境会引入重要的视觉冗余,这可大大提高目标检测和目标跟踪的鲁棒性和准确性^[161]。

多摄像机目标检测和跟踪是一个非常活跃的研究领域^[263],目前尚不清楚在开发实际系统时,是否仅仅依靠视觉信息就可以完成这些任务。通常,监控系统网络中的摄像机是随意放置的,但是在邻近区域,彼此的视野则没有重叠或仅有很小部分重叠,这样可以最大限度地提高整体空间的监控范围。已知的摄像机之间以及摄像机与环境之间的几何关系（如摄像机校准）,有益于克服潜在目标分类和匹配所带来的基本配准问题^[423]。此外,基于几何校准目标和环境特征的目标分类比基于投影失真图像的目标分类效果要更好。

可以通过以下方式对整个摄像机系统进行描述：①外部摄像机参数（摄像机的姿态,外参数以及外部方向）：相对于一个普通坐标系的每个摄像机的位置和方向。②内部摄像机参数（内参数以及内部方向）,主要是焦距。利用校准目标程序来获得所有参数是很费时间的,而且需要专家来完成,所以当摄像机数目增多时,这种方法就更不可取了。因此,研究人员一直注重自标定方法,旨在使摄像机尽可能地自动完成标定。(www.xing528.com)

在多摄像机的情况下,如果视野重叠,自标定法会通过自动建立多视野中点的匹配来取代定标靶。如果没有重叠,且摄像机离得很近,通常把移动物体的运动轨迹当作平滑的匀速运动。如果只有一个视场,则场景先验知识（如公共地平面、灭点以及目标大小）会给标定提出必要的约束^[611]。自标定法的低于定标靶离线法的精度,但是,它是一种误差足够小的替代方法,可以进一步完成图像跟踪和检测物体的任务。

本章仅限于讨论视频监控摄像机的内参数自标定法。首先,我们给出了在自标定过程中用到的基本的几何概念。其次,我们列举了大量参考文献来说明相关的重要工作和关键原理。最后,我们给出了实例,来说明摄像机标定中的基本问题：灭点检测及其相关应用。如果读者想进一步了解外部标定,有时也称之为摄像机定位,可以参考第13章。