摄像机标定与图像特征匹配的优化研究

近年来，以图像处理为基础发展起来一门新的学科——计算机视觉。计算机视觉以赋予计算机人类的视觉认知功能为研究目的，其主要内容包括通过计算机分析目标的二维图像，从中获取三维世界的结构和属性等信息，进而完成特征环境下的特殊任务。计算机视觉的基本任务之一是通过摄像机获取的图像信息估计目标物体的三维空间位置、几何结构等信息，从而完成目标物体识别及三维重建。其中，摄像机内外参数，即摄像机成像的几何模型，完全决定了三维场景信息与二维图像信息之间的映射关系。利用一些技术和方法经过一系列计算恢复出摄像机内外参数，这一过程称之为摄像机标定。摄像机标定是计算机视觉最基本和本质的部分，是一种最好的提供度量信息的方法。摄像机内参数包括焦距、位率、斜率和主点，摄像机外参数包括世界坐标系和摄像机坐标系之间的旋转矩阵和平移向量。摄像机标定是计算机视觉领域里从二维图像提取三维空间信息必不可少的步骤，被广泛应用于三维重建、导航、视觉监控等领域。

除了摄像机标定之外，计算机视觉的另一个基本研究内容是图像特征匹配。通常情况下，图像特征包括图像中的点、直线、曲线、区域等。而图像特征匹配是指针对两幅或多幅图像，准确找到它们之间的对应点、对应直线、对应曲线及对应区域等。然而，由于摄像机位姿、焦距以及光照等因素的影响，对于在同一物理区域采集的同一场景和目标物体的多幅图像，其在不同图像上的表观也不同，图像的对应区域还存在射影畸变。因此，学术界和工程界一直广泛关注于如何实现准确可靠的图像特征匹配。此外，图像特征匹配在许多计算机视觉应用中发挥了极其重要的作用，即其在图像检索、拼接、分类以及三维重建等方面具有广泛的应用价值。(www.xing528.com)

在计算机视觉领域中，摄像机标定及图像特征匹配是其基本的研究内容。伴随着图像传感器技术的不断发展，传统的透视摄像机和全景摄像机变得越来越普及。本章重点介绍透视摄像机、多摄像机联动、鱼眼摄像机、全向摄像机等各类摄像机的标定方法及其相关Matlab标定工具。除此之外，还介绍了透视摄像机下几种经典的图像特征匹配方法。本章第一节，分别介绍了透视摄像机的传统标定方法和自标定方法。传统的摄像机标定方法包括基于平面模板的方法、直接线性变换（DLT变换）方法、Tsai的RAC标定方法、基于平面圆的方法以及基于平行圆的方法。其中，重点介绍了基于平面模板的摄像机标定方法及基于Matlab工具包toolbox＿calib的摄像机标定步骤。摄像机自标定方法包括基于Kruppa方程的方法、基于绝对二次曲线的方法、分层逐步以及可变内参数下的分层逐步摄像机自标定方法。本章第二节介绍了几类全景摄像机的标定方法。全景摄像机包括多摄像机联动、鱼眼摄像机、全向摄像机等。多摄像机的标定方法包括基于点、一维标定物、二维标定物的多摄像机协同标定方法以及多摄像机自标定方法。其中，重点介绍了基于二维平面标定物的多摄像机协同标定方法及基于Matlab工具包toolbox＿calib的双目立体摄像机标定步骤。此外，鱼眼摄像机的视场大于180°，拍摄的图像存在很大的畸变，因此介绍了鱼眼摄像机的畸变校正方法和基于消失点的鱼眼摄像机标定方法。之后，重点介绍了基于平面模板的全向摄像机标定方法，并简单阐述了基于直线和球的全向摄像机标定方法。最后，重点介绍了基于Matlab工具包Omni Calibration Toolbox的全向摄像机标定步骤。本章第三节介绍了几种常用的图像特征匹配方法。重点介绍了SIFT特征点匹配方法、特征直线匹配方法以及基于小形变约束的重复纹理图像特征点匹配方法。