申请/专利权人：西安交通大学

申请日：2020-12-06

公开（公告）日：2024-04-02

公开（公告）号：CN112465918B

主分类号：G06T7/80

分类号：G06T7/80

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.03.26#实质审查的生效;2021.03.09#公开

摘要：一种基于Tsai标定的显微视觉标定方法，先使用Tsai两步标定法中的径向排列约束条件进行相机外参数的求解；再通过引入物像平面距离，镜头放大倍数，获得内参数计算模型，通过内参数计算模型，计算得到相机内参数的初始值；最后采用正投影误差作为损失函数，正投影误差即将实际的图像像素坐标经相机成像模型转化为世界坐标，并与设定世界坐标比较所得的误差，采用量子粒子群优化算法对相机外参数和相机内参数的初始值进行非线性优化，最终获得高精度的相机内外参数；本发明能够完成显微相机的标定，并且大大简化了相机内参数的求解。

主权项：1.一种基于Tsai标定的显微视觉标定方法，其特征在于，包括以下步骤：步骤S1：使用Tsai两步标定法中的径向排列约束条件进行相机外参数的求解；步骤S2：通过引入物像平面距离Δ物像，镜头放大倍数mag，获得内参数计算模型如下： 其中Top表示镜头与成像平面间的距离减去后焦距的剩余距离；f表示镜头前焦距，其初始值设定为厂家数据；物像平面距离Δ物像与放大倍数mag初始值同样设定为厂家数据；通过内参数计算模型，计算得到相机内参数Top的初始值；步骤S3：采用正投影误差作为损失函数，正投影误差即将实际的图像像素坐标经相机成像模型转化为世界坐标，并与设定世界坐标比较所得的误差；之后采用量子粒子群优化算法对相机内外参数初始值进行非线性优化，最终获得高精度的相机内外参数；所述的步骤S1具体为：S101：Tsai两步标定法中径向排列约束条件表示为如下形式： 其中Xd,Yd表示实际的图像物理坐标系坐标，x,y表示相机坐标系坐标，Xw,Yw,Zw表示世界坐标系坐标，r11,r12,r13,r21,r22,r23是相机外参数中旋转矩阵中的元素，Tx,Ty是相机外参数中平移矩阵中的元素；将世界坐标系建立于标定板平面上，此时Zw＝0，故径向排列约束条件转化为如下形式： 通过5个特征点对求得上述5个未知参数S102：参数通过如下公式计算： 其中S103：参数Ty的符号通过试验确定，即首先设定Ty符号为正，由步骤S101中得到的参数值计算参数r11,r12,r21,r22,Tx的值，然后提取标定板中的特征点，计算特征点对应的相机坐标系坐标x,y，其中Zw＝0；x＝r11Xw+r12Yw+r13Zw+Txy＝r21Xw+r22Yw+r23Zw+Ty若相机坐标系坐标x,y与实际的图像物理坐标系坐标Xd,Yd的对应坐标值始终具有一致的符号，则表示Ty的符号为正，否则Ty的符号为负，并重新求解参数r11,r12,r21,r22,Tx的值；S104：由于旋转矩阵R为单位正定矩阵，故旋转矩阵R剩余参数通过上述步骤S103中得到的r11,r12,r21,r22进行求解，如下所示： 其中s＝-sgnr11r21+r12r22，sgn是取符号运算符；所述的步骤S3具体为：S301：采用正投影误差作为损失函数，即取所有特征点中设定的世界坐标与通过相机成像模型计算得到的世界坐标的距离的最大值作为损失函数值，如下所示：error＝max{||Pw,i-P'w,iTop,f,k1,α,β,γ,Tx,Ty||}i表示不同的坐标点其中Pw,i表示设定的世界坐标，P'w,iTop,f,k1,α,β,γ,Tx,Ty表示通过相机成像模型计算得到的世界坐标，其计算过程分为三个步骤，即由实际的图像像素坐标转化为理想的图像物理坐标，如下： 其中Xu,Yu表示理想的图像物理坐标；ud,vd表示实际的图像像素坐标；u0,v0表示相机光心坐标，初始值设定为厂家数据；dx,dy表示单个像素物理尺寸，初始值设定为厂家数据；k1表示相机镜头畸变系数，初始值设定为零；再由理想的图像物理坐标转化为相机坐标系坐标，如下： 再由相机坐标系坐标转化为世界坐标，其中Zw＝0，如下：x＝r11Xw+r12Yw+r13Zw+Txy＝r21Xw+r22Yw+r23Zw+TyS302：将相机外参数中的旋转矩阵R转化为欧拉角α,β,γ，并利用相机内外参数初始值构成初始粒子，如下所示： 上角标0表示初始粒子然后设定各参数的搜索范围和粒子数，并通过均匀分布的方式生成粒子群；S303：设定最大迭代次数n，精度要求以及收缩扩张因子λ，并通过如下公式更新粒子位置： 其中ui,jt＝U0,1其中Xi,jt+1表示第i个粒子第j维参数的新位置，Xi,jt表示第i个粒子第j维参数的旧位置，mBestj表示第j维参数的平均最优位置，pi,j表示第i个粒子第j维参数的吸引子，计算公式如下： 其中其中pBesti,j表示第i个粒子第j维参数的个体最优位置，gBestj表示第j维参数的全局最优位置；当达到最大迭代次数n或者满足精度要求时将停止迭代，并输出优化后的相机内外参数值。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于Tsai标定的显微视觉标定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD