野外大视场双目视觉物体定位监测系统的单参数快速标定
双目相机 测量 物体 长宽高信息 方法

双目相机测量物体长宽高信息方法双目相机测量物体长宽高信息的方法是一种常用的计算机视觉技术,可以实现对三维物体的精确测量。
下面将介绍双目相机测量物体长宽高信息的原理、步骤和应用。
1.双目相机测量原理双目相机是指由两个摄像头组成的成像系统,模拟了人眼的视觉感知机制。
通过左右眼看到的不同视角,可以获取到三维物体的深度信息。
利用双目视觉测量方法,可以计算出物体的长、宽和高等几何尺寸。
2.双目相机测量步骤(1)相机标定:在进行测量之前,需要先对双目相机进行标定。
相机标定是通过拍摄一组已知尺寸的校准板图像,利用相机内参和外参的确定来建立相机的坐标系和世界坐标系之间的关系。
(2)图像获取:在标定完成后,需要拍摄待测物体的左右视角图像。
通过两个摄像头同时拍摄同一物体的不同视角,形成左右图像对。
(3)图像匹配:采用特征点匹配的算法,对左右图像进行匹配,找出对应的特征点。
常用的特征点匹配算法有SIFT、SURF等。
(4)三维重建:通过匹配得到的特征点对,可以计算出左右图像之间的对应关系,进而确定物体在三维空间中的位置。
根据三角测量原理和相机标定参数,可以得到每个特征点的三维坐标。
(5)尺寸测量:在得到物体的三维坐标后,可以通过计算两个特征点之间的距离,来确定物体的长、宽和高等尺寸信息。
3.双目相机测量应用双目相机测量方法可以广泛应用于工业领域和机器人领域:(1)3D视觉检测:双目相机能够提供高精度的三维尺寸数据,可以在无人机、智能手机、电视等产品的生产过程中进行3D视觉检测,实现自动化检测目标的尺寸精度,提高生产效率。
(2)物流仓储:双目相机可以用于快速测量物体尺寸,可以应用于物流仓储行业中的自动分类、计量等环节,提高物流效率。
(3)机器人导航:双目相机可以提供环境的三维深度信息,可以用于机器人的自主导航和障碍物避障,提高机器人的智能化程度和安全性。
总结:双目相机测量物体长宽高信息的方法通过利用左右视觉图像的深度差异,以及相机标定提供的几何参数,可以实现对物体的精确测量。
一种用于大场景双目视觉系统摄像机的标定方法

一种用于大场景双目视觉系统摄像机的标定方法王剑;王宇胜;刘峰;李清嘉【摘要】基于相机成像的针孔模型,通过建立世界坐标系、摄像机坐标系和图像坐标系之间的数学关系,理论上推导了摄像机相关参数显式的表达式,并在此基础上探究了参数与坐标的关系.通过获取实验数据验证了各参数标定结果的准确性.利用标定结果,根据图像坐标系目标图像坐标(u,v)与其对应的大地坐标值(Xw,Zw)之间的关系计算了各个目标的大地坐标,并将计算结果与GPS计算的目标坐标、参数参考值计算的坐标结果相比较,在误差允许的范围内,提出了一种双目视觉条件下的摄像机标定方法.【期刊名称】《中国民航大学学报》【年(卷),期】2016(034)003【总页数】5页(P1-5)【关键词】双目视觉系统;针孔模型;摄像机标定;目标定位;世界坐标系;图像坐标系【作者】王剑;王宇胜;刘峰;李清嘉【作者单位】中国民航大学电子信息工程学院,天津300300;中国民航大学电子信息工程学院,天津300300;天津大学精密仪器与光电子工程学院,天津300072;中国民航大学中欧航空工程师学院,天津300300【正文语种】中文【中图分类】V355;TP391image coordinate system民用机场客流量逐年增加,使机场场面监视的压力与日俱增。
现有监视设备造价高、维护成本也较高,且系统存在各自的不足;除了传统的场面雷达、ADS-B和MLAT等监视手段外,需要寻找新的途径来实现机场场面的监视,以满足下一代交通管控[1]的发展。
计算机双目视觉系统以其非接触性、速度快和高精度的特点在诸多方面发挥了重要作用[2]。
双目视觉的基本任务之一就是通过获取图像中目标的坐标信息来实现世界坐标系中对应目标的准确定位。
建立数学模型后,为了实现目标更加准确的定位,首先获取摄像机的参数是不可或缺的一步,即摄像机的标定,标定结果直接影响着坐标的误差[3]大小。
文献[4]提出了一种大视场条件下的标定方法;此外文献[2,5~7]中介绍了多种标定的方法,但主要是针对摄像机的镜头畸变实现参数的求解。
双目立体视觉测量系统的标定

双目立体视觉测量系统的标定杨景豪;刘巍;刘阳;王福吉;贾振元【期刊名称】《光学精密工程》【年(卷),期】2016(024)002【摘要】考虑传统的自标定方法虽然无需场景信息即可实现摄像机标定,但是标定精度较低,故本文提出了一种新的大视场双目视觉测量系统自标定方法.该方法无需高精度标定板或者标定物,仅需利用空间中常见的平行线和垂直线建立摄像机参数与特征线间的约束方程,即可实现摄像机的内参数与旋转矩阵标定;同时利用空间中距离已知的3个空间点即可线性标定两摄像机间的平移向量.通过标定实验对本文提出的方法进行了验证.结果表明:该方法标定精度能够达到0.51%,可以较高精度地标定双目测量系统.由于避免了大视场测量系统标定中大型标定物制造困难,以及摄像机自标定过程中算法冗杂,标定精度不高等问题,该方法操作简便,精度较好,适用于大视场双目测量系统的在线标定.【总页数】9页(P300-308)【作者】杨景豪;刘巍;刘阳;王福吉;贾振元【作者单位】大连理工大学教育部精密特种加工实验室,辽宁大连116024;大连理工大学教育部精密特种加工实验室,辽宁大连116024;大连理工大学教育部精密特种加工实验室,辽宁大连116024;大连理工大学教育部精密特种加工实验室,辽宁大连116024;大连理工大学教育部精密特种加工实验室,辽宁大连116024【正文语种】中文【中图分类】TP391;TB92【相关文献】1.基于双目立体视觉的大范围光笔测量系统研究 [J], 肖伟红;王彬;郑光辉;漆振华2.稳定高精度的双目立体视觉测量系统标定方法 [J], 马俊;3.稳定高精度的双目立体视觉测量系统标定方法 [J], 何万涛;梁永波;李景贺4.基于双目立体视觉的小型工件测量系统 [J], 赵琛; 江卫华5.双目立体视觉测量系统的精度分析 [J], 杨洪涛;何海双;李莉;张荣荣;张宇因版权原因,仅展示原文概要,查看原文内容请购买。
双目视觉 标定流程

双目视觉的标定流程主要包括以下几个步骤:
1. 准备标定板:选择一个具有明显特征的标定板,如具有方格或圆点的图案。
确保标定板的表面平坦且坚固,以便能够准确地检测其特征。
2. 拍摄标定图像:使用双目视觉系统拍摄标定板的图像。
确保从不同的角度和位置拍摄多张标定图像,以便能够充分覆盖视场范围。
3. 特征检测:对拍摄的每张标定图像进行特征检测,提取出标定板上的特征点。
这可以通过使用计算机视觉算法实现,例如使用SIFT、SURF或ORB等算法。
4. 相机参数设定:在双目视觉系统中设定相机的参数,包括内参和外参。
内参包括焦距、主点坐标等,外参包括旋转矩阵和平移向量等。
这些参数可以根据标定结果进行优化和调整。
5. 标定数据计算:根据拍摄的标定图像和特征点信息,计算出相机的内外参数以及畸变系数。
这一步通常涉及到复杂的数学计算和优化过程。
6. 验证标定结果:为了确保标定结果的准确性,可以使用一些验证方法。
例如,可以重新拍摄标定板并检测特征点,然后比较新旧标定结果的一致性。
此外,还可以使用一些评估指标,如重投影误差等来评估标定效果。
7. 调整参数:根据验证结果,如果标定效果不理想,可能需要
重新调整相机参数或重新拍摄标定图像,并重复上述步骤。
通过以上步骤,可以完成双目视觉系统的标定过程,为后续的立体匹配、三维重建等应用提供准确的相机参数和畸变校正。
双目视觉摄像机的参数标定参考坐标系介绍

双目视觉摄像机的参数标定参考坐标系介绍重磅干货,第一时间送达本文转自 | 新机器视觉焊接机器人视觉的基本任务就是从双目摄像机获得的二维图像中恢复物体的三维空间信息,从而能够识别目标物体,进行生产作业。
空间中物体与其在成像平面形成的二维图像的相互关系由摄像机的内外参数决定,内部参数是由摄像机本身的类型决定的,主要是由摄像机感光元件和光学特性决定;外部参数是由建立的摄像机坐标系与基坐标系之间的相对位置关系决定。
摄像机标定方法主要有两种:传统的双目视觉摄像机标定和摄像机自标定的方法。
传统的双目视觉摄像机标定方法主要利用尺寸、大小、形状己知的标定模板,通过左右摄像机采集到的图像与空间标定模板之间的位置变换计算出摄像机的内外参数。
而自标定方法仅仅依靠摄像机采集的二维图像信息就可以确定摄像机的参数,但是必须使用运动序列的图像,标定难度较大。
本章主要对传统的双目视觉摄像机标定方法进行了研究。
参考坐标系介绍为了描述双目焊接机器人立体视觉,需要建立以下五种坐标系即像素坐标系、图像坐标系、摄像机坐标系、基坐标系以及机器人末端坐标系,同时还需要计算各坐标系之间的转换关系,才能实现对目标物体的测量、定位、建模等一系列工作。
(1)像素坐标系CCD摄像机将采集到的数字图像信息以数组的形式记录下来,数组中的元素代表像素,元素的大小为像素点的灰度值,拍摄图像时使用的分辨率(如1600 X1200)为数组的范围,像素坐标系OoUV定义如图3.1所示,Oo为像素坐标系的坐标原点,U轴和V轴表示像素点在像素坐标系中的行数和列数,坐标都是以元素为单位。
(2)图像坐标系由于像素坐标系中表示的元素都是以像素为单位,而在实际的视觉系统应用中需要以物理单位(如毫米)来描述目标位置,因此需要建立一个新的坐标系即图像坐标系。
图像坐标系O1XY如图3.1所示,设O1为摄像机光轴与成像平面的交点,定义O1为图像坐标系原点,一般情况下O1点在图像的中心位置,但是摄像机在制造过程中由于制造工艺等原因可能会产生一定的偏离。
大视场双目立体视觉的摄像机标定

摘要 :针对大视场视觉测量应用 ,在分析 摄像 机成像模型的基础上 , 计制作了可自由转动的十字靶 标, 设
实现 了大视场双目视觉摄像机的精确标 定。将十字靶标在测 量空间内多次均匀摆放 ,两摄像 机同步拍摄多 幅靶标 图像 。由本质矩阵得到摄像机参数 的初 始值 , 采用 自检校光束法平差得到摄 像机 参数的最优解 。该
I
0 “I 0
K I =0 [f J R】 1 P
0 0 1 I
Il 【f R】 尸
(OV) 图像平面 的主点坐标 ; 1,O l 一
( 1
式中: - tf A# : -L w  ̄ ; J
—摄像 机的 内参数矩 阵;
◆
懿
箍 Devel opm ent
作难度,适合大视场双 目立 体视觉的摄像机标 定。
:
如 图 1 示 ,三 维 空 间 点 P [ Y 1r 摄 像 机 成像 平 面 上 的 二 维 投 影 点 p [ ] 常 用 理 想 针 孔 模 型 所 - =x z ]在 一 ”vT
描述【I可表示为 : 6 】
j
=
用方便性 。
2 、求 解 本 质 矩 阵
双 目立 体 视 觉 中摄 像 机 一 般 使 用 工 业 相 机 ,故 使 用 摄 相 机 的 出 厂 参 数 作 为 摄 相 机 的 内参 数 初 始 值 。利 用 本 质 矩 阵 获
圈
码 记 作为 点 每 特 标 点 标定 , 个 征点
的编码均不 同。该标定方法不要求
特 占其 而 .佃 需 季 知 亍 首特 占
卜 字
d 、a 一分 别 为 图像 在 “轴 、 v 的焦 距 参 数 ; 轴 R、 t~ 从 世 界坐 标 系 到 摄 像 机 坐 标 系 的 旋转 矩 阵 和 平 移 向量 , 构成 了摄 像机 的 外 参 数 。 针 孔 线 性模 型 虽 比较 简 单 ,但 不 能 准 确 地 反 映 实 际 的 成 像 几何 关系 。在实 际 中,摄像 机 的镜头 都是存 在畸 变 的,
双目立体配准标定常用方法

双目立体配准标定常用方法嘿,咱今儿就来唠唠双目立体配准标定常用的那些法子!你想想啊,这双目就好比咱的两只眼睛,要让它们能精准地配合,那可得有一套好办法才行嘞!先来说说基于特征点的方法。
这就好比是在茫茫人海中,通过一些特别的标志来找到对应的人。
咱在图像里找到那些明显的特征点,然后让两个图像里的这些点对上号。
这就像玩拼图一样,把这些特征点拼到一块儿,让图像能完美重合。
这可不是件容易的事儿啊,但一旦做好了,那效果可杠杠的!还有基于区域的方法呢。
这就像是把图像分成一块一块的区域,然后比较这些区域的相似性。
就好像分辨两块布料是不是一样的材质,得仔细瞅瞅它们的纹理啊、颜色啊啥的。
通过这样细致的比较,让双目能更好地协同工作。
再讲讲主动式的方法。
这就有点像主动出击,给图像加点特别的东西,让配准标定变得更容易。
比如说发射一些特定的光线或者图案,然后根据这些来进行精准的调整。
这就好比给双目配上了专门的导航,让它们能更准确地找到自己的位置。
你说这双目立体配准标定难不难?那肯定难啊!但咱不能因为难就退缩呀!就像爬山一样,虽然过程辛苦,但登顶后的风景那叫一个美!这些方法不就是我们攀登的工具嘛,用好了就能看到更精彩的世界。
咱再回过头想想,要是没有这些方法,那双目立体成像不就乱套啦?啥都看不清,那多糟糕呀!所以说呀,这些常用方法可真是太重要啦!它们就像是一双双神奇的手,把双目立体配准标定这件事儿变得有条有理。
咱生活中好多地方都得用到双目立体配准标定呢,像机器人导航啦,三维重建啦,这些都离不开它。
那这些方法不就成了幕后的大功臣嘛!所以啊,咱可得好好研究研究这些方法,让它们发挥出最大的作用。
可别小瞧了它们,它们虽然看起来不起眼,但真的是能解决大问题嘞!咱得像珍惜宝贝一样对待它们,让它们为我们的生活带来更多的便利和惊喜!咋样,现在是不是对双目立体配准标定常用方法有了更深的认识啦?。
双目视觉检测概述

双目视觉检测概述双目视觉检测的原理是通过两个摄像头同时从不同的角度观察同一物体,然后计算物体在两个摄像头图像中的位置差异,从而得到物体的距离。
通过计算两个摄像头的基线、焦距和物体在图像中的像素位移,可以得到物体的实际距离。
双目视觉检测可以用于室内外环境中的机器人导航、物体识别、人脸识别、手势识别等多个领域。
双目视觉检测在物体识别领域也有广泛的应用。
通过获取物体的三维形状信息,可以更加准确地进行物体识别和分类。
与传统的单目视觉检测相比,双目视觉检测可以克服物体遮挡、投影变形等问题,提高物体识别的准确性和鲁棒性。
手势识别是双目视觉检测的另一个重要应用。
通过获取手部的三维形状信息,可以实现手势的实时识别和跟踪。
与传统的单目手势识别相比,双目视觉检测可以更加准确地获取手部的形状和位置信息,提高手势识别的准确性和实时性,进一步扩展了手势识别的应用领域。
双目视觉检测的发展还面临着一些挑战和问题。
首先,双目视觉系统的精度和鲁棒性需要进一步提高,以应对复杂环境中的干扰和噪声。
其次,对于快速移动的物体,双目视觉检测的实时性和准确性也需要改进。
此外,双目视觉检测的成本较高,对硬件设备和计算资源的要求较高,需要进一步降低成本和提高效率。
总之,双目视觉检测是一种应用广泛且具有前景的技术。
通过模仿人类的双眼视觉系统,双目视觉检测可以实现对物体的三维形状、距离、运动信息等的测量和分析。
在机器人导航、物体识别、人脸识别、手势识别等领域都有重要的应用价值。
随着硬件和算法的不断进步,双目视觉检测将会得到更广泛的应用和推广。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
野外大视场双目视觉物体定位监测系统的单参数快速标定王向军;王晶;刘峰;王剑;张召才【摘要】提出了一种只对相机水平偏角进行现场校准的标定方法用于野外远距离、大视场、双目视觉物体定位监测系统的快速标定.该方法通过合理考虑视觉传感器的调平装置,结合现场使用过程中相机焦距值固定的特点,简化了测量模型,减少了待标定参数;只需要测得监测中心和相机在大地坐标系中的经纬度坐标及监测中心的图像坐标即可完成系统标定.由于不需要高精度靶标,从而克服了靶标移动及摆放对标定过程的影响.在实际使用中,对2 km以外400 m×800 m的区域进行监测时,相对定位误差小于0.25%,其中由焦距值误差引起的相对定位误差不超过0.07%.该摄像机标定方法在保证测量精度的同时,具有易实现、用时少等优点,适用于野外大视场环境下物体的快速定位监测.【期刊名称】《光学精密工程》【年(卷),期】2013(021)010【总页数】7页(P2664-2670)【关键词】双目视觉;摄像机标定;快速标定;大视场;精度验证【作者】王向军;王晶;刘峰;王剑;张召才【作者单位】天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学微光机电系统技术教育部重点实验室,天津300072;天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学微光机电系统技术教育部重点实验室,天津300072;天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学微光机电系统技术教育部重点实验室,天津300072;中国民航大学电子信息工程学院,天津300300;天津大学精密测试技术及仪器国家重点实验室,天津300072;天津大学微光机电系统技术教育部重点实验室,天津300072【正文语种】中文【中图分类】TP242.62;TP3911 引言双目视觉测量系统因其能够实现三维空间坐标测量且测量非接触等特点被广泛应用到工业、军事及航空航天等领域[1]。
对系统中所使用的视觉传感器进行标定,获取相机参数是双目视觉测量系统的关键[2]。
已有研究者提出了多种标定方法,并取得了良好的效果[3]。
传统的相机标定方法通常是在相机视场内摆放标定模板[4],用标定模板为标定过程提供精确的标定点坐标,例如R.Tsai[5]提出的基于径向约束的两步法。
针对大视场中的相机标定,O.Faugeras[6]首先提出了自标定的方法,张建新[7]提出了基于平行线消隐点的理论标定方法等,但是受到视场范围和标定靶标制作精度以及摆放位置、姿态的限制,这些方法无法满足本文中所提到的野外大视场双目视觉物体定位监测系统快速标定的要求。
本文提到的定位监测系统用于超大视场中的物体位置解算,监测的范围为400m×800m的矩形区域,CCD相机距离监测区域中心点位置约2~3km。
结合这种双目视觉测量系统在大视场野外环境下物体定位监测中的应用,在保证测量精度前提下,本文给出了一种减少待标定参数[7],实现对未知参数的快速求解的方法。
该方法是一种仅对光轴水平偏角进行校准的相机参数获取方法,其避免了靶标对标定的影响,可实现野外远距离、大范围环境下的快速标定。
文中还采用了单参数误差分析[8]的方法,利用matlab对误差进行分析,将单参数标定方法与原标定方法进行比较,并通过实际测量对该方法的精度进行验证。
2 标定原理2.1 测量模型标准标定方法简介考虑到大视场环境下透射物距远大于相机焦距,本文选用小孔摄像机透射模型[9]作为测量模型,且系统使用单反相机,主要使用相面的中间区域,参考文献[8],采用线性标定,对精度影响较小,本文仍沿用这种方法。
利用透视矩阵变换建立大地坐标系、相机坐标系及像面坐标系之间的映射关系。
这一关系可由式(1)表示:其中:u0,v0 为图像中心坐标,dx,dy 为像素在轴向上的物理尺寸;f为相机焦距;u,v和XW,YW,ZW分别为物体在图像坐标系及大地坐标系中的坐标。
R为正交旋转矩阵,T为平移矩阵。
R与相机自转角α、俯仰角β及倾斜角γ有关。
T反映的是相机光心的平移信息,与摄像机坐标系相对于大地坐标系在3个坐标轴向上的平移矢量有关,分别用Sx,Sy,Sz表示。
相机的未定参数包括相机的内部参数和外部参数[10]两部分,其中内部参数包括像面中心坐标u0,v0像素在轴向上的物理尺寸dx,dy,相机焦距f。
像面中心坐标以及像素的物理尺寸可由厂商提供的器件参数得到。
外部参数包括3个平移矢量Sx,Sy,Sz和3个旋转角度α,β,γ。
文献[8]中提到的标定方法是在考虑系统的调平装置的前提下对模型进行简化,减少了未知参数,只对相机焦距f以及光轴水平偏角进行现场获取的方法。
利用2个已知大地坐标的物体便可求得摄像机的未知参数。
在监测区域内放置2个靶标作为已知点,将其大地坐标表示为(XW1,ZW1),(XW2,ZW2),相应的像面横坐标为x1,x2,且x1<x2,标准标定方法的待标定参数表达方程如式(2)所示:其中在该方法中,需将光电靶标放置于监测区域内合适的位置,作为已知点,靶标摆放最优位置利用误差分析原理进行选择[11]。
其中平移矢量通过在相机镜头正上方加三角棱镜后利用全站仪进行测量得到。
并代入式(2)对相机参数进行标定。
本文中的单参数快速标定方法是在这种标定方法的基础上提出的。
2.2 基于工程应用的单参数快速标定方法在实际应用中,现场环境对光电靶标的使用产生了极大的限制。
首先监测范围大,监测区域地形起伏,导致靶标不易摆放和调整,增加了标定系统准备时间;另外相机光心与监测中心距离远,现场光线强烈,对靶标的尺寸和材质有着极高的要求,地势遮挡及远距离的瞄准也给全站仪器的使用造成了困难;而且靶标位置选择需要有一定的系统知识,不便于掌握,需技术人员随行,不利于频繁使用。
考虑到上述工程实际中的条件限制,对上述标定方法进行进一步的简化,提出了只对相机光轴水平偏角进行现场校准的标定方法。
当β、γ均设为0时式(1)中矩阵将得到极大的简化。
由误差分析可知当β、γ小于1°时,近轴误差基本为0[12],最大误差不超过1/10pixel,可忽略不计,考虑到系统的调平装置可将β和γ均设为0。
并对上述矩阵变换进行简化,简化结果如式(3)所示,其中 X=(u-u0)×dx,Y=(uu0)×dy。
整理可得方程组如式(4)所示:将方程组中与XW,ZW有关的方程进行化简可得式(5)所示方程:由于测量距离远,为使获取的图像清晰便于图像处理,系统中所使用相机的焦距变化范围为10~24mm,并且相机参数设置为长焦状态即f=24mm时能够满足测量要求,将焦距作为已知参数,仅需对光轴的水平偏角进行标定。
利用一个已知点即可完成未知参数的求解。
已知点的巧妙选取能够决定标定简易程度,这里将大地坐标系的原点作为已知点以使标定方程最简。
为方便物体位置的说明,将监测中心位置作为原点,以正北方向作为X轴正向,建立大地坐标系,得到XW=ZW=0。
设监测中心在图像中的坐标为u,利用架设在监测中心的GPS测量设备做为标志物,可直接在相机拍摄图像上读取,x0=u-u0,式(5)简化为式(6):则水平偏角的表达式如式(7)所示:由此不难看出,简化后的标定方法只需测得相机相对与监测中心的2个平移矢量及监测中心在图像中的坐标即可完成标定。
本文对平移矢量的测量方法提出了改进。
利用实时动态差分GPS测得相机及监测中心所在位置在大地坐标系中的经纬度坐标,通过串口通信的方式传递给计算机上的测量软件,计算得到平移矢量。
为方便计算以正北方向为X轴正向建立如图1所示直角坐标系。
C1,C2为相机所在位置,L为相机距监测中心距离,平移矢量可以表示为:利用两点的经纬度坐标计算相机距离监测中心的距离及相机和监测中心连线与正北方向的夹角即可得到平移矢量。
设监测中心及相机的经纬度坐标为(lato,lono),(latc,lonc)距离L 及夹角φ 公式如式(9)、(10)所示:其中:R为地球的平均半径。
图1 平移矢量示意图Fig.1 Sketch map of the translation vector由上所述方法只需利用GPS测量获得监测中心及相机所在位置在大地坐标系中的经纬度坐标,可计算得到标定所需的平移矢量,代入式(7)完成对相机光轴水平偏角的标定。
3 实验数据分析与精度验证各参数测量误差相互独立,根据误差分析原理我们可以对各参数进行单独分析[13],又因本文提到的标定方法的简化主要体现在将焦距值作为已知参数并选取监测中心作为已知点进行相机参数的快速获取,而焦距采用分档定位,存在毫米量级的误差,焦距误差将给偏角与距离的计算带来误差,因此误差分析的重点在于焦距值误差对定位精度的影响。
由于坐标轴的建立由使用需求决定,其方向是变化的,XW,ZW坐标值也会随之发生改变,但物体相对于监测中心的偏心距固定不变,因此通过分析f对偏心距dW=的影响进行定位误差分析,对本文提出的标定方法进行评价,并与简化前的标定方法进行比较。
考虑焦距值存在毫米量级误差,将焦距的极限误差值代入误差分析方程,取δf1=δf2=2 mm,分析简化后的标定方法中δf1,δf2对监测区域内各点偏心距测量结果的影响。
为简化分析过程,取两个视觉传感单元与监测中心距离为L1=L2=2 000m,自转角为α1=45°,α2=135°。
根据误差分析原理不难得知δf1,δf2对偏心距的影响可以表示为:利用matlab进行误差分析,分析结果如图2(a)所示,XW,ZW 分别在监测中心两侧-200~200m及-400~400m变化,整个监测区域内由引起的偏心距误差δdW不超过0.5m,监测区域的四角误差较大,且整个区域内各点处相差较少。
为比较标定方法简化前后对偏心距计算值的影响,对两种方法下监测区域内各点处偏心距计算值的偏差σDW进行分析,结果如图2(b)所示,最大差值不超过0.4m。
对测量距离L1、L2在1~3km变化时分别进行误差分析,测量距离为1 km时最大测量差值不超过0.17m,测量距离为3km时最大差值不差过0.5m,该差值相对测量距离不太敏感。
其它引起偏心距误差的因素还包括利用GPS测得的监测中心与相机间的距离L及夹角φ,本系统使用双频差分GPS,其平面定位精度为±5mm,经分析其在监测区域四角产生最大定位误差不超过15mm,对定位精度影响不大。
由以上分析可以认为简化后的标定能够满足物体定位监测的精度要求。
确认了简化方法的正确性后,本文通过多次实地实验对解算的精度进行了进一步的验证。
实验时监测中心与相机所在位置关系如下:两个相机与监测中心距离分别为L1=2 136.041m,L2=2 084.953m,该距离是利用GPS测量经纬度后计算得到,相机焦距设置为f1=f2=24mm,原标定方法得到的焦距标定结果为f1=22.894mm,f2=23.169mm。