刘成安;王宁;张华
【摘 要】针对摄像机与3D激光测距仪外部标定问题,提出一种以镂空的棋盘格为标定模板的新方法.与传统标定方法不同,整个标定过程一次完成数据采集,根据图像和点云数据提取的角点实现外部标定,同时,仅采用同一块标定模板和一次数据采集完成整个标定过程,解决了以往因标定过程繁琐对标定精度带来影响的问题.实验结果表明,该方法简单实用,效果较好.
【期刊名称】《四川师范大学学报（自然科学版）》
【年(卷),期】2014(037)002
【总页数】5页(P282-286)
【关键词】摄像机;激光测距仪;镂空棋盘格;角点;外部标定一氧化氮合成酶
【作 者】刘成安;王宁;张华
【作者单位】中国科学院地球化学研究所,贵州贵阳550002;西南科技大学工程技术中心,四川绵阳621010;中国科学院大学,北京100049;中国科学院地球化学研究所,贵州贵阳550002;西南科技大学工程技术中心,四川绵阳621010
【正文语种】中 文
框计算
【中图分类】TP24
由于机器人技术的快速发展,使得其在核能利用、工业制造、航空航天等领域得到了十分广泛的应用[1].摄像机和激光测距仪是机器人最常用的传感器,激光测距仪提供的距离信息和摄像机提供的彩信息具有很强的互补性,这2种传感器的融合利用[2]对于机器人跟踪控制、定位与导航、作业环境描述与地图创建和多传感器集成与信息融合等关键技术具有重要的作用,因此融合两者的信息成为现代机器人技术研究热点之一.
维夫饼干
为了实现摄像机与激光测距仪的信息融合,精确获得激光测距仪坐标系与摄像机坐标系之间的对应变换关系是至关重要的.获得这一变换关系的过程称为摄像机与激光测距仪的外部位置关系标定[3].近年来,国内外学者做了大量关于摄像机与激光测距仪外部参数标定方法的
研究.美国华盛顿大学机器人研究室最先提出了激光测距仪与摄像机的标定方法[4];G.H.Li等[3]提出了采用直角三角形平板作为靶标,使用线特征标定激光测距仪与摄像机外部参数的方法;D.Scarramuzza等[5]提出将激光测距仪采集的距离信息图通过变换,使场景自然边缘更清晰突出,再提取边缘线条与摄像机拍摄的照片中检测出来的边缘相匹配来实现外部标定;I.Bauermann等[6]提出在传感器平台沿任意轨道移动过程中针对固定靶标多次采集数据,通过最小化不同视角拍摄的多帧间场景点的欧式投影偏差来得到标定结果;S.Florian等[7]提出了使用平面模板标定摄像机与激光测距仪参数的方法;A.Sergio等[8]采用圆形标定靶标定摄像机与激光测距仪的外部位置关系,得到激光测距仪在摄像机坐标系下的姿态估计.项志宇等[9]提出使用一块平面靶标,在不同位置摆放若干次,实现摄像机与激光测距仪的外部标定.
这些标定算法主要利用标定靶建立激光测距仪与摄像机的约束条件,通过标定靶(或者激光测距仪与摄像机)变换不同的位置以提供多个约束条件,求出激光坐标系和摄像机坐标系之间的外部参数.由于标定靶(或者激光测距仪与摄像机)位置变换需要多次采集数据,特征点或者边缘提取算法复杂,标定精度也会因标定过程繁琐而受到影响.针对这些不足,提出了一种基于角点提取的摄像机与3D激光测距仪外部参数标定的新方法.该方法采用一块镂空的棋盘格作靶标,摄像机与3D激光测距仪一次完成标定数据采集,无需变换标定靶(或者激光测距仪
与摄像机)的位置.棋盘格因为其角点清晰,容易提取,可以很好的应用于摄像机.同时,由于镂空部分形成距离突变,使得边缘清晰,也易于从3D激光测距仪的点云数据中提取对应角点.
1 标定原理
1.1 图像角点检测算法 基于灰度图像的角点检测法是从图像灰度值估计角点的位置.这种方法的特点是速度快,且独立于其他局部特征.2个具有代表性的算法:一种是Susan角点检测算法[10];另一种是Harris角点检测算法,由于Harris算法采用了高斯滤波,具有很好的抗噪性[11],是在实践中使用最广泛的角点检测算法.
Harris角点检测算法是通过计算每一个像素点的梯度实现的.如果2个方向上的绝对梯度值都大,则认为这是角点.Harris角点检测算子通过(1)式定义
其中,Iu(x,y)和Iv(x,y)是点(x,y)在u和v方向的一阶偏导数,Iuv(x,y)是二阶混合偏导数,k是经验值,h(x,y)是高斯函数,X和Y是一阶定向差值,它们可以通过灰度与在u和v方向的差分算子的卷积来计算,高斯函数用来减少噪声的影响,因为一阶差分算子对噪声非常的敏感.如果R超过某一阈值,则认为该点是角点.
1.2 点云角点检测算法 点云的曲率计算方法较多,这些方法都是遵守这样的原则,那就是以尽量少的计算量且准确地反应曲线的曲率变化信息.目前应用最多的是k-cosine法[12].
设点的支撑区域是2k+1,则如图1所示,曲线上点Pi(xi,yi,zi)和与它相距为k的2点Pi+k(xi+k,yi+k,zi+k),Pi-k(xi-k,yi-k,zi-k),所构成的矢量aik和bik为
从图1可以看出,某点的夹角大小与该点的曲率成正比关系,即夹角越大,曲率就越大.当某点满足|θk|>T时,将该点划分为候选角点,在候选角点集合中,选取局部区域内曲率的极大值,就获得该局部区域的角点.
图1 k-cosine法Fig.1 k-cosine rule钢结硬质合金
1.3 外部参数标定算法 摄像机与3D激光测距仪的外部参数标定,实际上就是获得摄像机坐标系与3D激光测距仪坐标系之间的变换关系,如果空间一点P在摄像机坐标系和3D激光测距仪坐标系内坐标为PC(XC,YC,ZC)和PL(XL,YL,ZL),则它们的关系可由(2)式表示
其中,R是一个3×3的旋转矩阵,T是平移矩阵.
设标定PC在摄像机图像坐标系中的图像坐标为M(u,v),根据摄像机的成像模型,2坐标之间的关系可以表示为
其中M1由摄像机内部参数决定.由(2)～(5)式,可得
2 实验结果与分析
图2为将摄像机和激光测距仪固定在一起组成的融合系统实物图,其中摄像机为Bumblebee双目相机,激光测距仪为Swiss Ranger 4 000 3D激光测距相机.图3为实验标定靶实物图,采用镂空的棋盘格,格子的尺寸为6 cm×6 cm,标靶距3D激光相机大致为2 m.
图2 场景感知传感器Fig.2 Scene perception sensors
图3 镂空的棋盘格Fig.3 The template of hollow checkerboard
实验中,首先用双目相机的左目摄像机采集标定靶的图像数据,用Matlab编程实现Harris角点检测算法,对图像中镂空棋盘格的角点进行提取,图像角点提取的部分结果如表1所示.
其次,用3D激光测距相机采集镂空棋盘格的三维点云数据,并根据相机到棋盘格大致深度,设
定阈值t,对大于t的深度数据予以滤除,然后VC++编程实现3D点云角点检测算法,计算获得3D角点的三维信息(x,y,z),镂空棋盘格点云数据与图像角点相应的角点的三维信息(x,y,z)如表2所示.
可视对讲机尺寸
最后,将表1和表2的对应数据带入方程(6),并利用最小二乘法求解该超定方程,可计算得出摄像机和3D激光测距相机之间的旋转矩阵R和平移矩阵T,其结果如表3所示.根据标定结果,以 Matlab和VC++编程实现算法,对一桌面场景目标进行空间目标的定位实验.实验流程如下.
1)使用SR 4000 3D激光测距相机和Bumblebee双目相机的左目摄像机同时采集同一桌面场景图像和点云数据,图4a、b分别为桌面场景目标的图像和点云.
2)用阈值法[14]去除深度较大的点云,见图5a,然后用RANSAC算法[15]对桌面模型进行拟合,提取桌面点云集,见图5b.
铣床飞刀3)分别对点云和图像进行分割,分割结果分别如图5c和图5d所示.
4)利用点云数据计算目标的三维特征,完成3D模型的重构,如图5c所示;然后利用图像与点云的空间映射关系(由标定结果用R和T表示),估计空间目标位姿、形状和大小,实现空间目标的
定位检测,如图5d所示.从图5d可以看到,由目标物体的点云数据的三维特征映射到图像中目标物体的轮廓和位置等相当准确,能准确实现空间目标的定位.
图4 空间目标定位检测图Fig.4 The location of space objects
图5 数据处理Fig.5 Data processing
3 结语
针对摄像机和3D激光测距仪系统外部参数的标定问题,提出一种新的标定方法.该方法采用一块镂空的棋盘格作靶标,摄像机与3D激光测距仪仅用一次标定数据采集就完成了外部参数的标定,无需变换标定靶(或者激光测距仪与摄像机)的位置而进行多次数据采集,同时以镂空的棋盘格作靶标的图像与点云数据易于实现角点提取,算法也相当简单,从而消除了因标定过程繁琐对标定精度的影响,提高了标定效率.实验结果表明,该方法精度较高而且操作简单,具有较高的实用价值.
表1 图像角点Table 1 The feature points of visible image(/pixel)编号 u v 编号 u v 编号 u v 1 297 48 9 306 353 17 189 215 248 85 10 356 314 18 326 186 198 130 11 400 277 19 2
79 223 149 172 12 407 192 20 227 266 144 260 13 372 147 21 365 231 183 305 14 334 95 22 317 271 226 353 15 287 136 23 268 311 260 395 16 239 176 2 3 4 5 6 7 8
