巡线机器人视觉导航中的摄像机现场标定

  • 巡线机器人视觉导航中的摄像机现场标定已关闭评论
  • 53 views
  • A+
所属分类:AGV设计资料
摘要

为在工作现场对巡线机器人视觉系统中的摄像机进行标定,提出了一种自动化的标定方法。方法首先通过视觉检测地线和线上的运动目标,发现目标后,控制机器人沿地线作低速运动。检测到目标进入处理区域时,记录目标上最前端点的坐标,然后变换2次视角,获取3个视角下的一系列图像。在处理中,提取每个视角下间隔Δn帧的n幅图像中目标上的最前端点,以通过该点的地线的垂线与地线两侧边缘线及轴线的交点形成2×(n-1)的棋盘格,并对格点进行校正。然后利用地线尺寸、机器人速度和被处理帧间的时间差等已知条件,获取图像中的点与其三维空间点间的对应关系,最后利用张氏标定法相同的处理方式,解算出摄像机的内外参数。结果通过实验验证,以张氏标定结果为准,该算法对内参中的焦距误差不超过5%。通过本文算法,可实现摄像机的工作中的自动标定,无需人工拍摄标定参照物,不需人工干预,能较好的实现自动化。

1 引言

利用机器人对输电线路进行巡检时,常需要变换导航摄像机的视角和焦距,因此实现摄像机的现场标定是巡检工作的基础。摄像机的标定主要有三类方法:传统标定法、基于主动视觉的方法和自标定法[1,2]。传统标定通过制作精密的标定参照物(也称靶标或模板),根据参照物上的点与其成像点间的对应关系实现对摄像机的精确标定。Tsai[3]利用三维模板,张正友[4]利用二维模板,实现了摄像机的内外参数的获取,达到了很高的精度。另外,研究者[5-]针对不同标定条件,在上述方法的基础上,提出了不同的标定算法。然而,这些需要依靠手工操作的方法难以实现自动化的要求,而且在很多场合,标定参照物图像的获取并不容易。自标定方法是利用图像点间的对应关系对摄像机进行标定,无须场景中点的三维信息,比较灵活、方便;但该方法涉及求解Kruppa方程,对噪声敏感,实时性不够高,稳健性较差[8-10]。另外有研究者提出利用消隐点实现自标定,省去了求解Kruppa方程,但它对图像有特殊要求,如图像中需存在长度已知的多条平行线等条件[11],这些条件对于巡线机器人工作现场常常难以满足。基于主动视觉的标定方法中,摄像机安装在可精确控制的运动平台上,利用已知的运动信息来建立含有摄像机模型参数的方程,并通常可线性求解。它具有操作方便、精度高和稳健性好等优点。该类方法包括摄像机纯旋转的标定方法,三正交平移运动的标定方法和平面正交运动的标定方法等,均需要高精度的平台,成本高且附加条件苛刻[12-14]。

在研究已有标定算法的基础上,为获取高空作业的摄像机的内部参数,特别是对单目测距有影响的焦距,考虑到巡线机器人工作现场拍摄的图像中可利用信息少,图像难以人工拍摄的特点,本文设计了一种标定方法,以张氏标定[4]为基础,不需人工拍摄模板图像,依靠机器人自动完成。

2 摄像机模型

图像是空间物体投射到像平面后,在像平面上的成像。空间点和图像上的对应点间的投影关系可采用针孔模型来进行描述。在某些应用中线性模型不足以准确描述成像几何关系,尤其是使用广角镜头时,在远离图像中心处会有较大的畸变,所以还需考虑畸变,因此摄像机模型包括线性模型(针孔模型或小孔成像模型)和非线性模型[5]。

2.1 摄像机的线性模型

针孔模型利用欧氏空间坐标系间的转换来描述空间点的世界坐标系到其成像的像秦坐标系间的投影关系。这一过程涉及四个坐标系:世界坐标系(Ow,Xw,Yw,Zw)、摄像机坐标系(Oc,Xc,Yc,Zc)、图像物理坐标系(Oixy)和图像像素坐标系(Ouuv)。设空间点M的齐次坐标为(Xw,Yw,Zw,1)T,成像后它在图像的像素坐标系中的齐次坐标为m(u,v,1),则两者间的关系为

巡线机器人视觉导航中的摄像机现场标定

式中K为摄像机内部参数,其中fx=f/dx,fy=f/dy,分别为摄像机焦距在图像坐标系下横轴和纵轴方向上的像素长度,f为摄像机焦距,dx和dy为单个像素长、宽的物理长度;(uo,vo)为图像主点坐标,y为像素倾斜率,目前摄像机的精度都比较高,可取y=0;s为任意比例因子。当认为y=0时,K是一个4参数模型矩阵[5]。[R,T]为摄像机外部参数,分别表示由世界坐标系到摄像机坐标系变换的旋转矩阵和平移向量。

2.2 摄像机的非线性模型

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。