ic”键,进行靶标相对于摄像机的外参数标定,结果如下:
17
f18
其中,Tc_ext表示位移向量,单位为mm;omc_ext表示旋转向量;Rc_ext表示旋转矩阵;
312双目立体视觉标定左摄像机内参数的标定结果保存为Calib_Results_leftmat,右摄像机的标定结果保存为Calib_Results_rightmat。运行stereo_gui指令,进行双目立体标定程序,依次导入左、右摄像机的标定结果文件,实验结果如下26:
其中,om,T分别表示为左摄像机相对于右摄像机的姿态矩阵与位移向量24。点击“Ru
stereocalibratio
”键,计算并输出左、右摄像机的内参数和优化
后的内参数。输出结果:
18
f19
点击“ShowExtri
sicsofstereorig”键,实验结果如图39所示:
Extri
sicparameters
17
1149113415238
6
100
120
50
0
50100
LeftCRYaigmhXetZrCaamXZera
150
Y
10001002000
500400300200100
图39靶标相对于摄像机的位姿
该图显示是14张棋盘图相对于双目摄像机的位姿三维图。
313实验结果分析
Matlab摄像机标定工具是基于张正友平面标定法原理设计的,张正友平面标
定法的原理与流程在本文中的第二章有所叙述。此处,我们针对该算法以及实验
结果进行分析:
张正友的平面标定方法比传统标定方法设备要求低,操作简单,又较自标定
方法精度高,符合家用,办公用的桌面视觉系统DVS的标定要求。但是基于
Matlab实现张正友标定法需要手动进行特征点标靶区域选取,手动选取的不确定
性会给实验结果带来误差。
32立体匹配仿真结果
采用高清双目摄像机拍摄一组左右图像,并分别用两种算法进行匹配,实验图片以及其对应的实物轮廓图片如图310所示
19
f20
图310彩色立体左右图像对以及实物轮廓图
图中上面一组图片显示是左右摄像机拍摄的左右彩色实物图像,下面一组图片显示的是左右实物图像中物体轮廓图
321基于全局误差能量最小化区域匹配算法我们分别取窗口大小为111233的模板进行立体匹配,实验结果如下:1、参数取值为
1m1dmax40f30T201,其中
m表示窗口大小,dmax表示能量误差阈值,f表示摄像机焦距,T表示两摄像机距离,表示容忍误差系数;窗口大小为11时模块匹配又称为点匹配,实验结果如下:
20
f21
图311模块为11视差图
图312模块为11深度图其中可靠视差图是全局视差图去除了“无估计”点即误差值大于阈值的点的视差图,比较两图可以发现,可靠视差图较比全局误差视图陡变区域更缓和;经过中值滤波后的视差图较平滑;误差能量可以大致显示出物体边缘轮廓;深度图显示的是左右两图像中空间r