視頻監控中基於行人跟蹤的攝像機自動標定
爲了能夠用更簡易的手段解決視頻監控系統中的攝像機參數獲取問題,提出了一種基於場景中行人位置信息的攝像機自標定方法。先對由不同位置的行人輪廓中提取出的頭腳點位置信息進行篩選,再通過極大似然估計求解出消失點與水平消失線,並根據消失點與消失線信息計算出攝像機的內外參數和投影矩陣。最後根據由重投影統計計算的誤差評價係數,採納RAN SAC方法選取最優結果,實現了對參數的優化。實驗表明:該方法有效降低了行人信息獲取中的觀測噪聲和過程噪聲對攝像機標定的影響,能夠得到較理想的攝像機自標定效果。
智能交通監控中攝像機標定方法研究
隨着社會和經濟的發展，交通監控的範圍不斷擴大，交通監控攝像機的數目呈爆炸性增長。傳統的人工監控方法已經不能滿足當前交通監控的需求。智能交通監控作爲一門新興技術，利用計算機完成各種監控任務，不僅節省大量的人力資源，而且提高監控分析的準確性，是交通監控技術發展的必然趨勢。攝像機標定是實現各種計算機視覺任務的基礎，也是實現智能交通監控的先決條件。本文針對交通監控攝像機的標定問題進行了深入研究，探討了不同類型的交通場景下攝像機的標定問題，本文的主要工作有： 1.考慮到現有的基於消失點的標定方法存在所估計參數個數少或標定條件苛刻的問題，提出一種基於消失點和消失線的監控攝像機標定方法。對於攝像機內參數和旋轉角的估計，首先提出一個最小標定條件，它由兩個消失點和水平消失線組成，適用於大多數交通場景；然後從最大後驗概率的角度出發，對攝像機參數和消失點的觀測誤差建模，並融入水平消失線和攝像機參數之間的約束關係，最終將標定問題轉化爲一個最小二乘優化問題；爲了獲得更加準確的標定結果，提出一種動態標定方法，它充分利用消失點的多個觀測值。對於攝像機移位向量的估計，提出一種靈活的計算方法，它既可以使用已知的攝像機高度，也可以使用已知的路面距離或者已知的路面高度。仿真實驗和真實交通圖像的實驗均表明所提出的標定方法在準確性和魯棒性方面顯著優於現有的閉式標定方法。 2.考慮到現有的基於三維模型的汽車配準方法在存在遮擋或干擾情形下效果並不理想的問題，提出一種更加準確、魯棒的基於線框模型的汽車配準方法。首先，提出兩種基於圖像梯度的擬合度函數來度量汽車3D-2D匹配程度，避免了圖像特徵（例如特徵點、邊緣、輪廓）的提取。考慮到汽車線框模型和真實汽車之間的不一致性，將汽車模型的線框分爲兩類：主要線框和次要線框。主要線框描述的是汽車的外形輪廓以及車身上一些明顯的邊界。通常，主要線框和相應的圖像邊緣能夠很好地擬合，次要線框則不然。爲了提高汽車配準方法的準確性，提出的兩種擬合度函數均突出了主要線框的作用，對主要線框和次要線框的擬合分數使用不同的權重或者不同的函數。然後，根據所提出擬合度函數的特性，提出一種直接搜索算法來優化擬合度函數。該優化方法使用分佈式粒子和由粗到細的分層策略，不僅避免陷入局部極值，而且顯著降低計算成本。真實交通圖像的實驗表明所提出擬合度函數的正確性、對遮擋和干擾的魯棒性，以及所提出優化方法的有效性。 3.針對無法獲得消失點或消失線的一類特殊交通場景，提出一種基於汽車3D-2D匹配的監控攝像機標定方法。該標定方法將三維汽車模型當作標定物，求解汽車正確匹配時所對應的攝像機參數，將標定問題轉換成擬合度函數的優化問題。爲了獲得較好的優化初值，從三維汽車模型和圖像上汽車區域選取若干組3D-2D點對應，利用這些點對應的匹配計算攝像機參數的初值。爲了提高標定結果的準確性，充分利用視頻序列的多幀圖像對攝像機參數進行校正、更新。真實交通圖像的實驗表明所提出的標定方法在這類特殊的交通場景下是有效、實用的。
攝像機大視場標定方法研究
計算機視覺技術已在機械製造、安防監控、導航制導、機器人技術等領域得到了廣泛的應用,是近年來發展最爲迅速的學科之一。攝像機標定是計算機視覺系統建立二維圖像和三維空間投影關係的必要前提。本文在已有研究成果的基礎上,密切結合實際課題的具體需求,針對大視場應用環境研究了三種攝像機標定方法,設計開發了相應的攝像機標定工具。首先,系統地分析了攝像機標定技術的發展現狀,結合本文的工程背景詳細闡述了小孔成像模型和透鏡畸變模型,介紹了投影的概念和幾個相關的射影幾何原理,針對本文研究時所使用的攝像機特性給出了攝像機模型選擇的依據。其次,從三個切入點研究了多種適合大視場應用環境的攝像機標定方法:1)改進了柔性平面靶標的攝像機大視場標定方法。柔性靶標標定方法是從降低大靶標製作的難度和加工不確定性對標定精度的影響出發提出的通過特徵點之間的幾何約束來構造標定點的標定方法。本文提出的改進方法考慮了鏡頭畸變對特徵點構造的影響,設計了可預先獲取鏡頭畸變係數的柔性平面靶標,改進方法可用於較大畸變和攝像機視場的場合;2)提出了基於小靶標拼接的攝像機大視場標定方法。針對在大視場應用中使用單一小靶標進行標定只能得到局部最優的標定結果的問題,提出了將視場內不同位置的小靶標拼接成覆蓋大部分攝像機視場區域的小靶標拼接標定方法。該方法對小靶標的安裝要求並不嚴格,只需滿足各個小靶標共面放置的條件即可,有效的解決了大視場應用中使用單一小靶標進行標定的侷限性;3)提出了基於輔助靶標的攝像機大視場標定方法。分析上述兩種方法的優缺點,提出了一種“大靶標粗標定+小靶標矯正”的大視場攝像機標定方法。該方法既不需要如方法一那樣考慮鏡頭畸變對中的標定點構造精度的影響,也不需要像方法二那樣要求各小靶標的放置滿足共面約束,弱化了攝像機大視場標定方法的實施條件,簡化了攝像機標定過程。本文使用仿真實驗和實際實驗對以上三種方法的可行性和穩定性進行了驗證。實驗結果表明,這三種方法都能達到降低攝像機標定難度,改善標定結果的效果,標定精度接近於傳統標定方法的標定精度。最後,按照模塊化開發思想,採用Qt4.7提供的應用程序框架結合OpenCV2.1在Visual Studio 2008開發環境下開發了攝像機標定軟件,實現了包括圖像處理與特徵點提取、特徵點座標匹配、攝像機參數解算和攝像機標定精度驗算等功能