三維相機檢校場標志點圖像坐標提取方法

劉鳳英，王 冬，陳天恩，于留傳

（山東科技大學 測繪科學與工程學院，山東 青島266590）

攝影測量是一種非接觸式獲取被測目標空間信息的技術［1］，隨著社會的快速發展和進步，已被廣泛應用到越來越多的領域并發揮重要的作用，如傳統的航空攝影測量地形圖測繪、三維重建、文物保護、工業構件變形檢測、農林牧業、城市規劃、海岸帶和海島礁測量等。

相機是獲取被測目標圖像的重要傳感器，相機檢校是檢查和校正所用相機內方位元素和各項光學畸變參數的過程［2］，它是攝影測量作業過程中必不可少的重要環節之一，國內外研究人員對相機檢校相關內容進行了大量的研究，并取得一些重要的研究成果，如常見的單片和多片空間后方交會法［3］、直接線性變換法［4］和基于滅點理論［5］的標定方法等。其中，基于空間后方交會的相機檢校方法是以共線條件方程為基礎，以像點坐標為觀測值，借助數碼相機檢校場，解求像片內、外方位元素和某些附加參數的檢校方法，單片空間后方交會法相機檢校是以一張像片完成的檢校，多片空間后方交會法是基于至少兩張像片的相機檢校，多片后交相對于單片后交的檢校方法結果更加可靠和精確［2－3］；直接線性變換法相機檢校是以像點和物點之間的直接線性關系建立的檢校模型，利用檢校場解算相機的各項參數 標定結果相對前述方法稍低 基于滅點的相機檢校方法則無需借助相機檢校場。

通過人工標志控制場進行相機標定的方法中，通常采用人為判別和手工量取的方式獲取標志點的圖像坐標，為了確保標定結果的精度和可靠性，一般需要提取多張圖像的大量標志點坐標，存在標定速度慢、工作量大等常見問題，基于此，文獻［7－8］對標志點圖像坐標自動提取方法進行了相關研究并提出一些自動提取方法。本文通過對原始標定圖像進行高斯濾波和邊緣檢測后，進行標志點橢圓輪廓的提取和擬合，從而實現標志點中心圖像坐標的提取。實驗分析表明，文中提取方法流程相對簡單，提取速度較快，自動提取結果受畸變差的影響甚小，為相機的快速標定提供保障。

1 人工標志點坐標提取

1．1 圖像平滑濾波

獲取室內檢校場圖像的時候，環境、相機傳感器中電子元件的質量等因素都會對獲取的圖像質量產生一定的影響，產生圖像噪聲。手工方式量取標志點坐標時圖像噪聲點對其產生的影響較小，一般不做去噪處理；自動提取標志點坐標時需要進行邊緣提取，原圖像中的噪聲點對邊緣檢測會產生一定的影響，需要對原始圖像進行濾波處理。

高斯濾波是一種常見的圖像濾波方法，采用傳統的高斯濾波方法進行圖像處理后，雖然達到了降噪的目的，但圖像中的邊緣信息一般也被模糊，文中采用文獻［9］提出的自適應高斯濾波方法用3×3的模板進行檢校場原始圖像的處理［9］，較好的保持了圖像中標志點的邊緣信息，自適應高斯濾波器為

式中：Rxy為像素點的目標尺度；（x，y）為像點坐標；σxy為標準差；lxy為高斯核的大小。

1．2 邊緣檢測

檢校場圖像濾波后進行邊緣檢測處理，由于Canny算子檢測精度較高以及一些其他優勢，文中采用Canny算子進行邊緣檢測，原理不再贅述。為方便Canny邊緣檢測，首先將灰度圖像進行二值化。文中的圖像二值化用Opencv來實現。在Opencv中進行圖像的二值化有兩個閾值計算函數cv．Threshold和cv．Adaptive Threshold，其中cv．Adaptive Threshol d為自適應閾值計算函數，函數cv．Threshold中閾值為人為指定。文中采用了函數cv．Threshol d（src，dst，t hreshold，maxval ue，threshold Type）進行處理，其中閾值處理的類型t hreshold Type采用了T HRESH＿TRUNC，詳細的使用方法可參考Opencv說明書，函數中的參數maxval ue直接賦值255；通過對多張不同傳感器和不同拍攝條件下的室內檢校場圖像進行多次測試，參數t hreshol d的取值設為110左右的時候，可以較好的保留圖像中的細節信息，提取到的圓形邊緣數量最多。圖1為原始圖像和二值化之后的圖像。

圖1 原始圖像和進行二值化之后的檢校場圖像

Canny邊緣檢測時一般采用雙閾值法進行邊緣檢測和連接，但閾值需要人為事先判別設定，另外閾值的高低直接影響到邊緣檢測的效果［10］。不同相機和拍攝環境獲取的室內檢校場圖像存在差異，如果采用同樣的閾值進行邊緣檢測，可能導致圖像中一些標志點輪廓的丟失和虛假輪廓的出現。為避免人為設定閾值的繁瑣，文中采用自適應閾值Canny算子邊緣檢測方法［10］，具體流程如圖2所示。自適應閾值邊緣檢測效果如圖3所示。

圖2 自適應閾值canny算子邊緣檢測流程

圖3 二值化后檢校場圖像自適應閾值邊緣檢測效果

1．3 橢圓輪廓的提取

邊緣檢測后提取到圖像中所有的邊緣信息的點集，包括標志點的邊緣和一些非標志點邊緣信息，需要從所有的邊緣信息中提取標志點邊緣。相機檢校場采用的人工標志如圖4所示，外形輪廓為圓形。圓的面積s＝π×r2（r為圓的半徑），圓的周長l＝2πr＝4×π×），圓

圖4 人工標志圖形

1．4 人工標志點中心坐標獲取

標志點點號的標記采用半自動的方式。相機檢校場進行設計的時候，人工標志點的排列具有一定的規律性，同一列的標志點號采用同一字母開頭，從上到下按照從0～9的序號依次排列，例如A0、A1、A2、A3…A9表示同一列的10個標志點。標志點進行提取和擬合后，框選同一列標志點，只需人為輸入框選范圍內的第一個標志點的開頭字母，其它點號會自動更改為與物方坐標系對應的點號，此方法很大程度上節約全手工輸入點號的工作量。此外，對于提取的個別精度差的標志點，在算法實現的時候加入人為修改自動提取的標志點點位的功能。

圖5 擬合出的橢圓效果圖

2 實驗分析

實現標志點坐標半自動提取的主要目的是提高相機標定工作的速度和精度，為驗證文中提出的方法能否達到上述要求，進行如下相關實驗驗證。

2．1 實驗概況

實驗場地為山東科技大學3D實驗室內的高精度三維相機檢校場，標定場內有前后、縱橫交錯分布的400個人工標志點 標志點圖案如圖4所示檢校場內標志點的物方坐標采用0．5″級的高精度Axyz／MT M工業測量系統進行觀測，然后通過空間前方交會的基本原理獲取每個點的坐標，實際觀測精度一般都能達到0．05 mm以內。

實驗分別采用Canon EOS 5D Mark II（配24 mm鏡頭）和Point－grey grasshopper（配5 mm鏡頭）相機從不同的角度對檢校場拍照，如圖6所示。

圖6 實驗圖像概況

2．2 精度分析

分別對自動提取和手動量測的標志點坐標、以及相機標定結果等進行對比分析，見表1、表2。采用單片后方交會的方式進行相機標定，畸變差改正模型為

表1 自動提取與手動量測標志點坐標對比

表2 自動提取與手動量測標志點坐標對比

續表2

2．3 實驗結論

通過分析上述實驗，得出如下幾點結論：

1）采用本文提出的室內相機標定場人工標志點圖像坐標提取方法可以提取90%以上的標志點坐標，完全滿足相機檢校的需要；相對于手工量測標志點圖像坐標的方式，大大提高工作效率，實現相機快速標定。

2）半自動提取和手工量測的標志點圖像坐標較差中誤差在0．2像素左右；采用同樣的標志點進行相機標定的結果表明自動提取的圖像坐標精度更高一些。

3）圖像中自動提取不成功的點主要與圖像中陰影的存在有很大的關系，所以拍照的時候應盡量注意光照的方向和強度，對于提取不成功的標志點可以通過手工補測的方式進行加點；另外，為了提取更多的標志點坐標，對于圖像中圓的提取判別方法需要改進。

3 結束語

標志點圖像坐標獲取是基于檢校場進行相機檢校方法中的主要工作之一，相機檢校的速度和精度主要受圖像坐標量測方法的影響。鑒于手工獲取標志點坐標存在工作量大、速度慢等問題，本文針對檢校場中的圓形標志圖案，通過對檢校場圖像進行自動邊緣檢測等圖像處理，實現標志點坐標的半自動提取，很大程度上減輕手工量測坐標的工作量，滿足相機快速標定的需求。

［1］ 朱肇光，孫護，崔炳光．攝影測量學［M］．北京：測繪出版社，1995．

［2］ 馮文灝．近景攝影測量［M］．武漢：武漢大學出版社，2002．

［3］ 王冬．基于多片空間后方交會的CCD相機檢校［D］．青島：山東科技大學，2003．

［4］ 李平，全斌，高琴．基于DLT的數碼相機檢校方法［J］．測繪標準化，2008，24（3）：25－27．

［5］ 謝文寒，張祖勛．基于多像滅點的相機定標［J］．測繪學報，2004，33（04）：335－340．

［6］ 李偉，任超峰．室內控制場數碼相機檢校應用于通用航空攝影測量的可行性研究［J］．測繪工程，2012，21（4）：49－52．

［7］ 李國勝，林宗堅，任超鋒，等．相機檢校中標志點的自動提?。跩］．測繪科學，2010，35（6）：161－163．

［8］ 劉正坤，林宗堅，蘇國中．數碼相機控制點自動定位檢校［J］．測繪科學，2014，39（3）：89－93．

［9］ 錢曉亮，郭雷，余博．基于目標尺度的自適應高斯濾波［J］．計算機工程與應用，2010，46（12）：14－20．

［10］趙峰民，楊凱，蔡天一，等．基于最長曲線法的海天線檢測方法［J］．兵工自動化，2009，28（4）：82－84．

［11］雒濤，鄭喜鳳，丁鐵夫．改進的自適應閾值Canny邊緣檢測［J］．光電工程，2009，36（11）：106－111．