基于神经元网络用于平面图像测量的数字相机校正方法.pdf

背景技术

数字图像测量技术已经广泛应用到工业、科研领域。已经存在多种关于相机校正和图像处理的方法。一类方法从系统误差修正的角度对图像测量进行处理和校正，其中包括镜头的畸变修正、物距修正、折射校正等。其中比较典型的有Zhang(2000)的方法[Z.Zhang，″A flexible new technique for camera calibration″，IEEE Transactions on Pattern Analysis and Machine Intelligence，Vol.22，No.11，pages 1330-1334，2000.]、Taylor等人的九参数相机校正法[Taylor，R.N.，Grant，R.J.，Robson，S.，and Kuwano，J.，1998，“An Image Analysis System for Determining Plane and 3-D Displacements in Soil Models，”Proceedings，Centrifuge‘98，Tokyo，pp.73-78]。Heikkila J.andSilven O.(1997)’s四步相机校正法[Heikkila，J.，and Silven，O.，1997，“A Four-Step Camera Calibration Procedure with Implicit Image Correction，”IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR’97)，San Juan，Puerto Rico，pp.1106-1112.]，以及Tsai(1987)的相机校正技术等[R.Y.Tsai(1987)，“A versatile camera calibration technique for high accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses.”IEEE J.Robotics Automat.，pages 323-344，Vol.RA-3，No.41987]。另外一类方法则从函数拟合的角度建立像素坐标和平面实际坐标之间的关系，常用的有二次函数拟合法和线性函数拟合法，这类方法通常不考虑图像的扭曲和畸变。但是采用二次函数拟合和线性函数拟合的方法存在如下的缺点：在测量区域的边缘位置存在桶形畸变，拟合误差分布不均匀，在测量区域边缘位置误差偏大。

本发明的设计思路采用第二类方法，即不考虑图像的扭曲和畸变，直接利用神经元网络建立图像坐标和实际平面坐标之间的关系。