基于MATLAB相机标定系统研究与实现_毕业论文.pdf

本文主要介绍了基于MATLAB相机标定的研究与实现，旨在解决计算机视觉和摄影测量中相机标定的问题。通过对标定系统的研究和开发，实现了高精度的相机标定，解决了标定物平整和高精度制造维护的难题。 一、相机标定概述 相机标定是计算机视觉和摄影测量的重要研究内容之一，其目的是通过一系列空间物理特征点的三维几何位置与其在二维图像中的对应关系，利用优化计算最终得出相机内外参数。在图像测量或者计算机视觉中，标定参数的精确确定是非常关键的一步，其标定结果的精度以及算法的稳定性直接影响相机工作产生结果的准确性。 二、标定系统架构 本文基于MATLAB编程语言开发了相机标定系统，软件系统功能模块主要包括：标定模板制作、图像处理、相机标定、图像畸变校正和校正图像匹配拼接等。图像处理部分采用在去除噪声和边缘保留上实现双赢的双边滤波、自适应的最大内间方差分割、改进判定条件的灰度矩阵亚像素边缘坐标提取以及最小二乘拟合椭圆等算法提取圆心亚像素坐标。 三、标定模板制作 本文采用LCD作为标定模版，解决了通常在许多工程应用或实践中需要一种成本较低而精度较高的平板标定物的问题。由于现在LCD显示器制作工艺已经比较成熟，纯平面度偏差小于0.05um,点距精度可达0.01mm，比普通打印出来的纸板精度高得多，因此在对世界坐标的测量精度上完全可以满足高精度标定和测量。 四、相机标定算法 本文在张正友算法的基础上加入了切向畸变和改进参数优化算法等进行优化计算，进一步提高了标定精度。利用标定得出的参数对同等条件下拍摄的畸变图片进行校正后用于图像匹配与拼接。 五、图像匹配与拼接 本文采用在图像旋转、缩放、亮度变化条件下仍能保持稳定的SIFT（Scale Invariant Feature Transform）特征匹配算法进行初匹配，进而采用提高迭代次数的RANSAC（Random Sample Consensus）算法对匹配点去错，最后采用渐入渐出定权方式的加权平均融合算法很好的消除了拼接痕迹的问题。 本文实现了基于MATLAB的相机标定系统，解决了标定物平整和高精度制造维护的难题，提高了相机标定的精度和稳定性，为计算机视觉和摄影测量等领域的研究和应用提供了重要的技术支持。