研究目的
提出一种通过集成基于标记和特征的自主校准方法,用于建模红外与彩色相机的内参和外参,更重要的是校准Kinect系统深度图像中的畸变。
研究成果
提出并测试了一种适用于微软Kinect的自校准方法。该方法求解红外摄像头、投影仪与RGB摄像头之间的相对平移和旋转参数,同时解算两台摄像头的内参、红外摄像头的外参、物方目标坐标及平面参数。捆绑调整中引入了几何约束条件,以确保所有光学传感器刚性安装在同一平台且点云位于最佳拟合平面。深度校准被表示为三个旋转量、三个平移量、内方位元素及红外摄像头镜头畸变的函数。
研究不足
校准模型并未将Kinect的深度测量结果表征为两个传感器的IOPs和APs以及定义立体像对的六个ROPs的函数。尽管视差测量的量化对重建精度影响较小,但其效应仍被纳入随机模型中。
1:实验设计与方法选择
该方法采用自标定束调整模型求解红外与彩色相机的内外参数及深度图像畸变。该模型包含几何约束条件,以确保各点位于最佳拟合平面且光学传感器均刚性安装在同一平台。
2:样本选择与数据来源
使用两台Xbox版Kinect传感器。采用标准VGA分辨率采集图像,确保红外图像与深度图像具有相同校准分辨率。
3:实验设备与材料清单
微软Xbox版Kinect传感器、平面棋盘格标靶、FARO Focus3D地面激光扫描仪。
4:实验流程与操作步骤
经过两小时预热后,从不同位置和角度获取棋盘格标靶的深度图像、红外图像及RGB图像。每次曝光时连续采集20帧深度图像并取平均值,以降低深度测量的随机噪声并填补深度图空洞。
5:数据分析方法
由于共线性与共面性方程高度非线性,选用高斯-赫尔默特最小二乘模型最小化加权残差总和。采用显著性水平5%的Baarda数据探测法,最大限度减少平差中的粗差可能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容