基于視覺傳感器的智能車攝像頭標定技術研究(上)

　　引言

　　本文以飛思卡爾智能車大賽為背景，使用飛思卡爾(Freeseale)生產的16位微控制器MC9S12XS128作為控制核心，制作一個能巡線快速行駛的攝像頭小車。由于攝像頭光軸與地面呈一定夾角，于是其成像存在梯形失真;為了擴大視野，廣角鏡頭越來越為很多隊伍所采用，于是又存在桶形失真。這兩種失真，是每個采用廣角鏡頭的攝像頭隊伍都要遇到的問題。很多隊伍都回避這個問題，直接采用圖像預處理后的像素點進行控制。但若將像素點轉換為實際物理坐標，無疑更直觀，對程序的編寫或建模帶來很大的方便，并且本文提出的這個方法，可有效解決這兩種失真，實際操作并不復雜。

　　各隊解決方案綜述

　　文獻[1]提出的方法是：可以通過對于每行提取的道路位置通過一個線性修正來消除梯形失真，可通過實驗的方式確定線性補償的系數。但是該實驗方法比較繁雜，并且不能消除桶形失真。

　　文獻[2]制作了一個圖像標定板，如圖1所示。

　　其原理是：圖1(a)中陰影部分是車體放置的位置。在標定板上等間距地貼了許多黑線，給標定板拍照后，就可以知道實際中的位置與圖像中的位置的相互關系。這個方法由于黑線有一定寬度，所以會存在較大誤差。

　　文獻[3]采用非均行采集的方案。所謂非均行采集是與均行采集對應的。在均行采集中，AD模塊所采集的行均勻分布于攝像頭輸出的圖像中。而非均行采集則是指，AD模塊所采集的行按某種規則非均勻地分布在原始圖像中，而這種規則是保證采集得到的圖像在縱向上(小車中軸方向)與現實景物不畸變。然后再確定每一行的橫向畸變系數。

　　如圖2所示，非均行采集時，遠處采得密，近處采得稀。由于攝像頭安裝方式在實驗時會經常變動，以確定最佳俯角和最佳高度，每當變動就需要重新標定。這個方案就不大方便了。文獻[4]建立了一個光路幾何模型圖，如圖3所示。

　　實驗方案：量取攝像頭架固定螺釘的高度H與攝像頭中心相對于豎直桿的偏轉角度(俯角)θ。由于光學中心的計算完全由這兩個數據及近端距固定桿的距離S(即測量保險杠距固定桿的距離S0和近端距保險杠距離S'相加得到，也可直接在實驗板上測量由近端黑線到攝像頭固定桿的距離S)確定，因此要做到越精確越好。由O點做垂線長度為H至點A，做水平線AB，截取AD長為S，DB過O點做與垂直線成θ的射線交AB于C，過D做DE垂直于OC，并使OC為DE的垂直平分線，連接BE并延長，交OC與O’，則O’為光學中心。從圖上能算得O’距底邊距離為H’，俯角不變。