【正文】 1)*b(3)b(2)^2)。v12(:,:,flag)。matrixone]。m(:,:,4)=m439。m5=[m5(:,1:2) 。m3=[m3(:,1:2) 。m1=[m1(:,1:2) 。mm5=[m5(:,1:2)。mm3=[m3(:,1:2)。%提取數(shù)據(jù)mm1=[m1(:,1:2)。)。m2=imread(39。%求所以焦距的算術平平均clear all。%求像坐標并保存 b=y(j)*k。 end endend基于簡化模型求取像坐標初值源程序2%基于簡化模型求解像圓心%參數(shù)x，y為物的圓心坐標u為物距function [x0,y0]=jiandan(x,y,u)x0=[]。I=uint8(I)。將神經(jīng)網(wǎng)絡技術用于相機的標定，不需要預先確定攝像機具體內(nèi)外參數(shù)及有關模型的先驗知識，利用BP神經(jīng)網(wǎng)絡對復雜非線性映射關系強大的逼近能力來對視覺系統(tǒng)中的攝像機進行隱式標定，算法標定精度較高，可靠性好，實用性較強，是相機定位的一種趨勢。設條空間平行直線在左像面透視投影為： 這組像面直線相交于一消隱點()，同樣可求得左像面內(nèi)的其它消隱點坐標。五、 確定兩部相機相對位置的數(shù)學模型和方法 模型假設（1）假設兩部相機內(nèi)部參數(shù)固定不變。由于其初值較準確，因此梯度法能很快收斂。其中徑向畸變是關于數(shù)碼照相機鏡頭的主光軸對稱的而切向畸變則關于數(shù)碼照相機鏡頭的主光軸不對稱。（2）圖像中心點偏移失真。 基于Canny算子的中心定位算法的模型檢驗圓形標志經(jīng)透鏡成像后畸變?yōu)闄E圓，為了達到對橢圓中心的高精度定位，首先精確提取標志圖像的邊緣點，然后對提取的邊緣點進行計算從而確定標志中心的精確位置。根據(jù)確定像坐標的模型式可知，像坐標和物坐標關系本質上是一個線性變換加上一個較小的非線性余項，完全滿足牛頓迭代法的收斂要求。由于全局坐標系的軸在模板平面上，因此對于模板上的點，這樣式(1)可重寫為： 消去即得到以下理想透視數(shù)學模型： 實際成像模型理想的透鏡成像是針孔成像，其物與像滿足相似三角形關系，而實際的透鏡并不滿足這個條件(如圖3所示)。首先采用一種簡化的線性模型估算出像中心的近似位置，并利用該像中心點求取初值，由于該近似點畸變很小，故求取的初值能很好地逼近準確值，然后采用一種基于牛頓迭代法得到較為精確的像坐標。以C邊上距離A點30mm處的B為圓心，12mm為半徑作圓，如下圖1所示。由于目前數(shù)字圖像的處理速度越來越快，[1]，因此考慮畸變系統(tǒng)誤差的高精度標定具有重要的意義。其次利用該模型，針對問題1和問題2，借助于Matlab工具，計算了靶標上給定5個圓的圓心像坐標。該模型滿足牛頓迭代法的收斂條件，保證了模型解的穩(wěn)定性。關鍵詞：兩步法；像坐標；內(nèi)外參數(shù)；邊緣檢測；相對位置；平行線消隱點19一、 問題的提出 背景說明數(shù)碼相機定位在交通監(jiān)管（電子警察）等方面有廣泛的應用。 重述有人設計靶標如下A，取1個邊長為100mm的正方形，分別以四個頂點（對應為A、C、D、E）為圓心，12mm為半徑作圓。為了克服計算相機內(nèi)外參數(shù)的困難，提出了一種基于兩步法的確定像坐標模型。其分別定義如下[2]：其中分別表示在方向和方向上像點的物理坐標到圖像坐標的比例系數(shù)；表示主光軸與像平面交點的圖像坐標。通過假設像素坐標的原點對應全局坐標系的原點，像素點為正方形，相機的焦距的理想情形下，得到簡化的線性模型[4]，像坐標的初始值有如下關系： 求取相機內(nèi)外部參數(shù)可參見文獻[3]。表2 問題2求解結果（單位：像素）圓形標號ABCDEx坐標y坐標注：物坐標原點和像坐標系原點都在圖片的幾何中心。橢圓的平面方程為：擬合求得橢圓方程5個參數(shù)，橢圓中心坐標計算公式為： 本檢測方法的精度分析在相機的成像過程中，通常存在以下3種誤差：（1）由相機的鏡頭所造成的可以描述為一奇次多項式對稱徑向失真對稱的徑向失真或桶形失真。 穩(wěn)定性分析由于數(shù)碼照相機光學系統(tǒng)存在加工誤差和裝配誤差，因此物點在數(shù)碼照相機像面上實際所成的像與理想成像之間主要存在徑向畸變和切向畸變兩種光學畸變誤差。包含了要求取的數(shù)碼照相機所有參數(shù)，其中表示選取的第幅圖中心附近的點數(shù)，表示第幅圖像中第個點的實際圖像坐標點，是相對應的世界坐標點，是由代入理想透視模型式(3)所求出的圖像坐標點，理論上求出的圖像坐標點與實際圖像坐標點應越接近越好，為此可建立式的優(yōu)化模型，為加快收斂可采用梯度下降法。由于模型參數(shù)太多，用一般的梯度法難以保證收斂，因此本文采用一種基于牛頓迭代法求解。對式和式進行透視變換可得： 消隱點是空間直線(或)時在像平面上的透視投影，由此可得： 其中()和()分別為左右像面消隱點坐標，和分別為左右相機有效焦距。由于BP神經(jīng)網(wǎng)絡在逼近能力，收斂速度等方面都優(yōu)于其它的非線性優(yōu)化算法，很適宜于相機的標定。 %基于Canny算子求邊界imshow(G)。 x=[x,j]。%求比例系數(shù) a=x(j)*k。%求每一個物距對應的焦距endf=mean(F)。)。39。M(:,7:8)]。m2(:,7:8)]。m4(:,7:8)]。 M(:,7:8)]。 m2(:,7:8)]。 m4(:,7:8)]。m(:,:,3)=m339。 M=[M。V=[V。 b=d(:,6)。 D=[]。 rl3=cross(rl1,rl2)。% sm=A[R t]M,UV是等式的右邊 UV=[UV(1,:)./UV(3,:)。*d。,39。X=[]