【正文】 略相機采集圖像時的鏡頭畸變，標(biāo)定結(jié)果如下：標(biāo)定點的世界坐標(biāo)為(單位mm)：，選用標(biāo)定?？熘械奈妩c進行傳統(tǒng)的標(biāo)定可得到相機的外部參數(shù)： 兩步法標(biāo)定相機的內(nèi)外參數(shù)攝像機內(nèi)外參數(shù)標(biāo)定內(nèi)部參數(shù)（pixel）(pixel)319241外部參數(shù)RT為了評估攝像機參數(shù)的標(biāo)定精度，采用畸變圖像誤差(DIE：Distorted Image Error)作為標(biāo)定精度的評估函數(shù)： （）其中為標(biāo)定點的實測計算機圖像平面坐標(biāo)系坐標(biāo)，為標(biāo)定點的三維世界坐標(biāo)系坐標(biāo)經(jīng)過攝像機模型投影于計算機圖像平面坐標(biāo)系的坐標(biāo)。具有高可靠性和高封裝堅固性，并且具備自檢測（SelfTest）功能，能實現(xiàn)BIT檢測。以規(guī)定時間內(nèi)輸出量標(biāo)準(zhǔn)偏差相對應(yīng)的等效輸入角速率表示。只要知道陀螺儀的各種標(biāo)定系數(shù)，通過反解上式就可以很容易的求出目標(biāo)在載體坐標(biāo)系內(nèi)的角速度值，然后經(jīng)過坐標(biāo)系間的變換關(guān)系獲取目標(biāo)運動的位置和姿態(tài)， 空間坐標(biāo)系分析目標(biāo)運動軌跡提取涉及到不同坐標(biāo)系之間的變換，坐標(biāo)系常用右手準(zhǔn)則來定義，圖表示了三個不同層次的坐標(biāo)系統(tǒng)：世界坐標(biāo)系、相機坐標(biāo)系和圖像坐標(biāo)系（圖像象素坐標(biāo)系和圖像物理坐標(biāo)系）。偏航角：相機坐標(biāo)系在水平面上的投影與地軸間夾角。因此要實現(xiàn)目標(biāo)運動軌跡的精確提取，必須要有精確的特征匹配算法以及合理的軌跡提取模型。如下圖所示：2）空間極值點的檢測 為了尋找尺度空間的極值點，每一個采樣要和它所有相鄰點比較，看其是否比它的圖像域和尺度域的相鄰點大或者小。 （）在圖像處理多目標(biāo)優(yōu)化問題的可行解集中沒有比Pareto優(yōu)解更好的解。（2）相關(guān)系數(shù)相關(guān)系數(shù)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標(biāo)。首先將式（）通過線性加權(quán)法轉(zhuǎn)化為一個標(biāo)量值函數(shù)的優(yōu)化問題： ()式中為對應(yīng)第個目標(biāo)函數(shù)的權(quán)系數(shù)。（4）檢測算法對旋轉(zhuǎn)、縮放和光照條件都發(fā)生改變的適應(yīng)能力分別采集了同一場景不同光照條件、不同拍攝角度以及不同焦距條件下的圖像，進行自動匹配，來測試本文算法的效果。為了體現(xiàn)本系統(tǒng)的優(yōu)越性，通過對車行軌跡的提取進行驗證實驗。5 結(jié)束語 論文工作總結(jié)本課題主要圍繞相機固定在目標(biāo)體上的基于視頻圖像序列的目標(biāo)運動軌跡提取技術(shù)展開研究，并對其中的關(guān)鍵仿真算法進行深入研究，進而為目標(biāo)運動軌跡提取系統(tǒng)的搭建提供了理論基礎(chǔ)。轉(zhuǎn)過直角彎經(jīng)本系統(tǒng)軌跡提取后。而本文所提出的軌跡提取系統(tǒng)可以很好地畫出一條閉合曲線，曲線相對光滑，且?guī)缀醪淮嬖诰€的纏繞。 為了更進一步說明本文改進算法在SIFT特征匹配中的優(yōu)勢，分別針對同一場景不同光照條件、拍攝角度、焦距的光學(xué)圖像，采用本文算法進行匹配，測試匹配效果。構(gòu)建多目標(biāo)模型如下：①目標(biāo)函數(shù)根據(jù)兩幅地面圖像模板之間的相互關(guān)系建立目標(biāo)函數(shù)： ()式中，相鄰幀圖像相似特征點間的距離 ，為兩個相鄰幀圖像中特征點之間的相關(guān)函數(shù)。次緊鄰特征點是指具有比最緊鄰稍長的歐式距離的特征點。如果選擇時需要同時考慮的標(biāo)準(zhǔn)多于一個，最優(yōu)化問題就成為多目標(biāo)優(yōu)化問題。大尺度對應(yīng)于圖像的概貌特征，小尺度對應(yīng)于圖像的細(xì)節(jié)特征。（4）世界坐標(biāo)系和圖像坐標(biāo)系的變換關(guān)系 世界坐標(biāo)系與圖像坐標(biāo)系變換關(guān)系： ()齊次坐標(biāo)表示為： （） （）其中，只與相機的內(nèi)部參數(shù)有關(guān)，稱為相機內(nèi)部參數(shù)，只與相機相對于相機世界坐標(biāo)系的方位有關(guān)，稱為相機外部參數(shù)，如果己知相機的內(nèi)外參數(shù)，即矩陣己知，對任何空間點，知道圖像象素坐標(biāo)系中該圖像點的坐標(biāo)，就可以求出其世界坐標(biāo)。 相機姿態(tài)校正由于相機是固定在運動目標(biāo)上的，因此合理的選擇不同的坐標(biāo)系和描述目標(biāo)的運動參數(shù)，是實時獲取相機運動姿態(tài)的重要環(huán)節(jié)之一。則陀螺儀的實測角度由下式可得：， （）其中，分別是偏航角、滾轉(zhuǎn)角和俯仰角。如果不采取措施，在長時間的運行過程中，累積的誤差會大大降低載體的控制和系統(tǒng)的軌跡跟蹤精度。時，計算得出=，=。 （a 單標(biāo)定模塊） （b 標(biāo)定模塊實物） 空間透視標(biāo)定模塊采用該標(biāo)定模塊時，世界坐標(biāo)系選擇O點為坐標(biāo)系的原點，O點到ABCD平面的垂線為z軸，從O點出發(fā)平行于BC線沿B到C的方向為x軸，從O點出發(fā)平行于AB線方向沿A道B的方向為y軸。使用這一性質(zhì)來計算旋轉(zhuǎn)矩陣的最后一行中的各個元素： （）如果的符號是正的，則在前加負(fù)號。假設(shè)處在圖像中心點，不考慮放大系數(shù)與的差異，可采用相同的畸變系數(shù)。雙平面標(biāo)定方法的優(yōu)點是利用線性方法求解有關(guān)參數(shù)，不需要非線性優(yōu)化。因此，透視投影更適合本實驗的要求。對于該系統(tǒng)而言，系統(tǒng)軌跡的精確測算和提取是在相機經(jīng)過初始標(biāo)定的基礎(chǔ)上進行的。 在分析了相機理論測量分辨率技術(shù)的基礎(chǔ)上，根據(jù)實驗時相機載體的運動速度、物距以及相機成像速度等因素，確定相機的分辨率、成像范圍、幀率等參數(shù)，進而實現(xiàn)攝像機的正確選取。②機械輔助調(diào)節(jié)由于相機的局限性和外界光線變化的隨機性，有時僅僅依靠軟件調(diào)節(jié)曝光量也無法達到較好的效果。陀螺儀是一種能夠精確地確定運動物體的方位以及運動姿態(tài)的儀器。③以太網(wǎng)接口以太網(wǎng)是目前應(yīng)用最廣泛的計算網(wǎng)絡(luò)技術(shù)，在它上面應(yīng)用的TCP／IP協(xié)議也已經(jīng)發(fā)展的比較成熟并得到了廣泛的認(rèn)可。常見的數(shù)字圖像采集系統(tǒng)與計算機的傳輸接口主要有三種：PCI總線，USB總線，以太網(wǎng)。第四章針對基于多目標(biāo)優(yōu)化SIFT特征匹配算法，研究了多目標(biāo)優(yōu)化理論及優(yōu)化模型的構(gòu)建，建立了以相關(guān)系數(shù)和特征點之間的歐氏距離為目標(biāo)函數(shù)，以置信度為約束條件的多目標(biāo)優(yōu)化模型，并通過實驗仿真對本文提出的算法模型進行驗證。國內(nèi)發(fā)展也較快，已經(jīng)有很多研究機構(gòu)投入到航拍圖像分析研究中，中北大學(xué)、國防科技大學(xué)、東南大學(xué)以及中國科學(xué)院電子學(xué)研究所38所等單位一直在積極開展固定參照物視場變動情況下的圖像跟蹤、檢測方面的研究。但是，在一些特殊的應(yīng)用領(lǐng)域，如目標(biāo)運動軌跡精確提取、測繪、地震監(jiān)測、飛機進場著陸以及其他精密測量領(lǐng)域，要求達到分米級、厘米級甚至毫米級的精度，普通差分GPS就不能滿足要求了。第一階段是1982至1985年的試驗階段，共發(fā)射11顆第一代試驗衛(wèi)星；第二階段是1985年至1995年的部署階段，共發(fā)射57顆三種型號的衛(wèi)星，使系統(tǒng)達到滿星座運行。 1緒論 基于視頻圖像序列的目標(biāo)運動軌跡提取技術(shù)是動態(tài)視覺領(lǐng)域中一個具有重要意義和實際價值的研究課題。固定視場內(nèi)參照物運動方式中，相機及其視野固定，對視野內(nèi)的運動目標(biāo)進行跟蹤檢測，具有空間和時間上的區(qū)域限制，僅能得到固定區(qū)域、固定時間段中的目標(biāo)運動軌跡；變化視場內(nèi)參照物運動是對固定視場方式的一種改進，通過云臺等多維運動系統(tǒng)實現(xiàn)相機視野的變化，能夠拓展運動目標(biāo)跟蹤的范圍和時間得到擴展，但是由于鏡頭等光學(xué)器件的限制，當(dāng)運動目標(biāo)超出一定范圍則無法成像或成像目標(biāo)體的“點化”現(xiàn)象；固定參照物視場變動模式下，相機視野隨運動目標(biāo)的運動變化，利用相鄰兩幀圖像中的固定參照物的空間位置不變特性實現(xiàn)運動目標(biāo)的軌跡計算，此類方法不受相機視野的限制，能夠有效地提高運動體軌跡提取的作用范圍，但是要求相鄰兩幀之間必須具有一定的重復(fù)。2003年7月11日，Galileo系統(tǒng)的首批兩顆衛(wèi)星合同授出。對于固定視場內(nèi)參照物運動和變化視場內(nèi)參照物運動兩種情況下的運動目標(biāo)軌跡提取技術(shù)，國內(nèi)外各國學(xué)者都已展開了相關(guān)研究，并取得了很多優(yōu)秀成果。在此基金的支持下，論文主要是利用圖像序列的時、空信息實現(xiàn)運動的目標(biāo)運動軌跡的精確測算。 系統(tǒng)軟件組成 系統(tǒng)的工作流程如下：攝像機的模擬信號通過千兆網(wǎng)線傳送至計算機。USB(universal serial bus)是由Intel、ComPaq、Digital、IBM、Microsoft、NEC、Northem Tele等7家世界著名的計算機和通信公司共同推出的一種新型接口標(biāo)準(zhǔn)。在本課題中，由于固定參照物視場變動，相機跟目標(biāo)一起運動，則需采用高幀率的圖像采集設(shè)備，才能實時記錄目標(biāo)的運動規(guī)律；相應(yīng)地在圖像數(shù)據(jù)傳輸方面，對傳輸效率和圖像存儲速度也提出了很高要求。光照自適應(yīng)子系統(tǒng)就是借助外光源使得在圖像采集過程中獲得較為理想的圖像。可調(diào)節(jié)型遮光罩安裝在相機及輔助光源的外圍。則水平方向視場大小為：，相機水平方向的分辨率至少為491個像素。因此，攝像機標(biāo)定結(jié)果的精度及算法的穩(wěn)定性直接影響后續(xù)處理的準(zhǔn)確性。相機在拍攝三維空間中的場景時，其拍攝范圍為位于正對攝像機的某一夾角范圍內(nèi)的空間景物，設(shè)拍攝空域范圍為。目前普遍采用的兩步法中最典型的是Tsai提出的基于RAC約束(Radial Alignment Constraint)的兩步法。根據(jù)這些標(biāo)定坐標(biāo)值形成一個矩陣，其中的行為： 　　　　 （）設(shè)是含有與空間變換參數(shù)有關(guān)的未知參數(shù)的矢量： 　 　　 （）從標(biāo)定點的次觀測來形成一個矢量．使用五個以上標(biāo)定點，就可以得到關(guān)于參數(shù)矢量的線性方程組。使用前面各步驟得到的和的估算值作為非線性回歸的初始條件，計算一階透鏡變形系數(shù)，并進一步得到和的更精確的估計值．通過透視投影來建立真實(修正)圖像平面坐標(biāo) 與攝像機坐標(biāo)系中的標(biāo)定點之間的關(guān)系式： （）假設(shè)通過使用徑向透鏡變形模型第一項建立的真實(修正)圖像平面坐標(biāo)與測量圖像平面坐標(biāo)之間關(guān)系為： （）其中半徑的計算公式如下： （）未修正(測量)圖像平面坐標(biāo)不同于像素坐標(biāo)，因為前者的計算過程中已經(jīng)用到了圖像中心位置坐標(biāo)，行間距和列間距，以及比例系數(shù)估計值．使用透射投影和透鏡變形方程中的分量以及絕對坐標(biāo)與攝像機坐標(biāo)之間的剛體變換公式，可以得到有關(guān)攝像機焦距，平移和透鏡變形的一個約束條件： （）這將形成求解參數(shù)、和的一個非線性因歸問題。mean表示均值，stddev表示標(biāo)準(zhǔn)方差，max表示最大值，sse表示誤差平方和。CSARS02角速率陀螺儀主要性能參數(shù)如下表所示： CSARS02角速率陀螺儀 CSARS02角速率陀螺儀主要性能參數(shù)性能類型參數(shù)性能類型參數(shù)型號CSARS02非線性度≤%FS輸入電壓5177。 零偏重復(fù)性Br：在相同條件下及規(guī)定時間內(nèi)，重復(fù)測量陀螺儀零偏之間的一致程度，以7次測量所得零偏的標(biāo)準(zhǔn)偏差表示。(1) 世界坐標(biāo)系：也稱真實或現(xiàn)實世界坐標(biāo)系，或全局坐標(biāo)系。 滾轉(zhuǎn)角：相機坐標(biāo)系軸z與通過相機坐標(biāo)系軸x的鉛垂直面間夾角。為此本章著重從這兩方面進行論述，建立適用于目標(biāo)運動軌跡精確提取的算法模型。如下圖所示：中間點和它同尺度的8個相鄰點和上下相鄰尺度對應(yīng)的92個點共26個點比較，以確保在尺度空間和二維圖像空間都檢測到極值點。由Pareto優(yōu)解構(gòu)成的集合稱為Pareto優(yōu)集,Pareto優(yōu)集中任何一個解都是可能的最優(yōu)解。相關(guān)系數(shù)是按積差方法計算，同樣以兩變量與各自平均值的離差為基礎(chǔ)，通過兩個離差相乘來反映兩變量之間相關(guān)程度。它的選擇是將相鄰兩次迭代得到的目標(biāo)函數(shù)值之差占所有函數(shù)值之差的比例作為下一次迭代該目標(biāo)的權(quán)，數(shù)學(xué)表達式如下： （）再采用最快速下降法來求解上述多目標(biāo)優(yōu)化問題，通過計算迭代公式如下 （）為拉格朗日乘子，C為懲罰因子，為梯度。 、角度、焦距下圖像間的匹配由上面的實驗結(jié)果可知，本文的改進算法在圖像發(fā)生光線變化、旋轉(zhuǎn)以及縮放的情況下，都能有效地提取特征點并有較高的匹配精度。利用車載相機獲取地面圖像，并計算車行軌跡。針對其中的關(guān)鍵技術(shù)和難點問題，本文重點研究了基于多目標(biāo)優(yōu)化的SIFT特征提取及匹配算法、目標(biāo)姿態(tài)實時獲取技術(shù)、以及目標(biāo)運動軌跡的測算，從而實現(xiàn)目標(biāo)運動軌跡的精確提取。 車型軌跡示意圖 車輛直角彎行駛軌跡，經(jīng)本系統(tǒng)軌跡提取后。 相鄰兩幀地面原始圖像 對原始圖像提取出的特征點 未經(jīng)多目標(biāo)優(yōu)化的匹配圖像 經(jīng)多目標(biāo)優(yōu)化后的匹配圖像為了進一步驗證本文在測算旋轉(zhuǎn)方向上的優(yōu)勢，固定相機，使其圍繞某一個點做閉合曲線運動，結(jié)果如下所示： 相關(guān)匹配軌跡提取結(jié)果 常用的SIFT特征匹配軌跡提取結(jié)果 本文方法軌跡提取結(jié)果，常用的圖像匹配技術(shù)很難畫出一條閉合曲線，同時因圖像誤匹配，軌跡曲線并不顯得十分光滑，存在線的纏繞。由上面分析可以看出，使用本文的改進算法可以有效的剔除錯誤的匹配點對，得到的匹配關(guān)系基本全部正確。在SIFT特征點提取的基礎(chǔ)上，利用多目標(biāo)優(yōu)化準(zhǔn)則，實現(xiàn)兩幅圖像的SIFT特征點的精確匹配。（1）歐式距離本文利用特征點間的歐氏距離作為兩幅圖像中特征點的相似判定準(zhǔn)則，查找一幅圖像中的特征點在另一幅圖像中的對應(yīng)位置，及搜索該特征點在另一幅圖像中歐氏距離最近的點，成為近鄰搜索。 多目標(biāo)優(yōu)化理論最優(yōu)化的目的是根據(jù)一定的標(biāo)準(zhǔn)(目標(biāo))在許多可供選擇的方案中搜索出最好的或最令人滿意的方案。1）尺度空間的形成 高斯卷積核實現(xiàn)尺度變換的唯一線形核，于是一幅二維圖像的尺度空間定義為： （） 其中是尺度可變高斯函數(shù)，