【導(dǎo)讀】相機(jī)標(biāo)定是攝影測(cè)量、視覺(jué)檢測(cè)、計(jì)算機(jī)視覺(jué)等領(lǐng)域的重點(diǎn)研究課題之一，在測(cè)繪、工業(yè)控制、導(dǎo)航、軍事等領(lǐng)域得到了極大的應(yīng)用。的兩維信息與實(shí)際三維物體世界提供了對(duì)應(yīng)、轉(zhuǎn)換的定量關(guān)系。定研究了Harris角點(diǎn)提取、相機(jī)模型與標(biāo)定方法等內(nèi)容。影模型和成像關(guān)系的前提下，選用最實(shí)用的透視投影成像模型。像過(guò)程中各種坐標(biāo)及轉(zhuǎn)換關(guān)系，進(jìn)行了詳細(xì)的分析和數(shù)學(xué)描述。2．研究了圖像特征點(diǎn)的提取問(wèn)題。3．利用svd因式分解，通過(guò)相機(jī)成像時(shí)圖像上的點(diǎn)和真實(shí)場(chǎng)景之間的關(guān)系，建立方程式，運(yùn)用比例正交投影等最終確定出相機(jī)的外參數(shù)。第一章緒論………………………

　　

【正文】 3 48 3 74 54 四 98 82 75 5 4 12 48 49 2 14 九 18 18 4 05 87 9 04 3 49 53 十 43 95 9 2 2 7 32 38 28 18 結(jié)果分析 在仿真實(shí)驗(yàn)中圖像三和四、九和十、五和六、十一和十二之間的是改變了環(huán)境的噪音指數(shù) ，從圖中可以清晰的看出，噪音是相機(jī)標(biāo) 定中一個(gè)主要的影響因素。在這里的噪音是指在標(biāo)定中的溫度、震動(dòng)、光源、氣流等環(huán)境因素。因此在進(jìn)行相機(jī)標(biāo)定時(shí)必須盡量減少或避免環(huán)境影響因素，對(duì)于無(wú)法去除的環(huán)境因素我們應(yīng)該采取一定的措施進(jìn)行補(bǔ)償，如在公式中加入補(bǔ)償系數(shù)來(lái)減少噪音的影響。 相同的噪音指數(shù)下我們可以看到誤差也是有一定的差距的，這是理論誤差，也就是因?yàn)橛?jì)算公式而產(chǎn)生的誤差，對(duì)于 這類(lèi)誤差我們可以繼續(xù)研究修改計(jì)算公式或采取補(bǔ)償?shù)拇胧﹣?lái)減少誤差。 實(shí)驗(yàn)中數(shù)據(jù)點(diǎn)的多少對(duì)結(jié)果的影響很大。如果位置坐標(biāo)和 物方視角 精度保持不變，測(cè)量數(shù)組數(shù)目越多，其結(jié)果的精度約有保證 ， 反之，多 。其結(jié)果的精度越有保證，反之，測(cè)量數(shù)組過(guò)少，會(huì)導(dǎo)致結(jié)果的誤差過(guò)大，以至于結(jié)果數(shù)據(jù)不準(zhǔn)確。下圖是位置坐標(biāo)精度和物方視場(chǎng)角精度不變的條件下，測(cè)量點(diǎn)數(shù)目與誤差之間存在的關(guān)系： 圖（二十） Figure（ 20） 可以看出：測(cè)量點(diǎn)數(shù)小于 45 的時(shí)候，誤差過(guò)大。所以為了保證計(jì)算結(jié)果的精確度，在試驗(yàn)中測(cè)點(diǎn)的數(shù)目一定要足夠多。 通過(guò)上一章節(jié)的仿真結(jié)果，我們可以清晰的看到，本文給出的算法的誤差是在允許的范圍之內(nèi)的，本文的算法是具有有效性和可行性的。并且這種方法比較簡(jiǎn)單易懂，因此本文給出的相機(jī)外參數(shù)的算法是一種比較切 實(shí)可行的算法，是具有魯棒性和可行性的算法。 小結(jié) 在本章節(jié)中我們利用 matlab 仿真工具對(duì)第四章的內(nèi)容進(jìn)行了詳細(xì)的驗(yàn)證，最后我們可以得出這種求解方法是可行的，并且具有 相當(dāng)高 的精度，當(dāng)然誤差是一 定存在的。因此下一步我們要做的就是繼續(xù)完善算法，提高計(jì)算的精度。 第六章 全文結(jié)束語(yǔ) 全文研究總結(jié) 相機(jī)標(biāo)定與是攝影測(cè)量、視覺(jué)檢測(cè)、計(jì)搏機(jī)視覺(jué)等領(lǐng)域重要的 研究 課題之一，在測(cè)繪、工業(yè)控制、導(dǎo)航、軍事等領(lǐng)域等得到了極大的應(yīng)用。本文主要講述相機(jī)標(biāo)定，研究了 Harris角點(diǎn)提取、相機(jī)建模、相機(jī)標(biāo)定方法與編程實(shí) 現(xiàn) 等研究?jī)?nèi)容。 學(xué)習(xí)介紹了圖像坐標(biāo)系、世界坐標(biāo)系、相機(jī)坐標(biāo)系等，并給出了坐標(biāo)系之間的關(guān)系。 2．運(yùn)用 Harris 角點(diǎn)檢測(cè)原理的角點(diǎn)檢測(cè)方法，解決了相機(jī)標(biāo)定中高精度控制點(diǎn)坐標(biāo)的獲取問(wèn)題。 3．通過(guò)坐標(biāo)之間的關(guān)系，詳細(xì)求解了相機(jī)外參數(shù)的。 4．編程實(shí)現(xiàn)了相機(jī)外參數(shù) 的 求解的仿真過(guò)程 。 對(duì)未來(lái)研究工作的展望 由于時(shí)間限制，本文僅對(duì)相機(jī)標(biāo)定技術(shù)的部分內(nèi)容作了研究，著重于解決相機(jī)外參數(shù)求解的問(wèn)題，未能將研究向更多理論領(lǐng)域拓展。為使標(biāo)定程序應(yīng)用起來(lái)更加完善，可進(jìn)一步加強(qiáng)以下研究： 正確匹配控制點(diǎn)，繼續(xù)在角 點(diǎn)提取方面進(jìn)行研究，從而盡量減少由此步驟而影響到之后的相機(jī)的標(biāo)定。 深入的研究相機(jī)標(biāo)定的參數(shù)，尤其是內(nèi)參數(shù)的研究方面，在本文中沒(méi)有進(jìn)行討論，在將來(lái)應(yīng)該對(duì)其進(jìn)行深入的探討。 在仿真方面應(yīng)該采取更多的圖像，提取更多的數(shù)據(jù)進(jìn)行仿真，以便更好的對(duì)誤差進(jìn)行分析。 應(yīng)該在條件允許的情況下，開(kāi)展相機(jī)標(biāo)定的實(shí)物實(shí)驗(yàn)，通過(guò)實(shí)際的實(shí)驗(yàn)來(lái)驗(yàn)證相機(jī)外參數(shù)求解的誤差，通過(guò)實(shí)物實(shí)驗(yàn)和仿真實(shí)驗(yàn)更精確的檢驗(yàn)算法的魯棒性和可行性。 致謝 本次畢業(yè)設(shè)計(jì)，使我對(duì)所學(xué)知識(shí)有了較為深刻的認(rèn)識(shí)，了解 相機(jī)標(biāo)定 的廣泛應(yīng)用及其發(fā)展前景，同時(shí)對(duì) 相機(jī)測(cè)繪 的發(fā)展有了新的認(rèn)識(shí)。通過(guò)這次親自動(dòng)手的畢業(yè)設(shè)計(jì)，使我清楚的認(rèn)識(shí)到無(wú)論做什么工作，都需要踏實(shí)，勤奮，嚴(yán)謹(jǐn)?shù)墓ぷ鲬B(tài)度。 在此 首先要感謝我的導(dǎo)師邵魏老師，在我整個(gè)論文學(xué)習(xí)，研究，書(shū)寫(xiě)期間給予我?guī)椭?，給我提供了良好的實(shí)驗(yàn)環(huán)境和精心的指導(dǎo)。邵老師嚴(yán)謹(jǐn)?shù)木礃I(yè)精神和治學(xué)態(tài)度給我留下了深刻的印象。其次要感謝我的同學(xué)劉玉龍，本文的構(gòu)思和寫(xiě)作過(guò)程中，都得到他的幫助，在此表示深深的謝意。感謝我的父母，他們一直以來(lái)對(duì)我默默的奉獻(xiàn)和關(guān)心，是支持我不斷努力，學(xué)習(xí)，向上的動(dòng)力源泉。感謝同組的蘇沖同學(xué)、李中會(huì)同學(xué)，謝謝他們?cè)诒菊n題 中對(duì)我的幫助。最后，向所有關(guān)心、幫助我的老師、同學(xué)和朋友們表示最真誠(chéng)的謝意。 參考文獻(xiàn)： [1]黃宣國(guó)，空間解析幾何，復(fù)旦大學(xué)出版社， ， 2020。 [2] Faugeras O. and Mourrain B., On the geometry and algebra on the point and line correspondences between 13 images , Proc .International Conference on Computer Vision, 1995. [3]Bougnoux S .and Robert L .,TotalCalib: a fast and reliable system for offline calibration of images sequences ,Proc .Compute Vision and Pattern Recognition ,Demo Session,1997. [4] YANG Huachao DENG Kazhong: NonMetric CCD Camera Calibration Algorithm in a Digital Photogrammetry System China University of Mining amp。Technology, 2020. [5]Harris C G, Stephens M J. A bined corner and edge detector[A]. In: Proceedings Fourth Alvey Vision Conference[C], Manchester, UK, 1988:147151. [6]舒志 龍，從立體視覺(jué)恢復(fù)三維結(jié)構(gòu)的研究，北方交通碩士研究生學(xué)位論文，北京， 2020。 [7]Schmid C, Mohr R. Local grayvalue invariants for image retrieval[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(5):530535. [8]Lowe D. Distinctive image features from scaleinvariant keypoints[J]. International Journal of Computer Vision, 2020, 60(2):91110. [9]Brown M, Szeliski R, Winder S. Multiimage matching using multiscale oriented patches[A]. In: Proceeding of IEEE Computer Society Conference on Computer Vision and Pattern[C], San Diego, CA, USA, 2020: 510517. [10]馬頌德，張正友，計(jì)算機(jī)視覺(jué) —— 計(jì)算理論與算法基礎(chǔ)，科學(xué)出版社，北京， 1998。 [11]Van Herk M. A fast algorithm for local minimum and maximum filters on rectangular and octagonal kernels[J]. Pattern Recognition Letters, 1992, 13(7):517521. [12]Joseph G, Michael W. Efficient dilation, erosion, opening, and closing algorithms[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1993, 15(5):504507. [13] 賈云得，機(jī)器視覺(jué)，科學(xué)出版社， 2020。 [14]Gil J Y, Kimmel R. Efficient dilation ,erosion, opening, and closing algorithms[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020, 24(12):16061617. [15] 吳立德，計(jì)算機(jī)視覺(jué)，復(fù)旦大學(xué)出版社， 1993。 [16]Arya S, Mount D M, Netanyahu N S, etc. An optimal algorithm for approximate nearest neighbor searching[J]. Journal of ACM, 1998, 45(6):891923. [17]Fischler M A, Bolles R C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography[J]. Communications of the ACM,1981, 24(6):381395. [18] Forstner W.,A framework for low level feature extraction ,Computer Vision ECCV90,Lecture Notes in puter Science,SpringgerVerlag ,1990. [19] 章毓晉，圖像理解與計(jì)算機(jī)視覺(jué)，清華大學(xué)出版社， 2020。 [20] Bougnoux S. and Robert L ., TotalCalib :a fast and reliable system for offline calibration of images sequences , Proc .Compute Vision and Pattern Recognition ,Demo Session,1997. [21]Pollcfeys M .and Van ., Stratified selfcalibration with the modulus constraint, IEEE Transactions on Pattern Analysis and Machine ,1999.