文档介绍：孑商疗N*穿SouthChinaUniversityofTechnology弟_二届智能控制大赛参赛论文队名:八二二队员:高文渊,周嘉杰,姚华升时间::高级组——基于摄像头的目标跟踪系统目录一、 绪论 3二、 设计要求 3三、 方案比较与选择 5四、 摄像机标定 5五、 物体识别 9六、 三维坐标的计算 11七、总结 论文关词:双目视觉,摄像机标定,特征提取,视差,opencv绪论众所周知,人类通过各种感官來感知世界,而视觉在其中扮演者举足轻重的角色,我们所获得的信息冇80%来源于视觉。当下,机器人的研发已经成为潮流,机器人与外界的信息交互方式也多种多样,而人们对机器视觉更是怀有极大的期待。一旦机器人拥有的视觉功能,将会更好的工作于一些危险,或者人类难以触及的地方,也可以更大的捉高生产效率和生产的自动化程度。随着计算机计算功能的提高,使计算量浩大的图像处理成为可能,:方案一:opencv自带函数的标定方案二:matlab标定工具比较:据大神所说,matlab标定的结果会准确一点,而且matlab标定简单易操作。乒乓球识别方法:方案一:转化为灰度图后,再用霍夫圆变换方案二:通过颜色空间进行筛选识別比较:对于霍夫圆变换而言,灰度图的噪声较多,影响识别,而通过颜色空间进行筛选能够达到更好的效果。四摄像机的标定(1)摄像机模型对于假想的***机,从针孔到屏幕的距离就是焦距。如图,f是摄像头的焦距,Z是摄像机到物体的距离,X是物体长度,x是图像平面上的物体图像,其数值可以通过三角形-x/f=X/Z得到。实际上,成像仪的中心通常不在光轴上,我们因此引入两个新的参数Cx和Cy,对可能的偏移进行建模。这样物理世界屮的点Q,其坐标为(X,Y,Z),以某些偏移的方式投影为点(Xscreen,Yscreen),如下所示:Xscreen=fx(X/Z)+Cx, Yscreen=fy(Y/Z)+Cy注意:焦距fx实际上是透镜的物理焦距长度与成像仪每个单元尺寸Sx(单位是像索/每毫米)的乘积。同样的道理也适用于fy与Sy(2)基木投影几何我们将定义摄像机的参数(如fx,fy,Cx和Cy)重新排列为一个3*3的矩阵,该矩阵称为摄像机的内参数矩阵。那么将物理世界上的点投影到摄像机上,可以用下式表示:(3)透镜畸变Xcorrected=x(\+k{r2+k2r4Ycorrected=y(l+k{r2+k2r4+k3rh)旋转矩阵与平移向量标定方法是把摄像机对准一个冇很多独立可标识的物体,通过在不同角度观看这个物体,可以利用通过每个图像计算摄像机的相对位置和方向以及摄像机的内参数。如果依次绕x,y和z轴旋转角度屮,a,0,那么总的旋转短阵R是三个短阵RxW),Ry(a),Rz(B)的乘积,其中:_100・cosa0-sinaRx(屮)二0COS0sin妙Ry(a)二010_0-sini//cos©sina0cosacos0sin00Rz(P)=-sin0cos00001_旋转矩阵R=Rx(W)Ry(a)Rz(B),平移向量T二目标原点-摄像机原点。点在世界坐标系屮的坐标Po到在摄像机坐标系的坐标Pc:Pc=R(Po-T)三个角度来表示三维旋转,三个参数(x,y,z)来表示三维平移,摄像机内参数矩阵冇4个参数(fx,fy,Cx,Cy),因此对每个视场的解需耍10个参数。使用一个平面物体,每个视场固定8个参数。因为不同视场下旋转和平移的6个参数会变化,对每一个视角用來解摄像机内参数矩阵的两个额外参数需要约束,因此求解全部几何参数至少需要两个视场。单应性如果对点Q到成像仪的点q的映射使用齐次坐标,这种映射可以用矩阵相乘的方式表示。有如下定义:Q二[XYZ1]Tq=[xy1]T则可以将单应性简单表示为:q二sHQ物理变换部分是与观测到的图像平面相关的部分旋转R和部分平移t的影响之和。因为使用齐次坐标,我们口J以把它们组合到一个单一矩阵中,如下所示:W=[Rt]fa0Cx则q二sMWQ,其中摄像机矩阵为M二0fyCy001考虑到一般性,我们可以选择定义这个物体平而,使得z=o,具体如下:~X~X\ZXy=sM[rxr2 t]0=sM[r}r2t]Y111映射目标点到成像仪的单应矩阵H可以完全用H二sM[” 打表述,其中:q=sHQ立体标定立体标定是计算空间上两台摄像机几何关系的过程,其关系可通过旋转矩阵R与平移矩阵T來表示。立体校正,立体校正则是对个体图像进行纠正的过程,这样保证这些图像可以从像平面行对准的两幅图像获得。通过这样的校正,两台摄像机的光轴就是平行的。opencv内相应的函数是voidstereoRectify( ),函数输入摄像机内参数矩阵,畸变矩阵,表示两台摄像机几何