双线阵CCD相机的畸变校正和标定方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (22): 175-179.

双线阵CCD相机的畸变校正和标定方法

朱虹1，程松1，王栋1，陈好刚2，王佳2

1.西安理工大学自动化与信息工程学院，西安 710048
2.洛阳圣瑞机电技术有限公司，河南洛阳 471000

出版日期:2014-11-15 发布日期:2014-11-13

Camera calibration and lens distortion correction for binocular linear CCD

ZHU Hong1, CHENG Song1, WANG Dong1, CHEN Haogang2, WANG Jia2

1.Faculty of Automation and Information Engineering, Xi’an University of Technology, Xi’an 710048, China
2.Luoyang Sunray Technology Co. Ltd., Luoyang, Henan 471000, China

Online:2014-11-15 Published:2014-11-13

摘要/Abstract

摘要： 在双线阵CCD的三维重建中，对线阵CCD相机的标定和镜头畸变校正是基础环节。提出了一种用于三维重建中的双线阵CCD标定及镜头畸变校正方法。根据左右相机间的单应性关系，以及线阵CCD的成像原理，将双目相机间的空间关系分解成姿态角与错切角的关系。通过靶图数据的拟合，对姿态角和镜头畸变进行校正，根据求出的错切角完成相机间的标定，实现对具有镜头畸变的双线阵CCD的标定。实验结果表明，标定和校正精度满足后续三维重建中图像匹配的需求。

关键词: 线阵电荷耦合元件, 三维重建, 相机标定, 镜头畸变校正

Abstract: Camera calibration and lens distortion correction for linear CCD are the basic parts of 3D reconstruction with binocular linear CCD. An approach of calibration and lens distortion correction for binocular linear CCD used in 3D reconstruction is proposed. Based on the homography between left camera and right camera, and linear CCD imaging principle, spatial relationship between binocular camera is modeled as attitude angle and shear angle. By data fitting, the attitude angle and lens distortion are corrected, the shear angle is also computed to complete camera calibration. As to the analysis above, camera calibration and lens distortion correction are achieved. The experiment results show that the precision of calibration and correction could satisfy the need of image matching of 3D reconstruction in the future.

Key words: linear Charge-Couple Device, 3D reconstruction, camera calibration, lens distortion correction

朱虹1，程松1，王栋1，陈好刚2，王佳2. 双线阵CCD相机的畸变校正和标定方法[J]. 计算机工程与应用, 2014, 50(22): 175-179.

ZHU Hong1, CHENG Song1, WANG Dong1, CHEN Haogang2, WANG Jia2. Camera calibration and lens distortion correction for binocular linear CCD[J]. Computer Engineering and Applications, 2014, 50(22): 175-179.

[1]	周彦，旷鸿章，牟金震，王冬丽，刘宗明. 面向半稠密三维重建的改进单目ORB-SLAM[J]. 计算机工程与应用, 2021, 57(8): 180-184.
[2]	赵玉婷，钮建伟，张人杰，刘海笑，冉令华. 卷积神经网络用于关节角度识别与姿势评估[J]. 计算机工程与应用, 2019, 55(16): 209-216.
[3]	罗米1，赵霞1，陈萌2，郭松3，倪颖婷1. 基于分段式序列图片集的运动恢复结构[J]. 计算机工程与应用, 2018, 54(22): 205-210.
[4]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[5]	王炳南1，李彬1，刘霜纯2，3，田联房1，王立非4. 计算机辅助肺功能定量分析系统的开发与设计[J]. 计算机工程与应用, 2018, 54(13): 224-230.
[6]	刘李漫1，孙琨2，徐海洋2，胡怀飞1. 基于哈希特征的大规模图像快速匹配算法[J]. 计算机工程与应用, 2017, 53(17): 202-206.
[7]	赵龙，韦群. 序列图像三维重构中点云精简算法的研究与改进[J]. 计算机工程与应用, 2016, 52(8): 211-216.
[8]	张长春，王瑜，肖洪兵. 基于复合正则化的荧光显微图像三维重建[J]. 计算机工程与应用, 2016, 52(24): 205-209.
[9]	郭春磊，洪鹰. 采用棋盘格靶标的全自动相机标定方法[J]. 计算机工程与应用, 2016, 52(12): 176-179.
[10]	赵洁1，2，欧陕兴3，蒋世忠1，易法令1. 基于改进窄带水平集的三维肝脏肿瘤分割[J]. 计算机工程与应用, 2015, 51(13): 28-30.
[11]	夏文玲1，顾照鹏2，杨唐胜2. 实时三维重建算法的实现——基于Kinect与单目视觉SLAM的三维重建[J]. 计算机工程与应用, 2014, 50(24): 199-203.
[12]	杨玲，阮心玲. 模型导向的矩形建筑物三维重建[J]. 计算机工程与应用, 2014, 50(21): 24-28.
[13]	吴雨1，许林2，杜彦伸2. 彩色Range图像的三维模型重建[J]. 计算机工程与应用, 2014, 50(1): 139-144.
[14]	王旭初1，2，王赞1，2. 基于最近邻Marching Cubes的医学图像三维重建[J]. 计算机工程与应用, 2012, 48(18): 154-158.
[15]	陈文文1，姜富春1，车翔玖2. 基于面绘制的医学序列图像三维重建[J]. 计算机工程与应用, 2012, 48(16): 168-172.