近年来,分层逐步相机自标定方法成为自标定研究中的热点之一,并在实际应用中逐渐取代了直接求解Kruppa方程的方法。
分层逐步相机自标定方法是将摄像机自标定方法分成三部分。第一步,要求对图像序列作射影重建;第二步,从射影重建到仿射重建,根据绝对二次曲线的性质计算出仿射方程也就是无穷远平面的方程;第三步,从仿射重建到度量重建,计算相机的内参数矩阵。
1.Triggs的方法
Triggs最早将绝对二次曲面的概念引入到自标定的研究中来,应用绝对二次曲面对应着图像上的绝对二次曲线像的对偶,既有式子成立:
将相机内参数的自身约束转移到对的约束的纽带。消去可得式子:
式子中的表示矩阵第k行l列元素,对于每一幅图像,可得到15个形式如上式的方程,但其中只有5个是独立的。Triggs提出了两种方法求解该方程组。第一种方法利用SQP(Sequential quadratic programming),利用该方法,给定至少3幅图像即可完全标定,初始值由预估得到。第二种方法被称为半线性方法(Quasi-linear)。非线性方法存在着过分参数化的倾向,噪声大时误差也较大。
基于的自标定方法与基于Kruppa方程的方法在本质上是一致的,都是利用绝对二次曲线在欧氏变换下的不变性,但在输入多幅图像并能得到一致射影重建的情形下,前者较后者更具有优势,其根源在于包含了无穷远平面和绝对二次曲线的所有信息,而基于的自标定方法又是在对所有图像作射影重建的基础上计算,从而保证了无穷远平面对所有图像的一致性。
2.Heyden的方法
Heyden提出了基于对偶二次曲线的方法。该方法通过求解下面的两个式子的优化函数可以解出内参数矩阵K。
这种方法也存在着计算量大,优化的收敛性难以保证的弊端。并且该方法很大的缺点是对每个视角都引入了未知的常数因子,这在长序列图像中会导致收敛问题。
3.Pollefeys的方法
Pollefeys等从单应矩阵和绝对二次曲线出发推导出了类似的结果。由于无穷远平面上的绝对二次曲线的像不随相机运动而改变。Pollefeys建议利用Levenberg-Marquart算法优化式以解出内参矩阵K。
因为存在着未知的常数因子,但在处理该常数因子上,Pollefeys和Heyden等采用了不同的途径。Heyden将常数因子看作独立的未知数与其他参数同时优化,而Pollefeys等利用模相等估计出常数因子。
由于减少了待优化的未知数个数,优化函数将更易于收敛。Pollefeys还证明该方法与基于Kruppa方程的方法、Heyden等的方法、Triggs的基于绝对二次曲面的方法等在本质上是相同的。
以上介绍的三种方法有着共同的特点,即都是在射影标定的基础上,以某一幅图像为基准作射影对齐,从而将未知数缩减至8个(无穷远平面参数3个,相机内参5个,不包括总体常数因子),再通过非线性优化算法同时解出所有未知数。缺点在于非线性优化算法的初值只能通过预估得到,不能保证收敛性;射影重建时均是以某参考图像为基础,参考图像的选取不同标定的结果也不同,这不能满足一般情形下噪声均匀分布的假设。
4.Hartley方法
Hartley提出一种直接对相机投影矩阵进行QR分解的自标定方法。Hartley首先进行射影重建,作射影对齐后得到相机投影矩阵序列。自标定的目标是要寻找合适的欧氏变换,将,将变换到欧氏意义下的投影矩阵。如下式:
Hartley方法利用了QR分解法消去旋转矩阵R,这是该方法的最大特色。该方法的优点在于当输入图像的序列较长时,往往能取得较好的效果;不足之处在于其初始值必须预先估计。