李有强, 吴 军,2, 高忠鹏

(1.桂林电子科技大学 电子工程与自动化学院,广西 桂林 541004;2.桂林电子科技大学 广西光电信息处理重点实验室,广西 桂林 541004)

鱼眼镜头作为视场角范围可达到甚至超过180°的超广角摄影机,拍摄的影像包含的信息丰富,被广泛运用到视屏监控、虚拟现实、自动驾驶、工业检测和医学检测等领域中[1],然而鱼眼图像伴有严重的非线性图形畸变,从而导致难以执行大多数的计算机视觉任务,比如目标检测与识别、目标跟踪、场景重建、场景分割[2-5]等任务。因此,需对鱼眼图像进行畸变校正,以满足应用需求,而获得一套高精度的鱼眼镜头标定参数是完成以上任务的前提和关键步骤。

现有对鱼眼镜头标定的方法可分为传统算法的标定方法和基于深度学习算法的标定方法。在传统的方法中,大多是手动标记和自动检测一系列特征点,结合镜头光学成像过程的几何约束来求解一个复杂的非线性方程,解析的参数就是镜头标定参数。如以棋盘格为标定板的张氏标定法[6],在此基础上,林颖等[7]将成像过程中投影球面单位视化,求解镜头标定参数初值,再进行优化,得到最终标定参数;吴泽俊等[8]利用空间直线投影为投影球面上为大圆的几何约束,通过多张视图标定内参。上述方法均需求解繁杂的数学模型。随着神经网络被广泛应用在处理计算机视觉(CV)任务中,崔鹏飞等[9]将BP神经网络应用于鱼镜头标定中,将鱼眼图像的特征……