积分商城

最新搜索： PL2303 altium Designer 20 电路设计与仿真从入门到精通 auto cad 常用LOGO标识 microBUCK TMC5160
您现在的位置是：首页 > 技术资料 > 三维监控系统中基于三维重构的交互式标定
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

三维监控系统中基于三维重构的交互式标定

更新时间：2019-12-24 06:36:52 大小：4M 上传用户：zhiyao6查看TA发布的资源 标签：三维监控系统 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

标定多个监控摄像机的位姿是智能监控系统的基础.传统的标定方法需人工逐一标定每个目标摄像机,且难以处理非重叠监控视场以及摄像机运动和扰动的情况.对此本文提出一种基于三维重构的交互式标定框架,通过引入场景三维特征点云作为中间层,仅需一次性建立其与参考背景模型间的几何变换关系,即可通过目标摄像机图像与三维点云的匹配实现自适应标定,可显著降低工作量.由于匹配是建立在监控图像与三维点云之间而非监控图像之间,因此可以处理监控视场非重叠的情况.对于摄像机运动和扰动,提出了一种在线相对姿态传递方法,能够克服摄像机扰动和运动带来的姿态变化问题.实验证明了本文方法的有效性.


部分文件列表

文件名 大小
三维监控系统中基于三维重构的交互式标定.pdf 4M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
3
Vol. 45 No. 3  
Mar. 2017  
第
2017  
期
电
子
ACTA ELECTRONICA SINICA  
学
报
3
年
月
三维监控系统中基于三维重构的交互式标定  
1，2  
1，2  
1，2  
1，2  
1，2，3  
，
，
，
，
邓 磊 陈宝华 赖伟良 陈志祥 周 杰  
( 1.  
，
100084; 2.  
，
100084;  
清华大学自动化系 北京  
清华信息科学与技术国家实验室 北京  
3.  
，
100084)  
智能技术与系统国家重点实验室 北京  
:
.
标定多个监控摄像机的位姿是智能监控系统的基础 传统的标定方法需人工逐一标定每个目标摄像  
摘
要
，
.
，
机 且难以处理非重叠监控视场以及摄像机运动和扰动的情况 对此本文提出一种基于三维重构的交互式标定框架  
，
，
通过引入场景三维特征点云作为中间层 仅需一次性建立其与参考背景模型间的几何变换关系 即可通过目标摄像机  
，
.
图像与三维点云的匹配实现自适应标定 可显著降低工作量 由于匹配是建立在监控图像与三维点云之间而非监控图  
，
.
，
，
像之间 因此可以处理监控视场非重叠的情况 对于摄像机运动和扰动 提出了一种在线相对姿态传递方法 能够克服  
.
摄像机扰动和运动带来的姿态变化问题 实验证明了本文方法的有效性  
.
:
;
;
; PTZ  
关键词  
中图分类号  
URL: http: / /www. ejournal. org. cn  
三维监控系统 摄像机标定 三维重构  
相机  
:
TP391  
:
A
:
0372－2112 ( 2017) 03－0527－07  
文章编号  
DOI: 10. 3969 /j. issn. 0372－2112. 2017. 03. 003  
文献标识码  
电子学报  
Interactive Calibrating 3D Surveillance System  
Based on 3D Reconstruction  
1，2  
1，2  
1，2  
1，2  
1，2，3  
DENG Lei ，CHEN Bao－hua ，LAI Wei－liang ，CHEN Zhi－xiang ，ZHOU Jie  
( 1． Department of Automation，Tsinghua University，Beijing 100084，China;  
2． Tsinghua National Laboratory for Information Science and Technology，Beijing 100084，China;  
3． State Key Laboratory of Intelligent Technology and Systems，Beijing 100084，China)  
Abstract: Calibrating camera is essential for intelligent surveillance systems. Conventional calibrating methods usually cal－  
ibrate the target cameras one by one and can not handle non－overlapping cases or camera motion/disturbance. In this work，we  
present an interactive calibration framework based on 3D reconstruction. The reconstructed 3D feature point cloud is treated as the  
interface between the 3D background model and the target camera. Through 2D－3D matching，a target camera could be automati－  
cally calibrated against the 3D feature point cloud. Due to the matching is performed between the target image and the point cloud，  
non－overlapping cases can be well handled. Also，an online relative pose transfer scheme is proposed to deal with the problem of  
camera disturbance or motion efficiently. Experiments demonstrate the effectiveness of the proposed framework.  
Key words: 3D surveillance system; camera calibration; 3D reconstruction; PTZ camera  
.
维参考背景模型中的位姿是核心环节 对于这一问  
1
引言  
，
( GPS， ，  
惯性导航  
题 一些研究采用基于传感器的方法  
［5］  
三维监控系统是智能监控系统中的一个前沿研究  
)
，
这类方法依赖专门设备且精度不  
姿态传感器等  
方向［1 ～ 4］ 可将监控设备的视频画面实时嵌入到统一的  
［6 ～ 9］  
.
.
，
高 基于计算机视觉的自动标定方法研究较多  
，
，
参考背景模型中 整合所有的监控画面信息 形成对监  
，
但通常要求监控图象间有足够的视场重叠 利用运动  
，
、
、
控场景的整体和自由视角观察 在智能交通 智能安防  
.
智能社区等领域中应用前景广阔  
.
匹配或特征匹配来标定摄像机间的相对位姿 若将这  
类方法直接用于匹配摄像机图像与参考背景模型图  
，
在三维监控系统的建立过程中 标定摄像机在三  
，
像 常因为二者差异过大或缺乏对应目标运动信息而  
: 2015－09－25;  
: 2015－11－26;  
:
收稿日期  
修回日期  
责任编辑 覃怀银  
:
( No. 61225008，No. 61373074，No. 61373090) ;  
( 973) ( No. 2014CB349304) ;  
教育部基金  
基金项目 国家自然科学基金  
国家重点基础研究发展计划  
( No. 20120002110033)  
528  
2017  
电
子
学
报
年
［3，10，11］  
.
失败 已有的三维监控系统多采用交互式标定  
2
系统概述  
，
的方法 逐一建立每个摄像机与参考背景模型的对应  
1
，
本文方法的系统流程如图 所示 包括离线三维重  
.
，
.
关系 结合几何计算得到摄像机的位姿 这种方法工  
构及点云嵌入和在线自动标定两个部分  
(
) ，  
，
作量大 正比于摄像机数量 且仅适合静态摄像机  
，
离线部分中 首先主动采集足够的场景图像并采  
(
PTZ  
)
相机 的运动和摄像机扰  
无法处理主动相机 如  
.
［12］  
SFM( Structure From Motion  
)
用运动恢复结构的方法  
动带来的影响  
，
进行三维重构 得到场景的三维特征点云和主动拍摄  
.
本文提出一种基于三维重构的交互式摄像机位姿  
图像位姿 随后采用提出的点云嵌入方法将该特征点  
，
标定方法 可用于快速估计多个摄像机在参考背景模  
.
，
云嵌入至参考背景模型中 在线自动部分中 将目标摄  
，
(
型中的位姿 并且能够克服图像运动 主动相机或者扰  
像机视频的当前帧与已知姿态的参考帧做特征匹配并  
)
，
1
.
动 带来的影响 流程如图 所示 不同于传统的人工  
.
，
估计相对旋转 若无参考帧或匹配失败 则将目标图与  
2D－3D  
，
逐一标定摄像机的交互方式 本文引入了三维特征点  
离线构建的三维特征点云进行  
匹配并估计位姿  
，
云作为中间层 仅需一次性建立三维点云与参考背景  
，
.
，
以及更新参考帧 最终完成图像嵌入 若匹配估计成功  
，
模型间的几何变换关系 而后借助该三维点云就能自  
，
则根据相对旋转传递得到当前帧的姿态 完成图像嵌  
，
.
动标定每一个目标摄像机 可显著降低工作量 除静态  
.
，
.
入 此外 当旋转较大时需更新参考帧  
，
.
摄像机外 本文方法还可以处理摄像机运动的情况  
RANSAC  
是一种计算机视觉中常用的鲁棒估计框  
的视图视为在特征点云坐标系中的虚拟视角仿射摄像  
; ( 2)  
，
架 它能够有效地克服样本中的外点和假点并正确地  
.
估计出最佳模型 其基本思想是通过随机采样最小样  
机并估计其姿态  
3D  
根据手动输入的若干地平面上的  
.
点估计场景地平面方程并用于投影可视区域  
，
本集并估计模型 统计其余样本到该模型的距离并计  
由于参考背景模型分为三维背景模型和二维背景  
.
，
算支持度 由于当最小样本集均为内点时 其对应的模  
.
，
3D－  
视图 因而估计虚拟视角摄像机姿态的方法也分为  
型支持度最高 所以多次采样后支持度最高的模型作  
.
2D(  
－
)
3D－3D(  
三维特征点云 二维背景视图 与 三维特征  
为最终选取的最佳模型  
－
)
.
点云 三维背景模型 两种  
3
3. 1 3D-2D  
三维点云重构及嵌入  
下虚拟视角摄像机姿态估计  
3D  
二维参考背景视图一般来自于卫星地图或者  
，
在离线三维点云重构及嵌入阶段中 首先对采集  
.
.
参考背景模型的某一视角 输入的对应为三维特征点  
的场景图像做三维重构得到三维特征点云 其次将得  
3D－2D  
(
4) .  
云到二维视图中的若干  
对应点 数量≥  
二维  
，
:
到的三维特征点云嵌入到参考背景模型中 包含两步  
背景视图与三维点云之间的变换关系可以视为在某个  
( 1)  
估计三维特征点云与参考背景模型之间的几何关  
.
角度观测三维点云 对此提出一种求解该变换的方法  
，
.
系 该几何关系主要表现为将参考背景模型某一视角  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号