责任编辑：李健

基于视觉传感器的智能车摄像头标定技术研究(上) Research on Calibration Method for a Smart Car Based on Vision 王建中国科学技术大学自动化系(安徽合肥 230027)张晓炜杨锦昝鑫刘小勇西安交通大学(陕西西安 710049)

是与均行采集对应的。在均行采集摘要：在智能车比赛中，摄像头组肯定要遇到的问题是图像存在梯形失真，若选用广角镜头，还会存在桶形失真。解决这两种几何失真将对后面的处理提供方便。本文介绍了作者所在车队的摄像头标定技术。此方法简单实用，值得借鉴。关键词：智能车；飞思卡尔；梯形失真；桶形失真；几何标定；透视变换；广角镜头 DOI: 10.3969/j.issn.1005-5517.2010.05.014中，AD模块所采集的行均匀分布于摄像头输出的图像中。而非均行采集则是指，AD模块所采集的行按某种规则非均匀地分布在原始图像中，而这种规则是保证采集得到的图像在纵向上(小车中轴方向)与现实景物不畸变。然后再确定每一行的横向畸变系数。如图2所示，非均行采集时，远

引言 本文以飞思卡尔智能车大赛为背景，使用飞思卡尔(Freeseale)生产的16位微控制器MC9S12XS128作为控制核心，制作一个能巡线快速行驶的摄像头小车。由于摄像头光轴与地面呈一定夹角，于是其成像存在梯形失真；为了扩大视野，广角镜头越来越为很多队伍所采用，于是又存在桶形失真。这两种失真，是每个采用广角镜头的摄像头队伍都要遇到的问题。很多队伍都回避这个问题，直接采用图像预处理后的像素点进行控制。但若将像素点转换为实际物理坐标，无疑更直观，对程序的编写或建模带来很大的方便，并且本文提出的这个方法，可有效解决这两种失真，实际操作并不复杂。

过对于每行提取的道路位置通过一个线性修正来消除梯形失真，可通过实验的方式确定线性补偿的系数。但是该实验方法比较繁杂，并且不能消除桶形失真。文献[2]制作了一个图像标定板，如图1所示。其原理是：图1(a)中阴影部分是车体放置的位置。在标定板上等间距地贴了许多黑线，给标定板拍照后，就可以知道实际中的位置与图像中的位置的相互关系。这个方法由于黑线有一定宽度，所以会存在较大误差。文献[ 3]采用非均行采集的方案。所谓非均

处采得密，近处采得稀。由于摄像头安装方式在实验时会经常变动，以确定最佳俯角和最佳高度，每当变动就需要重新标定。这个方案就不大方便了。文献[4]建立了一个光路几何模型图，如图3所示。实验方案：量取摄像头架固定螺钉的高度H与摄像头中心相对于竖直杆的偏转角度(

俯角)θ。由于光学中心的计算完全由这两个数据及近端距固定杆的距离S (即测量保险杠距固定杆的距离S0和近端距保险杠距离S'相加得到，也可直接在实验板上测量

各队解决方案综述 文献[1]提出的方法是：可以通

(a)

(b) (b)摄像头拍到的图像

行采集图1 (a)图像标定板

www.wendangwang.com 2010.6

73 48