基于SLAM的双目立体视觉实时自标定

1.介绍

随着binocular stereo vision (BSV)设备在计算机视觉中的广泛应用，提出了多种方法对其进行标定。现有的标定方法大多基于特定参考目标或模式的手动离线标定算法，如传统的标定方法、平面模板法、基于三维目标的标定方法，然而标定算法和步骤复杂、耗时，适用于摄像机参数不经常变化的场合。
为了避免传统方法的缺点，平面模板法得到了广泛的研究。张正友提出用棋盘来校准相机，这种方法应用广泛。
基于三维目标的标定方法通过将目标放在摄像机视场中一次获得标定参数，使标定过程更加简化。但是借助于标记物，标定精度高，标定过程简单，但标定方法仍不够灵活。由于三维目标的加工和所有特征点的定标图像的清晰度难以保持一致，限制了其实际应用。
针对标定问题，提出一种双目相机自标定方法，该方法只需要图像序列的约束，不需要预先设计任何特殊的参考对象或模式，从而可以实时在线标定摄像机参数，Luong、Tang、Boudine、Ji、Wang等都提出一种标定双目相机的方法，但校准过程仍然需要复杂的用户干预，有些方法要求用户手动指定BSV钻机的两个摄像机视图之间的点对应关系，这在实践中似乎很不方便。
目前Carrera 等人使用改进的单目视觉Mono-SLAM算法分别对每台摄像机的视频序列进行处理，然后根据相应的SURF特征对每台摄像机获取的地图进行鲁棒匹配和融合。最后，将全局地图与摄像机提取的SURF特征相匹配，对多个摄像机之间的外部参数进行标定。然而，该方法并不能提供周围环境的真实尺度信息，其标定精度和效率有待进一步验证。
因此作者提出一种基于光流法的双目相机外参自标定方法，主要创新有：
1）提出的基于SLAM的自标定方法可以在不需要辅助设备和专用标定标记的情况下，估计出BSV相机的外部参数
2）基线确定后，平台正常行驶过程中可实时实施全自动校准过程，无需复杂的相机移动要求和先验环境信息
3)在实验部分，将提出的自标定方法应用于安装BSV模块的移动平台，该方法能在短时间内准确标定BSV试验台

2.基于SLAM的自校准流程

该方法主要分为两部分：基于SLAM的自然环境三维特征点图的构建和外部参数的标定。

图1 基于S