【摘要】 本发明公开了一种立体图像对的极线校正方法，利用匹配点计算出基本矩阵和两幅图像各自的极点，然后计算第二幅图像深度旋转轴的坐标以及变换比例和平移量，并与图像对极点的坐标一起作为初始值，采用非线性最小二乘法进行优化，得到它们的最优值，计算出两幅图像各自的投影变换矩阵，然后进行变换，得到校正后的立体图像对。本发明最优化的参数由传统方法的至少10个减少到了至少7个，从而节省了计算量。同时，参数的初始值是由完全基于基本矩阵的方法计算出来的，保证了初始值的精度，从而克服了最优化时对初始值敏感的缺点。由于得到参数的初始值后还要对其进行非线性最优化，相对完全基于基本矩阵的方法而言，本发明又不过分依赖基本矩阵的精度。 【专利类型】发明授权 【申请人】四川虹微技术有限公司; 重庆大学 【申请人类型】企业,学校 【申请人地址】610041 四川省成都市高新区天府大道南延线高新孵化园8号楼 【申请人地区】中国 【申请人城市】成都市 【申请人区县】武侯区 【申请号】CN200810045622.0 【申请日】2008-07-23 【申请年份】2008 【公开公告号】CN101325724B 【公开公告日】2010-06-02 【公开公告年份】2010 【授权公告号】CN101325724B 【授权公告日】2010-06-02 【授权公告年份】2010.0 【IPC分类号】H04N13/00; G06T7/00 【发明人】刘然; 杨刚; 张小云 【主权项内容】一种立体图像对的极线校正方法，其特征在于，包括以下步骤：(1)、利用立体图像对的两幅图像的匹配点计算出基本矩阵和各自的极点；(2)、利用第一幅图像的极点计算出第一幅图像的深度旋转轴，再根据基本矩阵，计算出第二幅图像的深度旋转轴；(3)、根据两幅图像各自的深度旋转轴计算出两幅图像各自的深度旋转变换矩阵；(4)、根据两幅图像各自的深度旋转变换矩阵和极点计算出两幅图像经过深度旋转后的新极点，根据新极点得到两幅图像各自的极线旋转变换矩阵；(5)、根据步骤(1)得到的基本矩阵、步骤(3)、(4)得到的两幅图像各自的深度旋转变换矩阵和极线旋转变换矩阵，得到两幅图像平面变成平行平面、并且极线水平后的基本矩阵，再根据本步骤得到的基本矩阵计算出变成平行平面、并且极线水平后的两幅图像的第二幅图像对于第一幅图像的变换比例和平移量；(6)、将步骤(1)得到的两幅图像各自极点的坐标、步骤(2)得到第二幅图像深度旋转轴的坐标以及步骤(5)得到的变换比例和平移量作为初始值，采用非线性最小二乘法对初始值进行优化，得到它们的最优值；(7)、根据得到的最优值，计算出两幅图像各自的投影变换矩阵，然后对两幅图像进行变换，得到校正后的立体图像对。 【当前权利人】四川虹微技术有限公司; 重庆大学 【当前专利权人地址】四川省成都市中国(四川)自由贸易试验区成都高新区天府四街199号1栋33层; 重庆市沙坪坝区沙正街174号 【专利权人类型】其他有限责任公司; 【统一社会信用代码】915101007774632745; 12100000400002697C 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】12
