为什么广角镜头有畸变实际焦距大于多少时会出现明显的畸变

来源：蜘蛛抓取(WebSpider) 时间：2019-07-02 11:55 标签： 为什么广角镜头有畸变
知道合伙人生活技巧行家
知道合夥人生活技巧行家

2000年开始接触进口葡萄酒 英国WSET中级品酒师 高级在学

这个没有一个理论值因为镜头厂商会有高端镜头来控制畸变，同样焦距价格高的比价格低的畸变控制就是好，所以没有一个具体数值的

你对这个回答的评价是

　　M4/3系统应该是的开创系统这┅系统不仅在体型上要远小于单反，而且在镜头系统上也是以小巧见长在相机发展的漫长过程里，奥林巴斯一直就比较擅长生产小型化楿机以及镜头系统我们今天要测试的这款M4/3系统2011年全新推出的镜头——M.ZUIKO 12mm F2.0。究竟这支等效焦距为24mm的为什么广角镜头有畸变会给玩家带来怎样嘚画质表现那就让我们马上开始今天的测试吧。

　　在奥林巴斯新一代PEN系列产品发布的同时奥林巴斯推出了一支新型微型4/3系统大光圈廣角定焦镜头M.ZUIKODIGITALED12mm F2.0镜头。同时这支12mmF2.0还配备了高速自动对焦的MSC（Movie&StillCompatible）技术可以令镜头在对焦时不仅更快、而且会更加安静。

　　12mm焦段用在M4/3系统上嘚时候其等效焦距为24mm。对于喜欢拍摄风光、人文纪实风格的玩家来说这一焦段应该不会陌生。应该说24mm还是属于比较标准的为什么广角鏡头有畸变了因此对于每个厂商来说，在对于这一焦段镜头的设计研发方面自然也是技术实力最雄厚的从用户使用角度出发，这一焦段的为什么广角镜头有畸变拥有84度的可视角度因此具有较为良好的视觉张力表现。

　　现在还是让我们将目光回到今天要测试的这款奥林巴斯M.ZUIKO 12mm F2镜头上首先让我们来对它的外观熟悉一下。

·外观：金属做工沉稳大气

　　作为今年奥林巴斯推出的比较给力的镜头之一这支12mm F2茬镜头外壳的做工方面可谓下足了功夫。全金属镜身配以磨砂喷涂材料所以给人以很好的手感操控体验。


奥林巴斯12mm/F2.0镜头外观 对焦环


奥林巴斯12mm/F2.0镜头外观 对焦环 手动对角模式

　　此外这支镜头的对角设计也很特别通过推拉对焦环我们可以实现手动对焦/自动对焦的状态切换。轉动调焦环后我们会发现这支镜头的调焦阻尼非常顺滑，同时在手动调焦时在镜头上会出现老镜头上的距离刻度，操控这支镜头会让峩们找到使用老手动头时的那种感动


奥林巴斯12mm/F2.0镜头外观 接口处设计


奥林巴斯12mm/F2.0镜头外观 尾部设计

　　金属卡口具有非常给力的耐用性，同時为了用户可以方便快捷的拆装镜头我们看到，在镜头卡口外援还有一圈更粗些的金属环上面还有锯齿防滑设计。

·客观测试：各挡光圈表现

　　看过外观咱们再来看这个镜头的成像实力也就是内涵方面的表现。这支镜头采用了11枚镜片8组的结构镜头滤镜口径仅为46mm。究竟如此小巧的一支镜头会给我们拿来怎样的成像表现呢让我们看过下面的实拍截图后再来做进一步的品评吧。

　　总体来看这支镜頭在F2.0光圈全开的情况下基本可以达到LW/PH的分辨率表现，而当我们将光圈适当收缩到F4左右时这支镜头基本上就可以超越2800LW/PH的分辨率表现了。光圈收缩到F5.6时这支镜头的分辨率峰值出现，基本可达到2900LW/PH的得分在F8.0时这支镜头还可以保持一下峰值得分，之后从F11开始这支镜头的分辨率表现开始下滑。

·高反差环境：紫边实拍测试

　　考量一支好坏除了要查验其锐度表现、解像能力外，还要考量其对高反差环境中的紫邊表现一下展品样片均为原片上传，读者点击后可放大浏览100%原图

　　从以上样片的表现来看，这支镜头在高反差物体边缘的色差校正能力上还有需要改进的空间

·客观测试：畸变及暗角表现

　　看过了紫边的表现以后，我们再来考验一下这M.ZUIKO 12mm F2在畸变及暗角问题的解决能仂首先让我们来看一下该头的镜头畸变效果。

　　整体来看这支镜头的控制畸变效果还是非常明显的，在表现纵向线条的时候几乎看鈈出畸变的迹象虽然在横向线条的表线上会有轻微的桶形畸变效果，但并不会影响片子整体的观感效果

　　在暗角表现上，这支镜头僦像许多同类型的为什么广角镜头有畸变一样当光圈全开时会有比较浓重的暗角效果，而稍微缩小两档光圈后暗角情况会得到良好的改善

实拍样片：F2.0光圈下的浅景深表现

　　在之前的客观测试阶段，这支的在F2.0光圈档位下的成像表现给了我极大的惊喜那么这支镜头除了鈳以提供良好的中心解像能力外，其焦外的柔焦效果又是怎样的呢

　　以上样片为我们表现出了这支镜头足够良好的焦点解像能力，以忣不错的焦外柔焦效果那么接下来，让我们再来看一下实用这支镜头拍摄的更多风景\建筑样片

　　接下来，让我们一同观看下更多实鼡这支配和奥林巴斯EP3相机拍摄的样片笔者在室外风光片中多采用了F4-F8光圈拍摄的建筑，以此来表现这支镜头的更佳解像能里

　　看过了這支在白天室外的样片表现，接下来让我么一同来欣赏下该头在夜景拍摄中又会给我们带来怎样的惊喜

　　从上面的组图我们不难看出，这支拥有7光圈叶片的镜头在营造夜景形貌效果上还是非常给力的

　　夜景拍摄中除了灯光的星芒可以为我们提供良好的视觉感受，其實通过焦外表现出来的光斑同样会给我们营造出梦幻的感觉因此一支镜头能否营造出良好的焦外质感同时是考量镜头好坏的不可或缺的洇素。点击下图读者朋友可放大原图浏览这些样片。

　　通过100%放大以后我们不难看出，这支镜头在F2.0最大光圈下时其可营造出的光斑圓度还是非常完美的。而二线性表现方面这支镜头还是比较明显的。

·评测总结：做工优良锐度高

　　通过本次对奥林巴斯M.ZUIKO 12mm F2.0的测试应用也让笔者从一个全新的角度认识了M4/3系统的魅力。M4/3系统不仅只在体型上可以决胜单反而其配套的镜头系统同样具有挑战单反画质的实力。12mm定焦镜头等效焦距可达到24mm以及84度的超广可视角度。喜欢拍风光的朋友应该知道84度的可视角度将意味着镜头中可收纳更多的景别，从洏帮我们拍出更为有气势的照片来

　　此外这支做工精良的小镜头，不仅在外观上给我们了一种老手动头回归的感觉全新设计的快照對焦模式，让我们重新回归到了胶片时代那种估焦加超焦距的“盲拍”手法，以及对盲拍画面的期待相信是很多朋友不能忘怀的记忆吔是他们的引以为傲的“技艺”。

　　总的来说奥林巴斯的这支M.ZUIKO 12mm F2.0镜头是一支画质表现不错同时手动操控感全面超越以往产品的镜头。在測试中我们也发现由于EP3的传感器只有1200万像素，所以这也或多或少限制了该头的能力发挥

8组11片（双超级非球面镜片，非球面镜片ED镜片&超级高折射率镜片）

高速成像自动对焦系统（MSC）

35mm等效最大图象放大倍率：0.16倍倍

针对变焦距航空摄像机斜视成像產生的几何变形,提出一种同时校正斜视梯形失真和变焦距镜头非线性畸变的自动校正方法根据直线透视投影不变性原理,利用单参数除式模型通过变步长优化搜索方法得到不同焦距对应的镜头畸变系数和畸变中心坐标;研究了焦距变化对畸变的影响规律,校正了镜头畸变使其满足针孔成像模型;引入飞机位置、姿态和摄像机视轴指向方位等因素,将航空图像重投影到地图坐标系中,对坐标变换后的像素亮度值进行重采樣得到校正斜视变形和镜头畸变后的正射投影图像。对不同焦距和位置姿态下拍摄的地面靶标畸变图像和实际航空变焦距斜视图像进行了校正结果表明,该方法能够有效准确地校正图像的几何变形,当飞行高度为2 500 m时,在文中给定的位置姿态精度下的图像几何校正均方误差约为2 m,较恏地满足了后续图像拼接需求。该方法效率高,便于自动化实现,对提高图像拼接精度和实现目标精确定位与实时稳定跟踪具有重要意义

连續变焦距光学系统具有在视场转换中不丢失目标的优点，能对快速运动目标进行搜索和捕获较好地实现大视场搜索目标和小视场分辨目標的功能，在航空光电侦察中得到了广泛应用[]由于系统制造与装配误差的存在，变焦距镜头的非线性畸变特性随焦距的变化而变化同時由于飞机姿态和摄像机视轴方位的变化，航空摄像机会以一定倾斜角度对地成像从而产生了复杂的几何变形，即拍摄到的目标发生旋轉、缩放和变形利用其影像进行实时拼接时，将严重影响拼接精度[]从而极大地增大了对目标进行持续稳定跟踪的难度[]。

对于斜视摄影引起的梯形失真有基于经验模型的几何校正方法(多项式模型、有理函数模型、支持向量机等)[, ]，还有与参考图像配准进行校正的方法[]和基於构象模型的几何校正方法(共线方程法、投影变换法)[, , ]其中后者由于不需要人工采集地面控制点数据或提供参考图像，便于采用嵌入式系統自动实现成为遥感图像几何校正的主流算法。对于成像系统的非线性畸变校正方法主要分为两类：一类是摄像机标定方法，包括Tsai 基於径向约束的两步法[]和张正友基于平面标靶的标定方法[, , ]这类方法基于摄像机成像模型，同时考虑了摄像机的内、外参数求解精度高，泹计算量大在优化搜索过程中畸变模型参数与摄像机的内、外参数耦合，易导致求解过程不收敛或收敛于局部极小值；其次通常需要采集多幅标靶图像提取大量标定点的坐标；另外由于变焦距镜头的非线性畸变随焦距的变化而变化，针对系统的特定焦距状态一般需要偅新进行标定，操作繁琐耗时另一类是基于射影几何不变性或不变量(直线透视投影不变性[, ]、交比不变原理[]、线段斜率[]、灭点[]和平面约束[, , ]等)的非量测校正方法，这类方法主要依据拍摄目标上具有共同特征的点在理想图像上依然保持这一特征的性质在真实图像上寻找并标定苻合特定特征的点，建立以畸变参数为最优解的线性泛函采用优化搜索方法求解畸变参数。这类校正方法要预先获得场景的结构信息對在未知环境条件下(如侦察、情报等应用)获得的图像不一定适用[],例如图像中边缘特征不显著(如草原，沙漠海洋等)或者同时包含镜头畸变引起的曲线和一些真实世界中曲线时，利用直线透视投影不变性的优化搜索方法可能无法实施或导致错误的畸变参数估计结果

本文首先根据投影变换方法和单参数除式模型，建立了斜视梯形失真和镜头非线性畸变的综合校正模型；接着采用地面离线标定和机上在线校正相結合的方法根据直线的透视投影不变性原理，利用单参数除式模型通过变步长优化搜索方法得到若干离散焦距值下平面棋盘模板图像嘚畸变系数和畸变中心坐标；进一步分析了焦距变化对图像畸变的影响规律，建立了镜头畸变系数、畸变中心坐标与焦距的数学关系；最後根据该关系得到任意连续焦距下的镜头畸变参数，结合图像的位置姿态参数计算出其内、外方位元素代入上述校正模型对航空图像進行校正。该方法避免了重复进行繁琐耗时的摄像机标定和非量测校正方法对图像直线、灭点等几何不变特征的依赖性提高了校正速度囷自动化程度。

2 变焦距斜视成像几何畸变校正 2.1 建立图像几何畸变校正模型

文中建立的几何畸变校正模型主要针对中小型无人机光电平台搭載的航空变焦距面阵CCD(Charge Coupled Device)摄像机采用中低空飞行侦察，飞行高度一般小于3 km视场角为30~40°，单幅图像可覆盖地面1~2 km，多数情况下不会有太大的起伏可认为对应地面区域近似平坦，地形起伏和地球曲率引起的变形近似为零可只考虑由于摄像机外方位元素变化引起的图像变形和变焦距镜头引起的图像畸变。

航空图像几何校正将摄像机坐标系下的原始图像坐标投影变换到地图(或地面)坐标系中根据地图坐标范围采用┅定的地面像元分辨率(Ground-Sampled Distance，GSD) 划分格网每个网点代表输出图像的一个像素，再将地图坐标转换为输出图像坐标对坐标变换后的像素亮度值進行重采样得到正射投影图像，如图1所示在没有地面控制点的条件下，求解从摄像机坐标系到地图坐标系的转换关系需提供摄像机所搭載的光电平台位置和姿态数据由于这些数据分别相对于不同的坐标系，需分别建立以下坐标系模型主要坐标系如图1所示。

摄像机坐标系：原点为摄像机投影中心Gzc轴正向指向摄像机光轴，xc轴、yc轴分别与图像像素坐标系u轴(标记图像的列单位为pixel)、v轴(标记图像的行)平行且方姠一致；图像物理坐标系o-xy的原点位于摄像机光轴与图像平面的交点即主点位置，x轴、y轴分别与u轴、v轴平行且方向一致该坐标系以m或mm为单位。

载机坐标系：原点为航姿测量系统质心由于航姿测量系统、GPS 定位系统固定于光电平台的水平基准面上，摄像机投影中心和航姿测量系统质心距离很小可近似认为两者重合，xb轴为航姿测量系统的0°方向，yb轴为航姿测量系统的90°方向，zb轴通过右手螺旋定则确定光电平囼输出的方位角A和高低角E是相对该坐标系的。

载机地理坐标系：原点位于航姿测量系统质心为NED(North East Down)坐标系，航姿测量系统输出的载机航向角β俯仰角ε和横滚角γ是相对该坐标系的。

地图坐标系：也是NED坐标系与载机地理坐标系仅存在一个平移量，设拍摄第1幅图像时摄像机投影中心G在地平面的投影点om为地图坐标系原点拍摄第i幅图像时两坐标系之间的平移量为该时刻GPS输出的载机位置在地图坐标系中的坐标[xmi ymi

先假设不存在镜头畸变，根据针孔成像模型[]地图坐标系中的一点 t′(xm,ym,zm)和图像平面上理想像点t0(u,v)存在以下关系:

式中:s为任意缩放因子，A0表示摄像机內方位元素按下式计算:

式中:dx，dy表示单个像素的物理尺寸单位为μm；F为摄像机的焦距，可通过调焦机构上相应传感器测量得到单位为mm；(u0,v0)为图像主点o(畸变中心)坐标，可通过2.2节的镜头畸变参数估计算法得到单位为pixel；Ccm为摄像机外方位元素，表示从地图坐标系到摄像机坐标系嘚转换关系需经过地图坐标系、载机地理坐标系、载机坐标系、摄像机坐标系4个坐标系的转换，如图2所示

首先根据拍摄第i幅图像时载機的GPS位置计算该时刻载机地理坐标系与地图坐标系之间的平移量[xmi ymi zmi]T，由GPS测量得到载机位置的经度L、纬度M和大地高H计算载机在WGS-84

，Pe为拍摄第i幅圖像时载机位置在地心空间直角坐标系中的坐标该位置在地图坐标系中的坐标Pm=[xmiymizmi]T可按下式计算:

式中:Pe,ref为地图坐标系原点om在地心空间直角坐标系中的坐标，Rm/e为从地心空间直角坐标系到地图坐标系的旋转矩阵按下式计算:

式中:L1，M1为地图坐标系原点om的经纬度坐标

然后根据图2中地图唑标系到摄像机坐标系的转换关系计算出第i幅图像对应的外方位元素Ccm为:

不失一般性原则，假设原始图像的正射投影图像位于地图坐标系zm=0平媔令:

利用式(9)可以计算出原始图像每个像素对应的物点位置在地图坐标系中的坐标。

考虑镜头畸变时物点在图像平面的对应像点从理想位置t0移动到畸变点位置t，物点 t′的地图坐标(xm,ym)到对应像点t的像素坐标(ud,yd)的转换关系推导如下先计算出物点 t′(xm,ym)在理想无畸变图像中对应像点t0的粅理坐标(xn,yn)如下:

一般镜头畸变以径向畸变形式为主，切向畸变和薄棱镜畸变很小,可忽略不计这里引入Fitzgibbon提出的单参数除式模型[]描述变焦距镜頭畸变:

式中k1为径向畸变系数，可通过2.2节的镜头畸变参数估计算法得到(xd,yd) 为畸变像点t的物理坐标，为其到畸变中心的欧式距离令 ，式(11)可转囮为rd的一元二次方程:

解上述方程组得rd如式(13)所示其中k1>0时对应枕形畸变，k1 < 0时对应桶形畸变:

求解出rd后根据下式计算物点 t′(xm,ym)在畸变图像中对应潒点t的像素坐标(ud,yd)如下:

同理，畸变像点t的像素坐标(ud,yd)到对应物点 t′的地图坐标(xm,ym)的转换如下：首先由像点t的像素坐标(ud,yd)计算其物理坐标(xd,yd)如下式所礻:

然后根据式(11)计算出物点 t′在理想无畸变图像中对应像点t0的物理坐标(xn,yn)，最后根据下式计算物点 t′的地图坐标(xm,ym)

2.2 镜头畸变模型参数估计算法

根據直线的透视投影不变性原理3D空间的一条直线在理想无畸变图像上投影为一条2D直线，然而由于镜头畸变的影响在实际图像上投影为一條圆弧曲线。根据畸变系数k1和畸变中心坐标(u0,v0)的范围利用变步长优化搜索方法和除式畸变校正模型，分别计算采用不同畸变系数和畸变中惢坐标校正后的图像再构造衡量校正后图像中各条曲线弯曲程度的评价函数，使各条曲线的弯曲程度最小最接近于理想直线，从而得箌最佳的畸变系数和畸变中心坐标值对畸变图像进行校正。

首先确定畸变系数k1和畸变中心(u0,v0)的范围对于变焦距镜头，畸变系数k1一般位于 [-1/D2,1/D2]內[]其中D为图像对角线长度。设图像大小为w

(1) 采用Canny边缘检测器检测原始畸变图像中的边缘像素点得到相应的边缘图像，其中Canny算子的阈值根據图像梯度值的一定百分比确定

根据上述畸变参数k1，u0v0的取值范围，分别选择相应的步长δk1δu0，δv0得到畸变参数组合(ki1,uj0,vp0)为:

为避免摄像機内、外参数发生耦合，将畸变参数从摄像机模型中分离出来采用上述各种畸变参数组合(k1i ,u0j ,v0p )，根据式(18)~(19)计算边缘图像的校正图像并根据式(20)~(21)計算校正后各边缘像素点的梯度，得到校正后各边缘像素点的坐标(un,vn)和梯度方向α(un,vn)

式中:I表示图像亮度值，GuGv为校正后的边缘图像亮度值在(un,vn)處的一阶偏导数，(ud,yd)(xd,yd)分别为畸变像点的像素坐标和物理坐标，(un,vn)(xn,yn)分别为校正后像点的像素坐标和物理坐标。

(3) 计算校正图像的Hough变换求得前N個Hough变换单元峰值对应的Nl条直线段边缘，及其与原点的距离dist(q)和方向β(q)q=1,2,…,N。

(4) 对校正图像中的每个边缘像素点计算投票：如果该像素点的梯度方向α(un,vn)与第q条直线的方向β(q)相差小于δα例如δα=2°，计算该点与第q条直线的距离:

pixel，计算该点的投票值votes=1/(1+dq)计算所有边缘像素点的投票之囷，此时求得投票之和最大值对应的畸变参数k1(0),u0(0),v0(0)为最佳值：

,v0p )校正图像中各边缘像素点对Nl条直线段的投票值

(4)，直到k1的搜索范围小于10-10算法结束，此时对应的系数k1u0，v0为优化后的最佳值

2.3 航空变焦距斜视图像几何校正流程

上述畸变模型参数估计算法主要基于直线的透视投影不变性原理，如果图像中包含一些真实世界中的圆弧曲线可能会导致不正确的畸变参数估计。为解决这个问题采用平行直线或平面棋盘图案作为变焦距航空摄像机地面标定实验的靶标，采集若干不同焦距下的靶标畸变图像利用上述畸变参数估计算法求解出各焦距对应的畸變参数，对畸变参数进行曲线拟合或建立畸变参数查找表在线校正时，根据调焦机构上相应传感器测量得到摄像机的实际工作焦距值玳入畸变参数与焦距之间拟合公式或查表，得到该焦距对应的畸变参数再根据摄像机成像时的位置姿态数据计算出外方位元素，代入式(1)~(16)完成图像的畸变校正，如图3所示

航空变焦距斜视图像几何校正算法步骤如下：

(1) 根据相应传感器测量得到摄像机实际工作焦距值，通过查表方法或根据畸变参数与焦距之间拟合公式计算得到该焦距值对应的镜头畸变参数

(2) 将原始图像4个角点坐标a

(3) 划分地面网格，定义输出图潒每个像素点的地面尺寸dxm和dym得到输出校正图像的总行数row和总列数col：

式中fix表示取整函数。

(4) 对于校正图像中的每个像素点坐标(u′,v′)计算其哋图坐标(xm,ym):

(6) 采用双线性插值算法计算出原始图像像素点坐标(ud,yd)的灰度值，将该灰度值赋给校正图像(u′,v′)像素点即

式中:Q表示校正图像的灰度矩陣，P表示原始图像的灰度矩阵h，w分别为原始图像的行列坐标范围

(7) 重复步骤(4)、(5)、(6)，依次计算标准图像每个像点的灰度值直至所有像点計算完毕。

3 实验与分析 3.1 变焦距镜头畸变模型参数估计

为实现变焦距航空摄像机图像自动校正算法需要在实验室对摄像机进行标定得到镜頭的畸变参数。采用35×35个方格的平面棋盘图案作为摄像机拍摄的靶标进行标定图案大小为350 mm×350 mm，实验采用的摄像机焦距从5 mm到100 mm选择13个离散焦距值：5.8，1015，2025，3040，5060，7080，90100 mm，分别对每个焦距值拍摄一幅靶标图像采用2.2节的畸变模型参数估计算法求解该焦距对应的畸变参数，重复计算20次取平均值作为参数估计结果。得到畸变系数k1与焦距 F的关系如图4所示；得到畸变中心坐标(u0,v0)与焦距F的关系如图5所示


mm时，k1为正徝对应枕形畸变。对各焦距值F对应的畸变系数k1进行曲线拟合发现畸变系数k1与F存在以下函数关系:

从图5可以看出，当焦距变化时畸变中心基本上位于一条直线上畸变中心的像素坐标(u0，v0)与焦距F的关系可近似用下式表示:

利用不同焦距对应的畸变中心坐标值构造查找表实际校囸时通过传感器测量得到摄像机的实际工作焦距，再通过查表得到该焦距值相邻两个焦距值对应的畸变中心坐标采用线性插值方法计算絀该焦距值对应的畸变中心坐标(u0,v0)，利用拟合公式(27)~(28)计算得到该焦距值对应的畸变系数值k1同时根据航姿测量系统、GPS和光电平台内部的角度传感器记录的摄像机位置和姿态信息计算出摄像机成像时的外方位元素，将结果代入上述几何校正算法中可同时校正变焦距镜头引起的非線性畸变和倾斜摄影引起的梯形畸变。

3.2 变焦距斜视标准图库校正实验

为便于分析和评价几何校正算法的精度和效果将航空摄像机及其搭載的光电平台安装在升降机构上，在不同高度、不同姿态角、不同焦距下对地面棋盘靶标拍摄图像作为校正实验的标准图库，如图6所示实验将光电平台的上表面制作成水平基准面，将NAV440CA-202系列GPS-AHRS(Global Position System-Attitude and Heading Reference System)组合惯性导航系统安装于该基准面上该惯导可以测量出平台相对于NED坐标系的俯仰角、横滚角和航向角，其中俯仰角和横滚角的测量精度小于0.4°，双天线GPS辅助测量航向角的均方差小于0.75°，AHRS惯导测量姿态角数据软件界面如圖7所示将Geo Explorer DeltaPhase技术处理后可获得0.1 m的定位精度。摄像机的实际工作焦距值通过摄像机调焦机构上相应传感器测量得到其测量精度小于0.2 mm，摄像機相对平台的方位角(azimuth简称A)和高低角(elevation，简称E)可通过平台内部的角度传感器测量得到测量精度小于0.1°，方位角A、高低角E和焦距F的测量结果洳图8(a)所示。角度传感器的高低角和AHRS惯导的俯仰角零位均以水平面为基准进行校准AHRS惯导的航向角零位与角度传感器的方位角零位安装严格┅致。


采用上述实验装置采集15幅不同焦距、不同姿态角、不同光照强度以及复杂背景下拍摄的靶标图像它们均为1 024 pixel×768 pixel的RGB类型图像。在实验測试平台上对这些图像进行几何校正部分图像校正结果如图8所示，第一行为原始图像第二行为校正图像。为便于观察图像几何变形及其校正情况在图8(b)~(h)中将摄像机的方位角A，高低角E和焦距值F等测量数据显示字符消隐

从图8中可以看出，在不同焦距和姿态下拍摄的图像中由斜视摄影引起的梯形畸变和镜头本身引起的桶形畸变(图8(a)，(b)中视觉上较明显)或枕形畸变(图8(g)(h)中较明显)均得到了有效校正，文中校正算法對不同光照(如图8(a)~(d)(h)所示)和复杂背景(如图8(c)，所示)具有较强的适应性和鲁棒性

Ratio,PSNR)作为衡量指标用于评价校正图像质量。RMSE表示校正图像检验点位置(up,vp)和理想无畸变图像检验点位置(ub′,vb′)之间的距离可按下式计算：[]

式中：n为检验点个数；dui=uip-uib′为第i个检验点的列残差；dvi=vip-vib′为第i个检验点的行殘差。

给定一幅大小为w×h的数字图像fu,v0和参考图像fu,vPSNR按下式计算[]:

式中(2n-1)2为图像中最大可能的信号值平方，n为每个像素的比特数

采用Harris角点检测算法提取校正前后图像中棋盘图案角点作为检验点，采用文献[]的方法逆向重建得到理想无畸变图像作为参考图像然后根据式(30)计算上述15幅圖像校正前后的行、列残差，如图9(a)~(b)所示同时，给出文献[]中基于张正友摄像机标定法和投影变换模型的校正结果以及文献[]中先校正镜头非线性径向畸变再校正透视畸变的两步法的校正结果作为对比，如图9(c)~(d)所示

从图9中可以看出，上述几种方法校正后图像各检验点的行、列残差明显减小，本文方法和文献[]方法校正后行、列残差范围略小于文献[]方法为进一步定量比较上述几种方法的校正效果，计算各幅校囸图像的RMSE和PSNR结果如图10所示。计算各幅图像的平均RMSE、平均PSNR及运行时间结果如表1所示。从图10和表1可以看出在RMSE指标上，本文算法比文献[]方法平均降低了38.96%相比文献[]方法降低了3.96%；在PSNR指标上，本文算法比文献[]方法平均提高了1.31%比文献[]方法平均提高了0.33%。本文算法的RMSE和PSNR均优于文献[]算法这是因为本文算法将梯形失真校正和镜头畸变校正结合在一起，减少了一次双线性插值和坐标转换过程中引起的误差和类似低通滤波引起的图像模糊能最大程度地保护校正图像的质量。另外本文算法的运算速度也有较大的提高，与文献[]算法相比运算时间减少了3.650 s实驗测试平台的CPU主频为2.6 GHz，内存容量为2G各算法的测试程序均在VC6.0 SP6环境下编译完成。与文献[]算法相比本文算法的RMSE和PSNR指标也有一定提高，这说明夲文采用的单参数除式模型能够有效校正镜头畸变对于变焦距镜头，其校正精度略高于文献[]方法由于除式模型只包含一个畸变系数k1，模型最高次数为2次计算量较小，因此校正速度也有小幅调高平均提高了1.099 s。


a：包括在线校正不包括离线估计若干焦距值对应的畸变参数嘚时间b：不包括文献[13]算法中摄像机标定的时间，c：包括文献[28]算法中分步校正非线性畸变和透视畸变的时间不包括优化搜索非线性径向畸变参量和透视畸变参量的时间。

文献[]中基于摄像机标定的校正方法采用Brown提出的多项式镜头畸变模型引入的待求解畸变参数过多，各参數之间容易发生耦合很难发现各畸变参数与焦距之间的规律，只要焦距发生变化就需要重新进行繁琐耗时的标定，工作量大不适合批量生产的变焦距航空摄像机的几何畸变校正。而本文算法不需要进行文献[]中繁杂耗时的摄像机标定过程同时采用离线标定与在线校正楿结合的方法也避免了文献[]中对直线特征的依赖性，在校正速度和自动化实现方面有了明显提高

3.3 实际航拍图像的校正及精度计算

为验证夲文几何校正算法的有效性和正确性，采用上述航空变焦距摄像机进行了飞行实验选取其中3个不同焦距值拍摄的3幅图像(如图11(a)~(c)所示)，图像夶小为1024 pixel×768 pixel拍摄每幅图像时光电平台和飞机的位置姿态参数及测量精度如表2所示。根据这些位置姿态数据可以计算出摄像机的外方位元素将3.1节得到的镜头畸变模型参数代入上述算法中，对各幅图像进行几何校正设置地面像元分辨率为1.0 m，得到校正图像如图11(d)~(f)所示从图11中可鉯看出，本文算法有效地校正了飞机航向角和平台方位角引起的旋转变形恢复了图像中河流和桥梁的正确方位，这与图12(a)中同一地区正射校正后的高分辨率卫星图像是一致的；同时由平台高低角，载机俯仰角和横滚角引起的梯形畸变也得到了有效校正图11(a)，(b)中十字丝指向處桥梁和河岸公路之间的夹角已由畸变图像的非直角变为校正图像中的近似直角这与实际情况较符合(与图12(a)中的卫星正射图像一致)。


上述實验表明在有雾的恶劣天气情况下本文算法仍能够有效地校正斜视摄影引起的桥梁、公路及田地的梯形失真和变焦距镜头引起的不同程喥的桶形畸变，再一次证明了本文算法的有效性和鲁棒性由于航空视频图像序列的相邻两帧图像之间存在较大重叠率，校正后图像边缘處的黑边可通过相邻图像的重叠区域覆盖消除

为验证几何校正结果的准确性并计算图像校正误差，选择SPOT6卫星提供的同一地区正射校正后嘚高分辨率卫星图像为参考图像在上述各幅图像和参考图像中分别设置14个检验点，其中图11(b)对应的正射投影图像及其检验点位置分布如图12(a)所示由于单幅航空图像地面覆盖范围较小，一般为1~2 km对于单幅图像而言，通过野外实测检验点坐标的验证方法简单易行便于操作，对於局部区域的验证有一定的优势因此本文利用美国Trimble公司的RTK-GPS采集上述图像中各检验点的大地坐标作为名义值，对几何校正精度进行验证該仪器的水平测量精度为0.1 m，根据式(3)~(5)将各检验点的大地坐标转换为地图坐标(xm0i,ym0i)同时，根据各检验点在校正后图像(图11(d)~(f))中的像素坐标利用式(25)计算出各检验点的地图坐标(xm1i,ym1i)，将该计算值与通过GPS测量得到的地图坐标进行比较得到各检验点在北，东方向的误差分别为Δxmi=xm1i－xm0iΔymi=ym1i－ym0i，其中i=1,2,…nn为检验点个数，根据该式计算出各检验点在北东方向的误差如图12(b)所示。

采用RMSE作为校正精度的衡量指标定义北方向均方根误差NRMS、东方向均方根误差ERMS和总的均方根误差RMSE分别为

采用式(32)，(33)计算得出第1幅图像在北、东方向的校正均方根误差分别为1.101.95 m，总的均方差为2.24 m(相当于2.24 pixels)；第2幅图像在北、东方向的校正均方根误差分别为1.091.71 m，总的均方差为2.03 m；第3幅图像在北、东方向的校正均方根误差分别为1.870.39 m，总的均方差为1.91 m上述几何校正算法校正不同焦距所拍摄图像的总均方根误差基本相同(约为2 m)，且随着焦距的增大略有减小因为随着焦距的增大，镜头的桶形畸变减小校正后的残余变形相对也较小。实际航拍图像的校正误差略大于3.2节对地面靶标图像的校正误差分析原因如下：(1)实际航拍图像存在由于飞机及平台振动引起的畸变；(2)上述几何校正模型假设单幅图像对应地面区域平坦，实际航拍图像中存在由于地形起伏引起的变形

上述图像校正实验在PC机上实现，CPU主频为3.3 GHz内存容量为4G，各算法的测试程序在VC6.0 SP6环境下编译完成对上述3幅1 024 pixel×768 pixel可见光RGB类型图像进行校正平均需要9.82 s。由于不需要与参考图像进行配准和采集地面控制点数据上述算法大大减少了校正时间，且计算每个像素的正射投影位置具有并行性可以很方便地映射到现场可编程门阵列(Field Programming Gate Arrays,FPGA)中，通过硬件并行计算在速度上的优势来满足实时性系统的处理需求从而实现机上自动在线實时校正。

本文提出一种同时校正航空变焦距面阵CCD摄像机斜视梯形失真和镜头非线性畸变的方法该方法采用地面离线标定镜头畸变参数囷机上在线校正相结合的方式，在地面利用单参数除式模型采用变步长优化搜索方法，求解出若干焦距下平面棋盘靶标图像的畸变系数囷畸变中心坐标通过曲线拟合得到畸变参数与焦距之间的经验公式或构造畸变参数查找表。在飞行试验中根据实际工作焦距值通过上述經验公式或查找表方法得到该焦距值对应的畸变参数，结合飞机和光电平台的位置姿态参数计算出摄像机坐标系与地图坐标系之间的轉换关系，采用投影变换方法和除式畸变校正模型一次性校正图像的斜视变形和非线性畸变在地面对不同焦距和位置姿态下拍摄的靶标畸变图像进行校正，与基于摄像机标定和构象模型的校正方法以及分步校正斜视变形和镜头畸变的结果进行比较结果显示：本文算法的校正精度分别提高了3.96%和38.96%，峰值信噪比和校正速度也有一定程度提高对实际航空变焦距斜视图像的校正结果表明，当飞行高度为2 500 m时图像幾何校正的均方误差约为2 m，较好地满足了后续图像拼接和目标定位跟踪的需求本文对地形起伏和载机振动引起的图像变形未作分析，下┅步的工作将引入所拍摄地区的数字高程信息(Digital Elevation ModelDEM)和振动因素，进一步校正由地形起伏和振动引起的像点位移

我要回帖

更多关于 为什么广角镜头有畸变 的文章

 

随机推荐