本发明涉及计算机视觉的，尤其涉及一种双目立体视觉摄像机标定参数的优化方法。
背景技术：
1、摄像头标定、三维重建、增强现实等。标定过程的精度直接影响到这些系统的性能和效果，尤其是在复杂场景中，不同距离、不同尺度的特征点往往会由于视差、透视失真等原因导致标定误差的增加，进而影响整体系统的可靠性和稳定性。
2、传统的特征点标定方法通常采用单一尺度的标定策略，忽略了特征点的多尺度特性，容易导致远处特征点标定误差较大、近处特征点偏差不明显。这种误差的累积不仅降低了标定的精度，还可能导致后续系统如图像处理、目标跟踪、三维建模等出现失真或偏差。随着场景复杂度的提高，如何在动态场景中实时调整标定参数并提高标定精度成为了一项亟待解决的技术难题。
3、此外，现有的标定系统通常缺乏自适应机制，即无法根据实时反馈数据进行自动调整，无法针对标定误差的显著变化进行有效补偿，导致系统在实际应用中标定精度下降，进而影响整个系统的运行效果。
技术实现思路
1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
2、鉴于上述现有一种双目立体视觉摄像机标定参数的优化方法存在的问题，提出了本发明。
3、为解决上述技术问题，本发明提供如下技术方案：
4、一种双目立体视觉摄像机标定参数的优化方法，其特征在于，该方法包括以下步骤：
5、对提取场景中的不同尺度的特征点进行分层次优化标定，建立多尺度特征点模型，并通过尺度因子来刻画特征点的尺度差异；
6、使用时间序列分析算法，对不同时刻的标定数据进行动态优化，调整摄像机的标定参数；
7、建立自学习标定优化机制，即根据实时反馈的数据进行误差分析，自动评估当前标定参数的精度，若检测到标定误差显著变化，则根据反馈信息进一步调整标定参数。
8、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述分层次优化标定的方法为：
9、s101:通过双目立体视觉摄像机捕捉场景中远处和近处的多个特征点,设定特征点集合为，为第n个特征点，每个特征点包含其位置、尺度、深度信息;
10、s102:对每个特征点的尺度进行量化，并将其表示为尺度因子，根据不同特征点的物理尺寸和视觉大小计算得到，计算公式为：
11、
12、其中，是特征点的深度信息，是参考深度值，用于归一化不同深度的特征点。
13、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述标定数据进行动态优化的方法为：
14、s201：首先每个特征点的理论标定值表示该特征点在理想条件下的标定值，通过摄像机模型计算得出,计算公式为：
15、
16、其中，f是摄像机的焦距，b是基线距离，是特征点的深度；
17、s202：为每个特征点根据其尺度和距离计算标定调整误差；
18、s203：综合考虑所有特征点的标定效果，针对所有特征点进行加权求和处理；
19、s204：针对不同时刻和不同位置的特征点之间可能存在的相互干扰，构建特征点之间的交互关系；
20、s205：对标定过程中不同时刻的标定数据进行动态调整，确保标定参数的稳定性和连续性，使用时间序列积分来优化整个过程，最终得到优化后的初始化标定参数。
21、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述标定误差调整公式为:
22、
23、其中，是一个衰减系数，用来控制特征点距离对标定误差的影响，函数用于随着距离增大减少误差影响；
24、所有特征点进行加权求和处理表达式为：
25、
26、其中，是第i个特征点的权重，根据特征点的重要性和可信度进行动态调整。
27、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：用于表示特征点交互关系的指数衰减函数表达式为：
28、
29、其中，是特征点间的交互权重，控制交互敏感度，表示第i个和第j个特征点之间的相似度，m是特征点的总数量。
30、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述时间序列积分的表达式为：
31、
32、其中代表整个标定过程中，时间段 [a,b]内的标定参数调整，以保证优化结果适应场景的动态变化。
33、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述自学习标定优化机制包括以下步骤：
34、s301：实时采集标定数据并计算当前误差 ；
35、s302：使用积分函数计算累积标定误差，引入历史误差的权重影响；
36、s303：通过分析累积误差的变化率评估标定误差的动态趋势；
37、s304：基于累积误差和当前误差e(t)动态调整标定参数p(t)，确保标定参数具有自适应性；
38、s305：检测到误差显著变化时，进一步快速调整标定参数以提高系统标定精度。
39、作为本发明所述一种双目立体视觉摄像机标定参数的优化方法的一种优选方案，其中：所述误差 e(t)的计算公式为：
40、
41、其中，是摄像机当前时刻t测得的特征点位置，是理想特征点的位置，是两个位置向量的欧几里得距离，表示当前时刻的标定误差；
42、所述累积误差函数的计算公式为：
43、
44、其中，是指数衰减函数，用于控制较近时刻的误差比过去的误差具有更高的权重，是权重衰减系数，较大时表示较近时刻的误差影响更大。
45、所述累积误差的变化率的计算公式为：
46、
47、所述标定参数的计算公式为：
48、
49、其中，是误差反馈调节系数，控制累积误差对参数调整的敏感度；是控制误差直接影响标定参数的调节因子；n为特征点的数量；
50、进一步快速调整标定参数的计算公式为：
51、
52、其中，k是用于放大误差反馈的调节系数，确保误差变化较大时，标定参数能够适应快速调整。
53、本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的一种双目立体视觉摄像机标定参数的优化方法的步骤；
54、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种双目立体视觉摄像机标定参数的优化方法的步骤。
55、本发明的有益效果：通过对特征点进行分层次的多尺度建模，针对不同尺度的特征点引入独立的标定参数，使系统能够更有效地降低由于视差或透视失真导致的标定误差。此外，本发明还引入了一种自学习的标定优化机制，能够根据实时反馈数据动态调整标定参数，并通过累积误差和变化率分析自动补偿显著的误差变化。
1.一种双目立体视觉摄像机标定参数的优化方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：所述标定数据进行动态优化的方法为：
3.根据权利要求2所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：所述标定调整误差的公式为:
4.根据权利要求3所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：用于表示特征点交互关系的指数衰减函数表达式为：
5.根据权利要求4所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：所述时间序列积分的表达式为：
6.根据权利要求5所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：所述自学习标定优化机制包括以下步骤：
7.根据权利要求6所述的一种双目立体视觉摄像机标定参数的优化方法，其特征在于：所述误差 e(t)的计算公式为：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1~7任一所述的一种双目立体视觉摄像机标定参数的优化方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~7任一所述的一种双目立体视觉摄像机标定参数的优化方法的步骤。
