CN102436660A - 3d相机图像自动校正方法及装置 - Google Patents

Abstract

本发明公开了3D相机图像自动校正的方法及装置，根据实时采集的两幅图像进行校正，并对校正结果进行自动评价，在校正结果不达标时利用采集的两幅图像进行自标定、并更新校正参数，整个过程完全不需要人的介入，对用户来说简单方便，对系统来说快捷准确且抗干扰。

Description

3D相机图像自动校正方法及装置

 

技术领域

本发明涉及立体视觉技术领域，尤其涉及3D相机图像自动校正方法及装置。

 

背景技术

随着3D相机的普及，立体视觉技术已经广泛应用到文化、娱乐和科研等领域。

目前的3D相机中具有左右两个摄像头，使用3D相机时有如下要求：

1）3D相机无畸变；

2）3D相机中的左右摄像头的位置固定；

3）3D相机中左右摄像头满足一定的位置关系，例如左右摄像头的光心位于同一水平线上，左右摄像头成像平面共面或成一定角度等。

在实际应用中，由于工艺水平，3D摄像机中的左右摄像头无法满足理想的摆放位置，且经常由于外力的作用发生偏斜。在此情况下，为了满足3D相机的使用要求，需要对拍摄的图像进行校正以建立成像模型，该成像模型指示拍摄出的原始图像和经校正的图像之间的对应关系。

对3D相机中的两个摄像头进行标定是校正流程中非常重要的步骤，根据是否需要标定参照物，摄像头标定分为传统标定方法和自标定方法，其中传统标定方法需要特定的标定物及专业人员的参与，标定方法无法向大众普及，为后续的3D影片拍摄、工业测量等具体应用带来了不便，制约了3D相机的普及和发展。

 

发明内容

有鉴于此，本发明的目的是提供3D相机图像自动校正方法及系统，无需特定的标定物及人的介入，能够对实时拍摄的图像进行自动校正。

为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本发明的技术方案是这样实现的：

一种3D相机图像自动校正的方法，所述3D相机包括同步执行拍摄的第一摄像头和第二摄像头；设定初始的校正参数；该方法还包括：

采集第一摄像头和第二摄像头拍摄的图像；

使用校正参数对采集到的两幅图像进行校正；

判定校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定；

利用所述自标定的结果更新校正参数，然后继续执行所述采集的步骤。

可选的，使用校正参数对采集到的两幅图像进行校正，包括：

针对采集到的第一摄像头拍摄的图像，使用第一摄像头的内部参数和畸变系数进行畸变校正；

针对采集到的第二摄像头拍摄的图像，先使用第二摄像头的内部参数和畸变系数进行畸变校正，再使用所述外部参数进行旋转平移。

可选的，判定校正后的两幅图像是否达到设定标准的方法，包括：

计算校正后的两幅图像中的各个像素点对应的视差；

判断所有计算出的视差中正确视差的百分比是否达到设定阈值，如果是，判定校正后的两幅图像达到设定标准，否则，判定校正后的两幅图像未达到设定标准。

可选的，利用采集到的两幅图像进行自标定，包括：

利用采集到的两幅图像进行第一摄像头的内部参数和畸变系数的自标定、及第二摄像头的内部参数和畸变系数的自标定；

利用采集到的两幅图像进行外部参数的自标定。

可选的，所述利用采集到的两幅图像进行外部参数的自标定，包括：

利用自标定得到的第一摄像头的内部参数和畸变系数，对采集到的第一摄像头拍摄的图像进行畸变校正，并利用自标定得到的第二摄像头的内部参数和畸变系数，对采集到的第二摄像头拍摄的图像进行畸变校正；

对畸变校正后的两幅图像进行特征点匹配；

将特征点映射到归一化平面；

计算本质矩阵，并利用本质矩阵得到外部参数。

一种3D相机图像自动校正的装置，所述3D相机包括同步执行拍摄的第一摄像头和第二摄像头；该装置包括：

校正参数模块，用于存储初始的校正参数；

图像采集模块，用于采集第一摄像头和第二摄像头拍摄的图像；

自动校正模块，用于使用所述校正参数模块中的校正参数对采集到的两幅图像进行校正；

校正结果评价模块，用于判定校正后的两幅图像是否达到设定标准；

自标定模块，用于在校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定；

更新模块，用于利用自标定的结果更新所述校正参数模块中的校正参数。

可选的，所述自动校正模块包括：

第一自动校正子模块，用于针对采集到的第一摄像头拍摄的图像，使用第一摄像头的内部参数和畸变系数进行畸变校正；

第二自动校正子模块，用于针对采集到的第二摄像头拍摄的图像，先使用第二摄像头的内部参数和畸变系数进行畸变校正，再使用所述外部参数进行旋转平移。

可选的，所述校正结果评价模块包括：

计算子模块，用于计算校正后的两幅图像中的各个像素点对应的视差；

评价子模块，用于判断所有计算出的视差中正确视差的百分比是否达到设定阈值，如果是，判定校正后的两幅图像达到设定标准，否则，判定校正后的两幅图像未达到设定标准。

可选的，所述自标定模块包括：

第一自标定子模块，用于利用采集到的两幅图像进行第一摄像头的内部参数和畸变系数的自标定、及第二摄像头的内部参数和畸变系数的自标定；

第二自标定子模块，用于利用采集到的两幅图像进行外部参数的自标定。

可选的，所述第二自标定模块包括：

畸变校正单元，用于利用自标定得到的第一摄像头的内部参数和畸变系数，对采集到的第一摄像头拍摄的图像进行畸变校正，并利用自标定得到的第二摄像头的内部参数和畸变系数，对采集到的第二摄像头拍摄的图像进行畸变校正；

计算单元，用于对畸变校正后的两幅图像进行特征点匹配；将特征点映射到归一化平面；计算本质矩阵，并利用本质矩阵得到外部参数。

可见，本发明3D相机图像自动校正的方法及装置中，根据实时采集的两幅图像进行校正，并对校正结果进行自动评价，在校正结果不达标时利用采集的两幅图像进行自标定、并更新校正参数，整个过程完全不需要人的介入，对用户来说简单方便，对系统来说快捷准确且抗干扰。

为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。

 

说明书附图

图1为本发明中3D相机图像自动校正方法的流程图；

图2为本发明实施例中3D相机图像自动校正方法的流程图；

图3a和图3b为平行双目视觉距离传感器测量距离的原理图；

图4为本发明中3D相机图像自动校正方法的装置结构示意图；

图5为本发明实施例中3D相机图像自动校正方法的装置结构示意图。

 

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。在本文中，本发明的这些实施方案可以被单独地或总地用术语“发明”来表示，这仅仅是为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任何单个发明或发明构思。

本发明中所涉及的3D相机，包括同步执行拍摄的第一摄像头和第二摄像头。

图1为本发明3D相机图像自动校正的方法的流程图，在该流程开始之前，设定初始的校正参数。

图1所示的流程包括：

步骤11：采集第一摄像头和第二摄像头拍摄的图像。

步骤12：使用校正参数对采集到的两幅图像进行校正。

步骤13：判定校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定。

步骤14：根据自标定的结果更新校正参数，然后继续执行步骤11。

可见，本发明3D相机图像自动校正的方法中，根据实时采集的两幅图像进行校正，并对校正结果进行自动评价，在校正结果不达标时利用采集的两幅图像进行自标定、并更新校正参数，整个过程完全不需要人的介入，对用户来说简单方便，对系统来说快捷准确且抗干扰。

下面给出本发明方法的实施例，以3D相机包括双目摄像头为例，以下描述中分别称为左摄像头和右摄像头。上述左摄像头和右摄像头可以移动，且同步执行连续拍摄，因此左摄像头和右摄像头针对同一景物会得到不同视角的多幅图像。

本实施例中，从左摄像头和右摄像头拍摄的第二幅图像开始、对每一幅图像都执行自动校正的流程。

本实施例中，设定初始的校正参数，具体的，设定左摄像头和右摄像头具有相同的内部参数和畸变系数。初始的校正参数具体包括如下几项：

1）初始的内部参数。

等效焦距：                                               

，

。

中心点：，

。

上述

和

分别为左摄像头和右摄像头拍摄出的图像的宽度和高度。

2）初始的畸变系数。

。

3）初始的外部参数。

旋转矩阵：

。

平移矩阵：

。

以上初始的校正参数的设定结果仅为一种举例。

图2为本发明实施例中3D相机图像自动校正的方法的流程图，该流程包括：

步骤21：采集左摄像头和右摄像头拍摄的图像。

将采集到的左摄像头拍摄的图像记为ImageL，将采集到的右摄像头拍摄的图像记为ImageR。

步骤22：针对采集到的左摄像头拍摄的图像，使用左摄像头的内部参数和畸变系数进行畸变校正。

本步骤中，如果当前是第一次进行畸变校正，使用初始的校正参数，否则使用上一次更新后的校正参数。

设畸变校正后ImageL为ImageL’， ImageL’中的像素点dst(j,i)，该像素点在ImageL中的对应位置src(x,y)，通过如下公式（1）至（5），可以计算出各个dst(j,i)在ImageL中的对应位置的坐标。

，                                 （1）

                                                  （2）

                         （3）       

                         （4）

，

                                  （5）

步骤23：针对采集到的右摄像头拍摄的图像，先使用右摄像头的内部参数和畸变系数进行畸变校正，再使用外部参数进行旋转平移。

本步骤中，首先采用公式（1）至公式（5）计算出ImageR中的各个像素点进行畸变校正后的坐标，并进一步得到畸变校正后的ImageR，记为Image’，然后再保持ImageL’不变，并使用外部参数对ImageR’进行旋转平移。也可以保持ImageR’不变，并使用外部参数对ImageL’进行旋转平移。

设旋转平移后的ImageR’为ImageR’’， ImageR’’中的像素点dstR(j,i), 在ImageR’中的对应位置srcR(x,y)，通过如下公式（6）至公式（9）可以计算出各个dstR(j,i)在ImageR’中对应位置的坐标。

，

，                 （6）

                                         （7）

， 

                                 （8）

，

                                  （9）

上述公式（6）至公式（9）中的

和

代表右摄像头的等效焦距，

和

为右摄像头的中心点。

步骤24：判断校正后的两幅图像是否达到设定标准，如果是，继续执行步骤21，否则，执行步骤25。

本步骤基于如图3a和图3b所示的平行双目视觉距离传感器原理实现。

图3a和图3b为平行双目视觉距离传感器测量距离的原理图，其中图3b为俯视图。两台焦距为f的摄像机平行放置，光轴之间的距离为T，图3a中的两个矩形分别表示左右摄像机的成像平面，O _l 和O _r 为左右摄像机的焦点，假设操作者的选中手势为该场景中的P点，在左右摄像机成像平面上的成像点分别为p _l 和p _r ，它们在成像平面上的成像坐标为x ^l 和x ^r ，将d = x ^l  - x ^r 定义为视差。

本实施例中的真实坐标系以左摄像机的交点O _l 为原点，O _l 和O _r 所在直线为X轴，左摄像机的光轴为Z轴，垂直于XZ轴的为Y轴，则P点与摄像机的距离，即P点在真实坐标系中的坐标按照如下公式计算：

，

，。                            

本步骤中，首先计算ImageL’和ImageR’’中各像素点对应的视差，具体可以使用基于块匹配的视差算法（block-matching stereo correspondence algorithm）或基于能量函数最小化的视差算法（graph cuts-based stereo correspondence algorithm）等已有计算方法实现，这里不再赘述。

然后，针对每个像素点采用如下两种方式中的一种，判断该像素点对应的视差是否为正确视差。

1）以ImageL’中的一个像素点A为例，假设A在ImageL’中的第2行第10列，在ImageR’’中查找和A像素值最为接近的一个像素点，如果查找到的像素点在ImageR’’中也在第2行第10列，则确定A的视差为正确视差。

2）基于图3所示的原理，可知

。以ImageL’中的一个像素点A为例，利用A计算出的视差计算对应的

。然后利用激光传感器测量实际的

值。如果实际的

值和计算出的

值相等，则确定A的视差为正确视差。

最后，统计计算出的所有视差中正确视差的比例，如果该比例达到设定的阈值，则认为ImageL’和ImageR’’达到设定标准。

步骤25：利用采集到的两幅图像分别进行左摄像头和右摄像头的内部参数及畸变系数的自标定。

以左摄像头的内部参数和畸变系数的自标定为例，主要包括如下步骤：

步骤1：利用基于尺度不变特征变换的特征提取方法（sift）或其他已有算法从ImageL中提取特征点，并利用多维检索树（KD_tree）算法得到当前ImageL和上一视角的ImageL的匹配点集合

、

，其中

中的点记为

，

中的点记为。

步骤2：通过如下公式（10）计算基本矩阵。

                                         （10）

步骤3：通过如下公式（11）计算外极点。

                                             （11）

步骤4：求解Kruppa方程，得到

。                    （12）

步骤5：分解

得到内部参数

。

步骤6：利用张正友两步法，计算畸变系数。

右摄像头的内部参数和畸变系数的自标定方法也相同，这里不再赘述。

步骤26：利用采集到的两幅图像进行外部参数的自标定。

本步骤中的外部参数自标定，主要包括如下步骤：

步骤1：利用步骤25中得到的左摄像头的内部参数和畸变系数，对ImageL进行畸变校正，并利用步骤25中得到的右摄像头的内部参数和畸变系数，对ImageR进行畸变校正。

步骤2：利用sift算法、快速鲁棒的特征提取方法（surf）算法或者其他已有算法分别对畸变校正后的ImageL和ImageR进行特征点提取，并利用KD_tree算法对畸变校正后的ImageL和ImageR提取到的特征点进行匹配，形成集合

和。

步骤3：通过如下的公式（12）将

和映射到归一化平面。

                                    （12）

步骤4：解方程组

，计算本质矩阵

。

步骤5：通过如下公式（13）和（14），计算得到旋转矩阵

和平移矩阵

。

                                              （13）

                                                  （14）

其中，反对称矩阵

。

可以看出，本实施例中的自标定过程中，分别对内部参数和外部参数进行标定，这样可以根据实际情况选择是否每次都进行内部参数和畸变系数的自标定。例如，对一些非变焦的摄像头来说，可以不必每次都执行内部参数和畸变系数的自标定。

步骤27：根据自标定的结果更新校正参数，然后执行步骤21。

在更新校正参数后，后续执行步骤22和步骤23时，将使用更新后的校正参数，如果基于更新后的校正参数得到的校正后的图像未达到设定标准，将再次按照步骤25至步骤27对校正参数执行更新，如此循环。

图4为本发明3D相机图像自动校正的装置的结构示意图，3D相机包括同步执行拍摄的第一摄像头和第二摄像头。

图4所示的装置包括：校正参数模块41、图像采集模块42、自动校正模块43、校正结果评价模块44、自标定模块45和更新模块46。

校正参数模块41，用于存储初始的校正参数。

图像采集模块42，用于采集第一摄像头和第二摄像头拍摄的图像。

自动校正模块43，用于使用校正参数模块41中的校正参数对采集到的两幅图像进行校正。

校正结果评价模块44，用于判定校正后的两幅图像是否达到设定标准。

自标定模块45，用于在校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定。

更新模块46，用于利用自标定的结果更新校正参数模块41中的校正参数。

可见，本发明3D相机图像自动校正的装置中，根据实时采集的两幅图像进行校正，并对校正结果进行自动评价，在校正结果不达标时利用采集的两幅图像进行自标定、并更新校正参数，整个过程完全不需要人的介入，对用户来说简单方便，对系统来说快捷准确且抗干扰。

下面给出本发明装置的实施例。

图5为本发明实施例中3D相机图像自动校正的装置的结构示意图，该装置包括：校正参数模块51、图像采集模块52、自动校正模块53、校正结果评价模块54、自标定模块55和更新模块56。

校正参数模块51，用于存储初始的校正参数。

图像采集模块52，用于采集第一摄像头和第二摄像头拍摄的图像。

自动校正模块53包括：第一自动校正子模块531和第二自动校正子模块532。

第一自动校正子模块531，用于针对采集到的第一摄像头拍摄的图像，使用第一摄像头的内部参数和畸变系数进行畸变校正。

第二自动校正子模块532，用于针对采集到的第二摄像头拍摄的图像，先使用第二摄像头的内部参数和畸变系数进行畸变校正，再使用所述外部参数进行旋转平移。

校正结果评价模块54包括：计算子模块541和评价子模块542。

计算子模块541，用于计算校正后的两幅图像中的各个像素点对应的视差。

评价子模块542，用于判断所有计算出的视差中正确视差的百分比是否达到设定阈值，如果是，判定校正后的两幅图像达到设定标准，否则，判定校正后的两幅图像未达到设定标准。

自标定模块55包括：第一自标定子模块551和第二自标定子模块552。

第一自标定子模块551，用于利用采集到的两幅图像进行第一摄像头的内部参数和畸变系数的自标定、及第二摄像头的内部参数和畸变系数的自标定。

第二自标定子模块552，用于利用采集到的两幅图像进行外部参数的自标定。第二自标定子模块552可以包括：畸变校正单元，用于利用自标定得到的第一摄像头的内部参数和畸变系数，对采集到的第一摄像头拍摄的图像进行畸变校正，并利用自标定得到的第二摄像头的内部参数和畸变系数，对采集到的第二摄像头拍摄的图像进行畸变校正；计算单元，用于对畸变校正后的两幅图像进行特征点匹配；将特征点映射到归一化平面；计算本质矩阵，并利用本质矩阵得到外部参数。

更新模块56，用于利用自标定的结果更新校正参数模块51中的校正参数。

可以看出，本实施例中的装置在自标定过程中，分别对内部参数和外部参数进行标定，这样可以根据实际情况选择是否每次都进行内部参数和畸变系数的自标定。例如，对一些非变焦的摄像头来说，可以不必每次都执行内部参数和畸变系数的自标定。

本发明实施例中的装置可以按照本发明实施例中的方法执行操作。

本领域技术人员应当理解，以上公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。

为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说，这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。

Claims (10)

1.一种3D相机图像自动校正的方法，所述3D相机包括同步执行拍摄的第一摄像头和第二摄像头；其特征在于，设定初始的校正参数；该方法还包括：

采集第一摄像头和第二摄像头拍摄的图像；

使用校正参数对采集到的两幅图像进行校正；

判定校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定；

利用所述自标定的结果更新校正参数，然后继续执行所述采集的步骤。

2. 如权利要求1所述的方法，其特征在于，使用校正参数对采集到的两幅图像进行校正，包括：

针对采集到的第一摄像头拍摄的图像，使用第一摄像头的内部参数和畸变系数进行畸变校正；

针对采集到的第二摄像头拍摄的图像，先使用第二摄像头的内部参数和畸变系数进行畸变校正，再使用所述外部参数进行旋转平移。

3. 如权利要求1所述的方法，其特征在于，判定校正后的两幅图像是否达到设定标准的方法，包括：

计算校正后的两幅图像中的各个像素点对应的视差；

判断所有计算出的视差中正确视差的百分比是否达到设定阈值，如果是，判定校正后的两幅图像达到设定标准，否则，判定校正后的两幅图像未达到设定标准。

4. 如权利要求1所述的方法，其特征在于，利用采集到的两幅图像进行自标定，包括：

利用采集到的两幅图像进行第一摄像头的内部参数和畸变系数的自标定、及第二摄像头的内部参数和畸变系数的自标定；

利用采集到的两幅图像进行外部参数的自标定。

5. 如权利要求4所述的方法，其特征在于，所述利用采集到的两幅图像进行外部参数的自标定，包括：

利用自标定得到的第一摄像头的内部参数和畸变系数，对采集到的第一摄像头拍摄的图像进行畸变校正，并利用自标定得到的第二摄像头的内部参数和畸变系数，对采集到的第二摄像头拍摄的图像进行畸变校正；

对畸变校正后的两幅图像进行特征点匹配；

将特征点映射到归一化平面；

计算本质矩阵，并利用本质矩阵得到外部参数。

6. 一种3D相机图像自动校正的装置，所述3D相机包括同步执行拍摄的第一摄像头和第二摄像头；其特征在于，该装置包括：

校正参数模块，用于存储初始的校正参数；

图像采集模块，用于采集第一摄像头和第二摄像头拍摄的图像；

自动校正模块，用于使用所述校正参数模块中的校正参数对采集到的两幅图像进行校正；

校正结果评价模块，用于判定校正后的两幅图像是否达到设定标准；

自标定模块，用于在校正后的两幅图像未达到设定标准时，利用采集到的两幅图像进行自标定；

更新模块，用于利用自标定的结果更新所述校正参数模块中的校正参数。

7. 如权利要求6所述的装置，其特征在于，所述自动校正模块包括：

第一自动校正子模块，用于针对采集到的第一摄像头拍摄的图像，使用第一摄像头的内部参数和畸变系数进行畸变校正；

第二自动校正子模块，用于针对采集到的第二摄像头拍摄的图像，先使用第二摄像头的内部参数和畸变系数进行畸变校正，再使用所述外部参数进行旋转平移。

8. 如权利要求6所述的装置，其特征在于，所述校正结果评价模块包括：

计算子模块，用于计算校正后的两幅图像中的各个像素点对应的视差；

评价子模块，用于判断所有计算出的视差中正确视差的百分比是否达到设定阈值，如果是，判定校正后的两幅图像达到设定标准，否则，判定校正后的两幅图像未达到设定标准。

9. 如权利要求6所述的装置，其特征在于，所述自标定模块包括：

第一自标定子模块，用于利用采集到的两幅图像进行第一摄像头的内部参数和畸变系数的自标定、及第二摄像头的内部参数和畸变系数的自标定；

第二自标定子模块，用于利用采集到的两幅图像进行外部参数的自标定。

10. 如权利要求9所述的装置，其特征在于，所述第二自标定模块包括：

畸变校正单元，用于利用自标定得到的第一摄像头的内部参数和畸变系数，对采集到的第一摄像头拍摄的图像进行畸变校正，并利用自标定得到的第二摄像头的内部参数和畸变系数，对采集到的第二摄像头拍摄的图像进行畸变校正；

计算单元，用于对畸变校正后的两幅图像进行特征点匹配；将特征点映射到归一化平面；计算本质矩阵，并利用本质矩阵得到外部参数。

Images