电子产品世界

　　在单片机程序中，当图像预处理得到(U，V)后，可根据式5解出(Xw，Yw)，差别是(U，V)处于不同位置时用不同的参数。由于相邻梯形有两个点是复用的，所以参数不会出现跳跃。图11显示该方法效果很好。

　　文献[7]中提到可以选取很多点，然后采用最小二乘法进行拟合。但是由于各像素点失真程度不一样(越远离图像中心失真越严重)，所以最后结果可能是本来失真较小的点被失真较大的点所“拖累”，没有一个点是准确的。

　　情况(2)：摄像头俯角较大，跑道会出现在图像各个位置(如图1(b)所示)，这时单片机需要对整幅图像进行处理。可使用下列方法。

　　这时不再让U=Xu，V=Yu，而是设

　　从图像中读出多个像素坐标(U，V)，令k初值为0.00001，通过式7解出(Xu，Yu)，根据式6通过最小二乘法解出 ，再根据式5求出(Xw，Yw)，求出拟合误差sum_err。(这里要将式5与式6中的U、V分别换成Xu、Yu)。有关最小二乘法可参考文献[8]。

　　将k累加0.00001，同样的步骤可求出sum_err。

　　画出k与sum_err曲线，sum_err起初随着k增大而减小，但从某个k开始又开始增大，k值即取拐点处的值。

　　结论

　　本文根据摄像头成像模型，导出逆透视变换公式，并根据两种情况分别给出解决方案。该解决方案方便可行，可供各参赛摄像头队伍参考。

　　参考文献：

　　[1]卓晴，黄开胜，邵贝贝等. 学做智能车[M].北京：北京航空航天大学出版社，2007:17.

　　[2]谌彤，童周力，张文超. 国防科技大学“红旗Ⅰ”队技术报告[R].2008:53-55.

　　[3]杨树峰、王潇杨、李国洪. 东北大学“猎豹”队技术报告[R].2009:23-26.

　　[4]赵祥磊，吴颖熹，雷典. 吉林大学“爱德”队技术报告[R].2009:附录A 1-4.

　　[5]刘运银，刘帅，洪长志. 合肥学院“突击”队技术报告[R].2009:53-54.

　　[6]陈易厅，苏文友，关振明. 华南理工大学“急速”队技术报告[R].2009:22-23.

　　[7]胡晨晖，陆佳南，陈立刚. 上海交通大学“CyberSmart”队技术报告[R].2007:90-92.

　　[8]冯培悌. 系统辨识(第二版)[M].杭州： 浙江大学出版社，2004：56-58.

　　[9]汪国有，俞立科，张天序. 一种新的大视场景象的几何失真校正方法[J]. 数据采集与处理，1996，11(2):112-115.

关键词： 飞思卡尔 智能车 梯形失真 桶形失真 广角镜头 201007