本文从实际需求出发，针对单幅图像、平面视频和立体视频等几个场景进行距离信息 以及相关速度等信息进行分析，建立了基于两灭点的相机标定模型，借助先验尺度信息完 成单幅图像的目标定位和几何量测。综合运用逆透视变换、图像特征点匹配、运动结构恢 复等模型进一步处理像平面与真实空间中的坐标转换，准确获取各位置点间距离以及运动 物体速度等信息。
针对问题一，首先建立相机成像过程中的各相关坐标系转换关系，便于各位置点在不 同坐标系下的变换；然后建立基于两灭点的相机标定模型，并借助环境中先验尺度信息完 成单幅图像下的相机标定，获得内参及外参。基于相机参数以及坐标系间变换关系，建立 相对深度求解模型，获得相机光心与图像坐标点真实空间中的相对距离。针对问题一中图 像环境较为特殊的参照物与目标物不共面的情况，通过求解单应矩阵实现多个平面间的位 置信息求解。最终结果图 1 中 AB 车头间距离为 23.504m，拍照者距离马路左侧边界的距 离为 13.5m；图 2 中黑色车辆 A 车头和灰色车辆 C 车尾距离为 32.4m。拍照者距白色车辆 B 车头的距离 23.89m；图 3 中拍照者距岗亭 A 的距离 27.41m，拍照者距地面高度为 4.75m； 图 4 中 AB = 5.2m、 CD = 3.8m、 AB 与 CD 距离为 8.4m。
针对问题二，因汽车后视镜为凸透镜故问题一中建立的标定模型不适合使用，因此提 出基于逆透视变换的距离求解模型对两车距离进行求解，并且对视频中多时刻的距离信息 均完成距离计算，更加准确把握两车的相对运动状态。对于题中汽车进行超越行为时速度 差的取决提出基于特征提取、匹配并计算特征位移的模型在对图像帧连续计算，根据汽车 尺寸作为先验尺度，求解出准确且连续的速度差数据。最终求解出平均车距为 51.716m， 超越时平均速度差为 20.075km/h。
针对问题三，借助于前述基于两灭点的相机标定模型完成相机参数获取，同时利用运动结 构恢复模型通过视频信息生成稠密的特征点云。此外，借助视频画面中符合国标的建筑信 息完成尺度计算，从而将特征点的相对距离转换到真实空间中，从而易于求取各所需距离 信息。最终，根据问题三要求解出桥距水面的距离 8.8m，桥距高铁轨道的距离为 485.3m， 水面宽度为 195.6m，高铁行驶速度为 282.4km/h。
针对问题四，对于立体视频中距离的分析，结合环境中行人步伐等先验尺度信息，同 时利用问题一以及问题三中建立的两灭点标定模型以及运动结构恢复模型将飞行器运动 整个过程转化为环境稠密点云构建，通过 SFM 算法以及点标注两种方案对环境信息求解， 得出最准确的数据。结果为老宅北侧长度 67.43m，老宅东侧长度 92.17m， 北侧道路宽度2 2.26-2.37m，南侧道路长度 3.23-3.47m，东侧道路长度 4.43-6.53m，后花园短轴长度 32.86m， 西面后花园处道路圆弧的长度 128.88m， 最高树的高度 15.325m， 建筑物的高度 11.492m， 无人机飞行速度为 4.197m/s,飞行高度为 93.213m。 建筑物部分占地面积 5971.55m2，后花 园占地面积 2358.187m2，总占地面积 8329.742m2。
关键词：两灭点标定、单应矩阵、逆透视变换、特征点匹配、 SFM、对极约束
C19104220023链接：https://pan.baidu.com/s/1Dfs8Jjfb4PeAQvsvviu2TQ
提取码：7k4j