二、存在的问题及研究难点分析

虽然经过多年的研究和发展，对于双目立体视觉标定的技术研究已经取得了巨大的进步，关于机器视觉的许多关键性技术都得到了深入的研究并取得了长足的进展，但是仍然存在许多的难点和问题有待解决。目前在双目立体视觉的标定中主要存在以下问题[8]：

1。 标定准确性评价问题

目前评价相机标定是否准确的方法是通过比较标准样本点和待标定点的换算，但是这种方法，没有考虑到待标定相机的相机参数间可能存在复合关系的关系，在被动的三维测量视觉系统中，可以使用这种方法进行评判，但是在主动视觉中，相机运动所带来的参数变化关系会导致这种评价标准不再适用，所以目前的评价尺度并不全面。随着机器视觉的发展，未来对标定的要求也会提高，因此标定准确性评价的标准也需改变。找寻更加完善的评价摄像机标定准确性的标准尺度，并作为条件约束应用到标定流程中对于相机标定的发展具有十分重大的意义。

2。关于正确选择适当的标定方法问题

如今现有的标定方法都各自有其优缺点，使用场合也不同，如何依据具体的情况去选择适当的标定方法通常只能根据经验选择。例如，如果要进行快速测量且对精确度要求不是很高，一般会选择透视矩阵方法或者是基于DLT模型的标定法。如果现场无法放置标定板，则会选择不需标定物的自标定方法。

3。关于图像畸变矫正的问题

因为光学镜头的原因，拍摄到的图像会存在畸变的现象。如何矫正畸变也是标定需解决的问题。当前畸变问题的处置手段主要有两种[8]：直接线性法和著名的Tsai两步标定法。第一种是建立含畸变的非线性相机模型直接求解；第二种方法先由成像模型求得线性解，再以此解作为初始量求非线性解。 

4如何准确选择畸变参数[9]

在建立畸变模型时，如果畸变参数选择过少，会使畸变模型失真，而选择过多则会使得模型不易控制，同样降低标定精准，而且如果起始建立的畸变模型与实际模型有异，则会大幅度降低标定精度。另外，除了与畸变模型有关，畸变较正精度还取决于成像系统中的信噪比。图像采集的质量也会影响标定精度。

5。 解算时如何选择恰当的约束条件

通过计算可知，在用最小二乘法解算线性方程组时，选择不同的约束条件会得到不同的估算精度[10]，因此需要了解何种约束条件才能使标定精度最高。

除此之外，当前的标定系统也存在着诸多问题。当前的标定系统都需要搭建硬件平台然后借助于软件编程来完成标定任务，而非直接集成在可编程硬件上。这对于标定的发展来说是不是一个有利的模式，因为这种开发模式需要良好的硬件设备，开发者不仅需要充分了解硬件的各项指标，还要协调软件进行设计，在实验中不断修改系统参数，这样不仅开发的成本高，时间久，而且在反复修改的过程中，往往会在某些方面偏离系统原本的设计要求。因此，未来的标定系统研究方向应该是在智能硬件上。此外，在立体视觉系统中普遍存在图像采集性能不高的现象。试验中的光照，标定板的质量都在很大程度上直接影响标定的结果。最后，关于立体匹配的问题，一直以来就是机器视觉发展的瓶颈，对于三维重建的研究现在也不是十分成熟，理论和应用上都存在许多的难题。在立体视觉中，最繁琐和最困难的一个步便是立体匹配过程。因为在三维场景投影成为二维图像后，丰富的三维场景信息，如背景光，景深等，最终都体现在二维图像像素灰度值上，而仅仅使用这些像素的灰度值来提取上述场景信息是非常困难的。