在單片機程序中，當(dāng)圖像預(yù)處理得到(U，V)后，可根據(jù)式5解出(Xw，Yw)，差別是(U，V)處于不同位置時用不同的參數(shù)。由于相鄰梯形有兩個點是復(fù)用的，所以參數(shù)不會出現(xiàn)跳躍。圖11顯示該方法效果很好。

　　文獻(xiàn)[7]中提到可以選取很多點，然后采用最小二乘法進(jìn)行擬合。但是由于各像素點失真程度不一樣(越遠(yuǎn)離圖像中心失真越嚴(yán)重)，所以最后結(jié)果可能是本來失真較小的點被失真較大的點所“拖累”，沒有一個點是準(zhǔn)確的。

　　情況(2)：攝像頭俯角較大，跑道會出現(xiàn)在圖像各個位置(如圖1(b)所示)，這時單片機需要對整幅圖像進(jìn)行處理?？墒褂孟铝蟹椒?。

　　這時不再讓U=Xu，V=Yu，而是設(shè)

　　從圖像中讀出多個像素坐標(biāo)(U，V)，令k初值為0.00001，通過式7解出(Xu，Yu)，根據(jù)式6通過最小二乘法解出 ，再根據(jù)式5求出(Xw，Yw)，求出擬合誤差sum_err。(這里要將式5與式6中的U、V分別換成Xu、Yu)。有關(guān)最小二乘法可參考文獻(xiàn)[8]。

　　將k累加0.00001，同樣的步驟可求出sum_err。

　　畫出k與sum_err曲線，sum_err起初隨著k增大而減小，但從某個k開始又開始增大，k值即取拐點處的值。

　　結(jié)論

　　本文根據(jù)攝像頭成像模型，導(dǎo)出逆透視變換公式，并根據(jù)兩種情況分別給出解決方案。該解決方案方便可行，可供各參賽攝像頭隊伍參考。

　　參考文獻(xiàn)：

　　[1]卓晴，黃開勝，邵貝貝等. 學(xué)做智能車[M].北京：北京航空航天大學(xué)出版社，2007:17.

　　[2]諶彤，童周力，張文超. 國防科技大學(xué)“紅旗Ⅰ”隊技術(shù)報告[R].2008:53-55.

　　[3]楊樹峰、王瀟楊、李國洪. 東北大學(xué)“獵豹”隊技術(shù)報告[R].2009:23-26.

　　[4]趙祥磊，吳穎熹，雷典. 吉林大學(xué)“愛德”隊技術(shù)報告[R].2009:附錄A 1-4.

　　[5]劉運銀，劉帥，洪長志. 合肥學(xué)院“突擊”隊技術(shù)報告[R].2009:53-54.

　　[6]陳易廳，蘇文友，關(guān)振明. 華南理工大學(xué)“急速”隊技術(shù)報告[R].2009:22-23.

　　[7]胡晨暉，陸佳南，陳立剛. 上海交通大學(xué)“CyberSmart”隊技術(shù)報告[R].2007:90-92.

　　[8]馮培悌. 系統(tǒng)辨識(第二版)[M].杭州： 浙江大學(xué)出版社，2004：56-58.

　　[9]汪國有，俞立科，張?zhí)煨? 一種新的大視場景象的幾何失真校正方法[J]. 數(shù)據(jù)采集與處理，1996，11(2):112-115.