RANSAC算法在线结构光视觉测量系统中的应用研究

针对线结构光视觉测量系统中参数标定易受噪声和亮度突变等因素的影响,而传统算法难以拟合包含异常值点云的问题,在现有标定方法的基础上,提出了一种基于随机抽样一致性(RANSAC)的改进算法拟合光平面参数。随机选取三个点云数据拟合光平面,选择阈值并统计在此平面上的内点数量,多次重复求得包含最多内点的平面,并以这些内点以特征值法进行平面拟合得到所求平面方程。实验结果表明,与最小二乘法相比,该方法可以很好地适应标定过程中出现的误差和异常值的情况,稳健地估计平面参数值,从而进一步提高线结构光参数标定精度。     

边缘直线拟合确定鱼眼镜头光心算法

为了去除鱼眼图像存在严重的畸变,需要对鱼眼相机进行标定,本文在已知相机参数表的前提下,提出了一种边缘直线拟合来标定最重要的镜头光心坐标算法.该算法利用像素点在图像平面上的物理尺寸及相机焦距,确定相机标定内参矩阵中水平轴和竖直轴的尺度因子.在部分内参已知的情况下,对光心的横、纵坐标在给定范围内进行遍历,校正点到拟合直线加权距离和最小的点,即为所求的光心坐标值.实验结果表明:与常规的标定算法相比,该算法得到的光心坐标减少了由于不精确参数使用带来的累积误差,提高了相机标定结果的精度.     

全景立体球视觉下的鱼眼镜头参数标定方法

针对鱼眼镜头拍摄图像存在较大畸变以及在设计制造过程中存在误差的问题,提出了一种对鱼眼镜头进行标定的方法.首先是对成像系统进行建模,进而对成像系统的内外参数进行标定;采用最小二乘法拟合圆的算法对图像中心进行标定,算法的仿真结果表明,该方法可以准确的对视觉系统的内外参数进行标定,径向畸变系数的标定误差范围小于0.1个像素值.     

基于平面模板的摄像机线性标定方法

有效的摄像机标定方法是计算机视觉应用中的一个重要问题．采用一种基于平面模板的摄像机线性标定方法，该方法只要平面模板在摄像机前运动，拍摄平面模板在不同位置的图像，提取平面模板在每个位置获得图像的网格角点，对每幅图像就可以确定一个单应性矩阵，这样就能够进行摄像机标定．实验结果表明，该方法简单易行．     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

基于几何约束的高精度特征点检测和相机标定

针对高精度特征点检测和相机标定问题,提出了一种基于几何约束的角点检测和相机标定方法.该方法首先用传统的方法提取图像中的角点,以此为初值从图像中搜索棋盘格边缘,然后对边缘数据进行拟合,并将拟合得到的三次曲线的交点作为真实的角点,最后以这些角点为特征点进行相机标定.实验结果表明,加入几何约束后能大幅提高特征点提取的准确度,从而显著提高相机标定的精度.     

亚像素级标定角点提取新算法

在计算机视觉测量中。摄像机的标定精度对保证系统测量精度有着至关重要的作用。而角点的提取精度一直是摄像机标定技术的难点。文中在分析常用角点提取方法的基础上，结合数学形态学算法和边缘形态模板，施行了畸形角点的修正，实现了高位置精度的角点提取。并在分析算法和计算结果的基础上，提出了角点位置突变概念，进行了亚像素级的角点像素坐标修正。标定中的角点经模板校正、数学形态学提取、亚像素修正可达到很高的精度。该算法计算简单、灵活，程序自动化，简化了标定过程。     

双目立体视觉摄像机标定及精度分析

以VC++为开发平台,采用开源的OpenCV函数库实现张氏标定算法;以标定板上的角点为测量对象,进行双目立体视觉系统的三维数据测量.采用标定获得的摄像机参数对模板图像进行校正,使用Harris算子进行角点提取,并对各行各列角点进行最小二乘直线拟合,以其交点为最终的角点位置,最后进行角点匹配与反求.测量结果的精度分析表明...     

一种基于平面直线的摄像机标定方法

为使标定算法更加灵活、实用，提出了一种基于平面直线的摄像机标定算法．该算法的平面模板要求含有4个以上直线段，只需要摄像机作运动未知的自由移动，在3个以上的方位摄取一个模板上的图像，即可线性求解摄像机的内外参数．实验结果表明，该算法的精度和鲁棒性都较高．     

棋盘格图像角点坐标亚像素提取方法

针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.     

基于主动视觉的结构光手眼系统自标定方法

为实现结构光手眼系统的标定,提出一种基于主动视觉的结构光手眼系统自标定技术。该标定技术无需使用特制靶标,只需场景中三个特征点,通过控制机器人进行四次线性无关的平移运动和两次带旋转运动,即可实现结构光手眼系统的标定。四次非线性相关的平移运动标定摄像机内参数和手眼矩阵旋转部分,两次带旋转标定手眼矩阵的平移部分,两次带旋转运动中提取的两激光条,结合特征点所在平面信息,标定光平面方程。实验结果表明,三维数据测量精度可达到±1.32mm,平面特征点间的长度测量误差为±0.73 mm;该标定方法简单,特征选取容易,对结构光手眼系统的实际工业现场使用有重要意义。     

基于圆形阵列标定板的张氏相机标定法

提出了一种基于圆形阵列标定板的张氏相机标定法.利用大恒水星系列相机对不同方向和不同姿态的圆形特征标定板进行20次拍摄,并利用亚像素边缘检测算法对图像视野中的特征进行边缘检测;接着对得到的边缘封闭的特征分别进行圆度、偏心率和凸度的条件限制,提取出图像中符合要求的圆形特征;最后通过标定板上圆形特征的圆心像素坐标与世界坐标的对应关系来进行相机标定.实验结果显示,圆形特征的圆心坐标平均重投影误差在0.007个像素以内,表明了该算法的可行性.      

基于SIFT特征匹配和模约束的摄像机分层自标定方法

在一些计算机视觉和摄影测量任务的执行过程中,需要在线地标定摄像机参数,这就使得不依赖标定参照物的自标定成为必需,提出一种基于SIFT特征匹配和模约束的摄像机分层自标定方法。自由移动或旋转摄像机拍摄同一场景内部参数不变条件下的四幅以上图像。对每幅图像进行SIFT特征点提取,通过特征点匹配在每幅图像中分别获得对应三维场景空间同一特征点的像素坐标。进行投影标定,获得每幅图像在投影重建空间中的相机投影矩阵,以及每个特征点在投影重建空间中的三维坐标。进行仿射标定,采用模约束法确定无穷远参考平面在投影重建空间中的参数。进行度量标定,确定内参矩阵。实验表明,该方法能在线地稳定地获得摄像机内参标定结果,从而对现有的摄像机自标定方法进行了改进。     

A New Algorithm for the Establishing Data Association Between a Camera and a 2-D LIDAR

In this paper,we propose a new algorithm to establish the data association between a camera and a 2-D Light Detection And Ranging sensor （LIDAR）.In contrast to the previous works,where data association is established by calibrating the intrinsic parameters of the camera and the extrinsic parameters of the camera and the LIDAR,we formulate the map between laser points and pixels as a 2-D homography.The line-point correspondence is employed to construct geometric constraint on the homography matrix.This enables checkerboard to be not essential and any object with straight boundary can be an effective target.The calculation of the 2-D homography matrix consists of a linear least-squares solution of a homogeneous system followed by a nonlinear minimization of the geometric error in the image plane.Since the measurement quality impacts on the accuracy of the result,we investigate the equivalent constraint and show that placing the calibration target nearby the 2-D LIDAR will provide sufficient constraints to calculate the 2-D homography matrix.Simulation and experimental results validate that the proposed algorithm is robust and accurate.Compared with the previous works,which require two calibration processes and special calibration targets such as checkerboard,our method is more flexible and easier to perform.     

表情比例图的鲁棒性增强算法

针对表情比例图（ERI）方法的光照条件及对准误差的鲁棒性较差的问题，提出了一种新的比例图滤波方法，该方法利用形态学膨胀算子提取对准误差所致的噪声区域及其过渡带，然后利用线性插值恢复出平滑的比例图，同时还提出了基于商图理论的光照校准方法，并应用于照明条件不一致下的表情绘制，即通过求解空间3个独立点光源的组合系数，实现了样本图从任意光照向期望光照的校准．实验结果表明，所提方法能够探测并消除对准误差带来的比例图噪声，能够实现不同照明条件下的样本图像光照校准，从而提高了ERI算法应用于表情合成时的鲁棒性．     

基于特征点图像序列的多摄像机全局标定

多摄像机的全局标定是影响视觉测量系统精度的关键。为了降低标定过程中多次坐标变换而引起的误差,本文提出了一种基于特征点图像序列的多CCD摄像机的全局标定方法,通过时间脉冲同步,在液晶显示屏靶标上显示一系列含有特征点的图像序列的同时,多个CCD进行拍摄,对用于显示的特征图像和CCD拍摄得到的图像进行处理和计算,即可对多个摄像机进行全局标定。该方法只需一次坐标变换,克服了常规方法下特征点难以被所有摄像机全部拍到的困难,用标定结果进行三角测量,最大绝对误差为0.08mm,证明了标定方法的精确性。     

基于立体靶标的摄像机标定方法

为获取视觉测量系统中二维图像到三维空间位置的变换关系,提出一种基于立体靶标的摄像机标定方法.针对无畸变小孔成像模型,使用最小二乘法求解初始投影矩阵后通过LM准则对其优化;根据多张图像对应的投影矩阵,求解摄像机内参数及各相应外参数;引入二阶径向畸变模型,建立理想图像坐标和实际图像坐标间的方程求解初始畸变系数;使用LM准则...     

一种鲁棒的摄像机标定方法

提出一种基于圆环点的摄像机标定方法,该方法无需已知模板的任何物理度量,即可线性求解出摄像机的内参数矩阵,完全摆脱了匹配问题.并给出了在不增加任何已知条件的基础上求解外参数的线性方法.模拟与图像实验结果表明,该方法在精确度和鲁棒性上较已有方法都有较大提高.     

基于编码识别的电子白板中校准算法

分析了基于编码识别的电子白板系统坐标转换中偏差产生的原因,针对平移、缩放、旋转三类主要因素,讨论了系统校准及坐标转化的方法。借鉴触摸屏的校准思想,针对上述三种情况讨论了两点及三点校准算法在系统中的实现步骤,给出了求解方法。根据试验结果定量讨论了系统误差,并对误差产生的原因进行了分析。利用该方法完成校准及坐标转换能够满足实际应用的需要。