基于平面模板的摄像机标定方法

文章提出了一种基于平面模板的摄像机标定方法,仅要求摄像机在3个(或3个以上)的不同方位对同一平面模板进行拍摄,即可标定摄像机参数(包括内参数、外参数、畸变系数).并利用两步法求解摄像机参数.模拟图像和真实图像结果表明,该方法兼顾了标定精度与速度.整个标定过程不需要人为干预,可以自动进行,具有较强的实用性.     

基于移动机器人两步法的摄像机标定

利用透镜成像理论建立摄像机数学模型,提出一种全面考虑镜头的径向畸变和切向畸变的简单、快速的摄像机参数标定和修正方法,利用图像中心附近点畸变量较小的性质,对摄像机内、外参数进行标定.实践证明,该方法能快速、方便地对摄像机系统进行标定和相差修正,具有良好的精度和稳定性.     

基于OpenCV的挖掘机器人摄像机参数标定

为了建立挖掘机器人视觉系统摄像机测量模型,提高视觉测量精度,分析了挖掘机器人摄像机视觉系统内、外参数成像模型及摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板不同方向的七幅图像,基于OpenCV技术实现了对模板角点的提取。通过七幅图像进行标定实验,实验结果获得了摄像机模型的线性内部参数矩阵,标定出了摄像机非线性模型的径向畸变系数,摄像机外部旋转矩阵及平移向量,并给出了标定参数误差。研究结论表明采用角点提取方法,标定误差可达亚像素级,能够满足挖掘机器人视觉系统的标定及视觉测量精度要求。     

径向畸变摄像机的标定

本文研究摄像机径向畸变的外部参数的标定问题。首先讨论摄像机畸变的类型,然后建立摄像机畸变的数学模型,给出畸变函数是一阶形式的模型,并且给出了适用于数学软件求解外部参数的模型。最后,通过平面薄板上五个圆在摄像机上的成像,提取图像上的数据,利用Lingo软件求出摄像机的外部参数。这种方法对实验条件要求低,求解速度快。不仅可以求解摄相机畸变的标定问题,而且可以求解变焦距的标定问题。     

基于畸变分离的摄像机标定方法

在摄像机标定过程中,为了避免对摄像机模型中的畸变系数进行多次重复标定,提出一种将二阶径向畸变系数与摄像机模型分离的标定方法.该方法利用畸变形成的围线面积作为畸变评测函数,用模拟退火原理改进粒子群算法的惯性权重和学习因子;然后用改进的粒子群算法标定摄像机的畸变系数和图像中心点坐标,最后计算其他的摄像机参数.该方法无需预先知道摄像机的任何内外参数,算法简单,易于实现.实验表明,该方法与传统的非线性优化方法相比,图像坐标的平均反投影误差明显减小,而且具有更好的鲁棒性和精度.     

可获取彩色纹理的PMP三维测量系统

设计了一种基于相位测量轮廓术、可获取彩色纹理的三维测量系统.它采用黑白摄像机作为图像传感器,分别投射三原色光到物体表面,测出它们的反射光强,通过色度学方法计算出R、G、B值,得到彩色纹理.在摄像机标定方面,利用镜头光心附近几乎无畸变的特性,提出先用靠近图像中心的标记点标定出变换矩阵M,再用图像边缘的标记点标定出畸变参数,避免了求解非线性方程组.实验表明,该系统具有较高的测量精度.     

视觉测量中的一种线性摄像机标定方法

视觉测量中成像模型的求解速度和效率是下,利用预先标定好的图像尺度因子,采用一幅图像对摄像机的外部参数、有效焦距、径向畸变进行标定,标定过程中,每一步均用线性方程组求解.该方法求解过程快速,结果准确,适合视觉测量中对摄像机的不定期标定.     

一种基于单幅图像双消失点的摄像机标定方法

介绍了摄像机标定的概念和两种经典方法。针对不同的视觉任务要求,提出了一种基于单幅图像双消失点的摄像机标定方法。首先对图像进行一些合理的假设。如图像包含两个消失点、图像中心为摄像机在投影面上的投影中心。通过实验仿真验证,此方法在对摄像机标定精度要求不高的情况下,可以很方便的求解摄像机的参数。     

基于平面靶标的相机内部参数标定精度分析

相机内部参数标定是实现机器视觉测量的必要环节.目前常用的标定方法有Tsai两步法、DLT方法以及基于平面标靶的张正友法等.张正友法简单易行,因而得到广泛应用,标定精度取决于平面靶标的制作精度、图像特征点坐标的提取精度、镜头畸变、靶标摆放数目以及位姿分布等.对张正友标定方法的精度进行探讨,分析各影响因素对标定精度的影响,提出基于均匀设计的思想进行靶标位姿分布的设计思想.仿真和实际测试证明,采用均匀设计的靶标布局明显提高相机内部参数标定精度.     

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...