基于视觉测量障碍位置的车载摄像机标定

障碍位置的视觉测量是车辆辅助驾驶系统研究的一个重要领域,而视觉测量的关键是对车载摄像机的标定。通过比较分析视觉测量中摄像机光轴中心线与景物面之间的几何关系,针对车载摄像机提出了以标定点在图像上均匀分布成网格状进行标定,利用网格插值建立图像坐标和实际坐标之间的映射关系,即车载摄像机的标定模型。经验证该模型简单、精度高,能够有效地测量出障碍的位置信息,适用于车载摄像机的标定。     

一种逐步求解的新的摄像机线性标定方法

在立体视觉的激光扫描测量系统中，物体的空间坐标与计算机图像坐标之间存在着复杂的非线性映射关系，如果采用完全理想条件来标定系统，一般实验条件下难以获得稳定的解。通过建立基于一阶径向畸变的摄像机数学模型，用线性方程组描述了三维空间坐标点与计算机图像坐标点的关系，并提出“两步法”对摄像机模型中外部参数和内部参数进行逐步求解，完成了摄像机线性标定，从而彻底改变了传统的摄像机标定依赖于非线性优化方法。实验证明，这种标定新技术较以往算法更为快速、简便、实用。     

基于极坐标的摄像机标定

为了改进多摄像机标定实现的方便性和参考标定板的多样性,用极坐标设计标定板并以此来进行摄像机参数的标定.根据设计好的标定板确定世界坐标下的特征点,识别相应的特征点在图像坐标的位置,匹配特征点在图像坐标和世界坐标的位置关系后完成摄像机的标定.该标定方法只需大约20点对左右数据,同时保证标定的结果和鲁棒性;较少的点对和图像的多样性避免了遮挡和公共部分不足的问题,有利于完成多摄像机标定,较传统多摄像机标定方法在分配摄像机和标定板之间的位置关系上更加灵活.与传统的精确标定板的结果比较,在保证精度情况下,标定板设计和整个标定系统的实现则更加简单易行.     

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...     

基于液晶标靶的坐标测量方法

提出一种基于液晶标靶的坐标测量方法.通过最小二乘优化的方法确定摄像机主点与坐标测量头的坐标转换关系,结合摄像机外参数确定测量头的三维坐标,将摄像机用于光学三维坐标的测量,提出了相机移动时的坐标变换公式和移动距离的计算方法.实验结果表明,平面标靶标定点数量显著增多,可精确提取标定点,摄像机的标定结果更加准确.该方法简单、可靠,可以准确的得到光学坐标测量结果.     

基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

基于摄像机模型的运动车辆车道偏离检测

针对车道偏离检测中较难解决的车载摄像机标定问题,从分析摄像机成像模型入手,根据图像中3条或3条以上车道线的消失点位置以及车道线斜率关系,在道路现场调整摄像机安装位置,以实现对摄像机外部参数的直接设定,从而避开了繁琐的摄像机参数标定过程.同时,推导出图像内车道线斜率比与车道偏离程度的简单函数关系,该函数与摄像机内外参数无关.因此,行车过程中只需测量图像中车道线的斜率,即可计算出车辆当前的车道偏离量.现场试验结果表明,在车辆直行时采用该方法测得的车道偏离率与手工实测结果相比,其相对误差小于5%,具备了较高的检测精度.     

立体视觉神经网络定位方法

为了解决计算机视觉中摄摄像机标定存在的若干问题，根据立体视觉原理，提出了基于神经网络的测避方法，利用神经网络建立空间点世界坐标与图像坐标非线性映射关系，使系统不经过复杂的摄摄像机内外参数标定，就能将二维像坐标（输入）与三维物坐标（输出）一一对应起来，并与传统的定位方法进行了比较．实验表明，该方法有效可行，简化了视觉系统的标定和定位计算，较之传统方法更具科学性，在定位精度上达到了良好效果。     

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。     

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。     

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.      

基于双目视觉技术的物体深度信息的提取

传统的双目匹配算法得到的数据是左右视图匹配点的二维坐标;但二维坐标将丢失物体的三维深度信息。提出一种利用视差原理在世界坐标系内计算该物点在现实中所对应点的三维坐标的新方法。该方法分为三部分:第一部分为双目相机的标定,包括内参(主点、焦距、径向畸变、不垂直因子)以及两相机之间的外参(旋转矩阵和平移矩阵)。第二部分为特征点的提取与匹配,特征点的提取则是利用SIFT算子提取左右视图的特征点,匹配则是将两视图中的对应点(现实中为同一点)利用SIFT算法进行匹配。第三部分为物体深度信息的计算,利用双目相机的视差原理和已经得出的双目相机的参数进行空间还原得到相应的左右视图投影投射矩阵,结合空间几何线性关系计算出该点在世界坐标系的三维坐标,从而得出其深度信息。     

基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

基于椭圆曲线的数码相机像点坐标标定

本文研究了物平面上圆盘圆心的像点坐标标定问题。通过对中心射影变换性质的分析,给出了椭圆中心与实际像点之间距离的一个上界。建立了基于椭圆方程的两种标定模型,即椭圆中心模型与公切线模型,最后通过仿真实验比较了两种模型的优缺点。