一种基于OpenCV的摄像机标定方法

针对双目立体视觉系统研制过程中的摄像机标定步骤,分析了计算机视觉函数库OpenCV中的摄像机模型,其中的非线性畸变考虑到了切向畸变和径向畸变,采用Bouguet角点提取算法,实现了基于OpenCV的摄像机标定.该算法具有很高的标定精度和计算效率、良好的跨平台移植性,可以满足双目立体视觉系统的需要.     

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MATLAB与OpenCV相结合的双目立体视觉测距系统

双目立体视觉测距技术是当前机器视觉领域中的一个主要研究内容.本文设计了基于MATLABatlab与OpenCV相结合的双目立体视觉测距系统,利用MATLAB进行摄像机标定后将结果导入到OpenCV进行后续的图像处理与立体匹配.摄像机标定通过MATLAB标定工具箱来完成,较于人工标定和OpenCV标定具有更好的鲁棒性和较高的精确性.立体匹配采用区域匹配中相对快速实时的SAD匹配,能够更好的被应用于工程实际.     

基于OpenCV的摄像机标定算法的设计与实现

本文针对基于视觉导航的无人驾驶汽车导航系统,提出一种基于OpenCV的传统摄像机标定方法实现摄像机标定算法.最后,通过测量标定板的顶点坐标来验证导航系统标定算法的精确度.实验结果表明,采用该标定算法测量系统的定位精度高,而且具有实用、简便、快速等优点.     

大视场多视觉传感器测量系统的全局标定方法

研究了姿态测量系统中多视觉传感器在大视场条件下的标定技术.提出了一种基于激光跟踪仪的多视觉测量系统的全局标定法.利用激光跟踪仪在现场构建系统总体坐标系.通过对测量系统中的屏幕扫描拟合基准面作为标定板,然后在其表面设置标定点,并精确测定共面标定点位置.针对一阶径向畸变的摄像机模型,分步标定各参数,且全部采用线性方法求解,避免了非线性优化中的不稳定性.通过坐标反求的方法应用贝塞尔公式计算标准差.实验结果表明,在8000mm×6000mm范围内可以得到0.47mm的测量精度.可以满足多视觉测量系统的总体测量精度要求.     

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.     

基于CVUT的双目视觉图像三维信息构建

在分析Intel开源计算机视觉库OpenCV及CVUT特点的基础上,结合畸变参数的影响,研究了摄像机模型和坐标转换关系,以及双目图像三维重构过程,提出一种基于CVUT的摄像机标定方法和双目图像三维重构方法.实验表明,该方法与传统的OpenCV标定方法以及Matlab的标定方法相比,标定周期短、精度较高,可以较好地构建二维图像的三维信息,程序执行稳定且鲁棒性较强,可广泛用于立体视觉等领域.     

一种考虑透镜畸变的高效摄像机标定方法

本文研究了基于几何图像信息渲染的摄像机标定技术，以针孔摄像机模型为基础，综合考虑了摄像机的透镜径向畸变效应和切向畸变效应，将摄像机的内外参数、有效焦距、畸变系数、不确定因子统一于参数求解的线性方程组中，并借助于开放计算机视觉函数库OpenCV，实现了一种基于“两步法”摄像机标定的改进算法。通过实验分析和比较了利用角点检测获得的图像坐标和利用本文中的摄像机标定算法得到的图像坐标，结果证明本文中的标定算法实现简单，精度高，稳定性好。     

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...     

常用摄像机标定工具精度研究

采用3种摄像机标定工具（Matlab标定工具箱、OpenCV视觉类库和Halcon软件）分别针对棋盘格标定板和实心圆标定板进行标定。介绍了基于棋盘格长度的摄像机标定精度评价方法,利用该方法对3种标定工具的标定精度进行评价。研究表明,M atlab标定工具箱与OpenCV标定软件在标定精度上是一样的,Halcon软件的标定精度略高于前两种标定工具。     

几种摄像机标定方法的比较

本文针对摄像机参数标定进行了研究.借助于标定模板,用三种方法予以实现.其一,人工标定;其二,借助于OpenCV的标定,该方法自动确定参照模板上的角点及其坐标值来计算摄像机的参数,提高了精度;其三,基于张正友软件的标定.相较于人工及张正友的标定,基于OpenCV的标定方便、快捷,达到了较好的实用性.     

基于OpenCV的双目测距系统

为解决利用双目设备实现测距并使测距时间控制在毫秒级的问题, 研究了摄像机标定、 立体校正、 极线约束下的块匹配和三维重建等关键技术。使用立体相机将拍摄多个角度的棋盘照片保存到计算机中进行角点检测和标定, 以获得摄像机参数。使用Bouguet标定立体校正算法\, 立体匹配使用块匹配方法。得到视差图后求出三维点云, 进行三维重建, 根据三角相似原理计算目标物体的距离。使用OpenCV2.4.3, 在VS2010编译环境下, 用VC++编程实现。该系统只需普通立体相机采集图像, 成本低, 与其他立体匹配方法相比, 块匹配方案测距速度快且准确度满足应用的要求。     

基于双目立体视觉系统的测量研究

为了实现摄像机与目标物体之间距离的信息,由双目测量原理,采取结合OpenCV与Matlab的方式,设计出一套关于双目测距的立体视觉系统;系统首先对双目摄像机的内外参数进行标定,从黑白格组成的标定板中获得角点信息,使用亚像素角点检测法对角点坐标信息进行更精确检测,在黑白格组成的标定板分别距离双目摄像机300、400、500、600、700mm处获取不同位置的标定图像,经过张正友标定法最终可以得到双目摄像机所需内外参数;其次通过BM(Block Matching)立体匹配算法在VS2017坏境与opencv3.4.7库配合下完成了摄像机的立体校正、立体匹配进而得到视差图;最后在实验中使用了双目摄像头,并编写了代码通过鼠标点击所得到的视差图获取对应的世界坐标来实现物距的测量;实验结果表明:被测物距离摄像头光心500~700mm这一范围时,实测距离和实际距离相对误差百分比在0.171% ~0.192%之间,且实测距离在2 950mm内实验误差小于5%满足实验精度要求。     

基于计算机视觉的排爆机器人设计

本设计基于单片机及计算机视觉技术,完成了一个新型排爆机器人的制作．单片机作为系统检测和控制的核心。负责控制机器人平台及摄像头云台．应用了最新的计算机视觉技术（OpenCV）,该技术可实现目标的识别,识别出爆炸物,从而控制摄像头云台实时跟踪,传回所需爆炸物的图像信息,达到使操作员简洁快速排爆的目的．     

基于OpenCV的视频图像人眼跟踪方法的研究

在机动车驾驶员疲劳状态监控过程中,为了实时地跟踪驾驶员的眼部位置,定位并跟踪眼睛,进而判断眼睛的状态,提出了一种基于OpenCV的人眼识别和跟踪的视频图像检测方法。在VC++开发平台上,结合OpenCV相关封装函数和外接的摄像头,编写程序实现了对人眼的识别和跟踪。编译运行结果表明,该算法可靠性高,能够满足驾驶员眼睛监测的初步要求,在正常情况下能够检测出人眼,准确度较好,具有一定的实用性。     

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.     

基于立体视觉的摄像机标定方法的研究

摄像机标是立体视觉获取三维空间信息的前提与基础。标定结果的好坏直接影响着三维测量的精度及三维重建结果的好坏。笔者首先在本文中对摄像机标定的基础知识作了简要的介绍,采用三维标定块标定摄像机,避免传统的利用标定板标定摄像机丢掉了Z维的坐标信息所引起的误差,同时考虑相机的径向畸变因素,以提高标定精度。实验结果表明该方法精度较高,能满足立体视觉系统的需要。     

一种实用的快速摄像机校准方法

该文对二维摄像机校准问题进行了探讨,在已有的摄像机校准数学模型基础上,提出了一种简化的适用于二维摄像机校准问题的数学模型,并结合特定的校准物体,设计并实现了一个实用的摄像机校准系统。实际应用表明提出的方法是有效的。     

Overview of Camera Calibration

This paper introduce several commonly used camera calibration method include their advantages and disadvantages.The traditional methods of camera calibration need to know precise structural information of calibration object and they are accurate.Camera calibration based on active vision get the camera calibration through the controlling of some parameters of camera.Self-calibration of camera don't need to use the calibration block and get the camera calibration through the corresponding relationship among multiple images.