双目立体视觉系统摄像机标定

对摄像机参数标定是三维定位的关键．制作了平面式标定板，将标定板中圆的当量中心作为标定用参考点，这样可以有效避免测量误差．采用线性和非线性结合的方法标定摄像机参数，首先利用直接线性转换模型（DLT）得到投影矩阵，通过约束条件分解参数矩阵，分别求出摄像机内部参数；然后将得到的标定参数作为初值，代入非线性方程进行优化，得到精确的标定参数．非线性优化采用Levenberg—Marquardt迭代法．试验表明，标定参数与出厂参数有一定差异，但和实际情况完全吻合．     

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．     

一种弧焊机器人熔池图像的快速标定方法

为了获得弧焊机器人焊接过程中熔池的几何尺寸,须在焊接过程中采用摄像机采集熔池图像,并完成系统的标定.将摄像机模型考虑为理想针孔透视模型,采用固定角度和高度对熔池图像进行采集,使标定模型参数缩减至8个,和传统标定方法相比,大大降低了计算量.采用同一平面4个目标点进行了系统标定和实验,理论和实际熔宽平均误差为0.031 mm,因此应用该方法对弧焊机器人熔池图像进行标定是可行的.     

视觉传感器中摄像机的虚拟三维靶标标定法

采用二维平面靶标自由移动,构建虚拟三维靶标,实现摄像机内部参数的标定,该方法可以保证摄像机在固定之后进行标定,使摄像机的标定状态和工作状态一致,降低了标定设备的成本,简化了标定过程,提高了标定效率,实验结果表明,该方法切实可行。     

CMOS网络摄像头标定方法研究

以CMOS光电传感器为感光芯片的网络摄像头的应用日益普及,但仍然采用基于CCD摄像机的标定方法,这导致标定精度不高,针对这一问题,对两种摄像机的特点进行了分析对比,在经典的Tsai两步法基础上对摄像机成像模型进行了修正,并优化了摄像机参数初值,提出了适用于CMOS网络摄像头的标定方法。实验结果表明该方法提高了CMOS网络摄像头标定的精度,在实际项目中的成功应用也验证了其正确性、精确性和可行性。     

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.     

单场景摄像机的大视场标定

提出将一种多工位、单个小尺度标准靶应用于对摄像机大视场进行差分标定的方法.即将小标准靶分别放置在视场的中心和四个角五个工位,利用每个工位标准靶上标准点的差分坐标对摄像机进行差分标定,分析了标准靶在物面上的位置、标定靶尺寸对标定精度的影响.在510 mm×510 mm的物面范围内,用一个140 mm×140 mm的小标准靶进行差分标定时,标定残差在18μm左右,均值为4.3μm.实验结果表明,在单场景测量中,采用多工位标准靶差分标定方法,可以实现对摄像机的高精度标定.     

基于共面圆的双目立体视觉分步标定法

计算机视觉中,在对景物进行定量分析或对物体进行精确定位时,都需要进行摄像机标定,即准确确定摄像机的内外参数.为了快速、有效地进行摄像机的标定,针对常用的带有一阶径向畸变的小孔摄像机模型,提出了一种简单有效的分步标定方法.先用预标定法得到左右摄像机主点坐标参数,然后再用TSAI两步法获得左右摄像机的内外参数,最后以左摄像机光心为世界坐标系原点,通过坐标转换关系,进而得到双目视觉的各种标定参数.该方法实验要求低,不需要移动摄像机.通过实验,验证了该方法能够准确、有效地求出各标定参数.     

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。     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

水下相机标定算法研究

光线在水下成像过程中经过水、玻璃和空气3种折射率不同的介质而发生折射现象。在这种情况下,利用简单针孔成像模型表征水下成像将产生非线性误差。针对这一问题,本文在分析多介质环境中光线的折射效应的基础上建立水下相机模型,并基于该成像模型提出一种水下相机标定算法。在实验室条件下完成水下双目相机的标定工作并与同类标定算法进行比较。实验对比结果显示,基于水下成像模型提出的相机标定算法能够有效的修正折射效应对水下图像产生的畸变影响,更加准确的表征水下成像过程。     

基于正十二边行平面模板的摄象机自标定

给出一种基于平面模板摄象机自定标的新算法。它利用正十二边形模板在象平面上的投影 ,求解出圆环点 ,然后根据圆环点的性质确定两个关于摄象机内参数线性约束方程。通过摄象机作三次以上的运动参数未知的刚体运动 ,可确定摄象机的内参数。本方法对摄象机的运动没有约束 ,且平面模板易于制作。模拟实验和真实图象实验也表明 ,本方法具有很好的鲁棒性。     

基于影灭点的单视图三维重构

提出了一种单视图三维重构方法,该方法需要用户提供图像点及其对应三维点之间的几何信息.由于结构场景有大量平面构成,存在大量的平行性和正交性约束,所以该方法主要应用于结构场景的三维重构.重构过程分为两部分:首先,基于三组互相垂直方向的影灭点,对方形象素摄像机进行定标;然后,基于用户提供的共面性和场景平面的影灭线,计算点的三维坐标.采用真实图像测试,说明该方法有效且简单易用.     

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.     

基于遗传算法的摄像机内部参数标定优化方法

基于张正友标定法,提出一种新的基于遗传算法的摄像机内部参数标定优化方法.该方法能矫正传统摄像机标定不可靠的初始化和容易陷入局部最优解而带来的精度损失,提高了摄像机内部参数的标定精度.通过与张正友标定法进行比较,证明了该方法性能稳定,能快速、准确地标定摄像机内部参数.     

利用GPS和单片机实现路面检测系统摄像机的实时控制

设计了基于GPS和单片机串行通信,单片机控制摄像机的路面检测系统。着重论述了GPS和单片机串行通信和单片机控制程序问题。通过采用该控制系统进行的大量野外实验和对获得的在车辆高速行驶状态下拍摄连续图像的效果进行比较与分析,证明该部分设计较好地完成了路面检测系统要求的由外部信号触发实时控制线扫描摄像机工作的目的,获得了较为清晰的拍摄图像。     

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。