CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

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。     

基于亚像素边缘的棋盘格的角点检测

棋盘格标定广泛应用于高精度机器视觉中。针对棋盘格标定中最关键的角点检测技术,本文提出了一种基于亚像素边缘的角点检测算法。先确定棋盘格边缘线法线方向,再在法线方向插入虚拟像素;根据边缘像素灰度变化趋势,用反正切函数进行曲线拟合;然后通过曲线梯度,确定亚像素边缘。在得到各亚像素边缘后,根据边缘相交形式,采用形心法确定角点位置。本算法建立了边缘法向方向亚像素定位算法,不受棋盘格角点方位影响。采用结合像素插值和灰度曲线拟合的方法提取亚像素边缘,有效的提高检测精度。实验表明本算法相对Harris角点检测算法精度提高一倍。本算法已成功应用于石油管螺纹的图像检测中,满足实际应用需求。     

刀具磨损图像视差图的非标定方法

刀具磨损检测的视场范围很小、现场工况复杂(存在机床护罩和刀具保持架的遮挡),而以往对摄像机进行标定的方法多用于大视场环境,并不适合于加工现场的刀具磨损检测。为此,文中提出一种采用非标定双目视觉方法获取刀具磨损图像视差图的方法,无需标定参考物和人工干预。首先,利用SURF(speeded-up robust features)算法检测图像对中的特征点;其次,利用8点算法计算基本矩阵,再利用极点无穷远变换完成图像对的校正;最后,利用基本区域匹配方法完成图像对视差的计算。进行了加工现场的磨损刀具图像获取实验,先对比了重构出的刀具视差图轮廓与实际轮廓,接着分析了刀具视差图的精度。结果显示,重构轮廓与实际轮廓基本相符,重构出的视差图的绝对误差在5个像素点以下,相对误差在10%至30%之间,说明在小视场和复杂工况下,用非标定方法获取的刀具视差图能够满足现场检测的精度要求,并且该方法具有灵活和高效的特点。     

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.     

最小二乘改进算法及其在椭圆拟合中的应用

提出一种像素级边缘检测椭圆拟合新算法,用该算法对最小二乘算法进行了改进。首先,将符合要求的准椭圆转化到归一化坐标系;然后利用最小二乘法进行亚像素级椭圆拟合;最后,采用二次曲线拟合点集求解出亚像素及椭圆几何中心。在给定的图形中,利用本文提出的改进像素级边缘检测算法可以明显提高拟合不确定度和拟合精度。     

摄像机标定的棋盘格亚像素角点检测

针对传统最小核值相似区(small univalue segment assimilating nucleus,SUSAN)算子对棋盘格角点检测时会将角点与边缘混淆的缺点,提出了一种运算速度快、定位精度高的改进SUSAN亚像素角点检测算法。根据SUSAN模板中角点的特性,提出了灰度对称度的概念,利用灰度对称度区别出棋盘格的角点和边缘。在利用改进的SUSAN算子进行亚像素角点检测时,综合应用了索贝尔边缘算子、灰度平方重心法等方法。提出的亚像素级角点检测方法快速有效,在摄像机标定试验中,其重投影平均误差小于0.2个像素。     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

集成测量系统中摄像机的标定方法

针对三坐标测量机(coordinate measure machine,CMM)与计算机视觉集成测量系统中摄像机的标定提出了一种简单、快速的标定方法.该方法把制作精度、定位精度高,运动范围广的CMM测头作为标定物,采用两步法对摄像机进行标定.标定过程中控制测头运动到指定位置,采集测头图像,用图像处理技术实现测头中心亚像素级定位,实现空间点和图像点的对应.标定方法简单,无需制作标定物,避免了标定物制作误差和角点定位误差的影响,可任意增加标定点的个数、指定标定点的位置.     

基于主动视觉的机器人末端姿态测量

采用平面校准形及移动摄像机到不同形位摄取图像的方法来进行摄像机校准，由灭点正交性和单对应矩阵的固有特征估计摄像机内、外参数初值，通过非线性优化来最小化投影误差；利用遗传算法求解机器人手眼矩阵，避免了初值估计，可容易地得到机器人执行器末端相对于绝对坐标系的姿态．实验和计算验证表明，这种测量方法是有效的，可以用于机器人校准、机器人辅助测量以及机器人辅助手术等领域．     

基于2D圆点阵列的摄像机精确标定

针对电脑键盘自动组装生产线研制过程中的摄像机标定问题,提出一种新的摄像机精确标定方法。该方法选用2D圆点阵列作为靶标,首先在不考虑摄像机镜头畸变的情况下,利用改进的Matlab标定工具箱估计出摄像机参数的初始值;然后考虑摄像机的镜头畸变,利用改进遗传算法实现对摄像机参数的精确求解。实验结果表明,该方法是有效可行的。     

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.     

基于遗传算法的摄像机标定

为提高摄像机标定的精度, 提出一种基于遗传算法的2D棋盘格摄像机标定方法。 通过对棋盘格图像的参考角点的提取, 计算参考点的图像坐标, 从而求解摄像机的内部参数及相应的外部参数初始估计值。并利用遗传算法对摄像机内参数进行优化, 通过一代代的进化、 选择、 变异, 最终收敛得到最优解。仿真结果表明, 该方法得到的平均投影误差为0.255 9像素, 标准差为0.139 3像素, 可有效地提高标定精度。     

数码相机外部参数直角三点标定方法的研究

提出了采用成直角关系的3点作为标定装置来求解数码相机的外部参数。该方法是利用三角形标定装置的成像过程,建立一个与标定装置相似的三角形,再利用直角三角形两直角边正交的特点,建立数码机外部参数的数学模型。推导了数码相机拍摄图像时的外部参数矩阵中各参变量的计算公式。实验证明了这种方法的可行性和实用性。     

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...     

由任意平行四边形确定摄像机内参数的方法

摘要： 根据交比与角度之间的联系,提出了一种由任意平行四边形标定摄像机内参数的线性方法.采用关于空间平面上平行四边形的2种不同方案,运用拉盖尔定理和交比不变性原理,计算2个圆环点的图像坐标,再利用圆环点在绝对二次曲线上这一特点来线性标定摄像机内参数,完成标定只需3幅图像.文章将以往通过正交直线求圆环点的方法进行了扩展,采用任意斜交直线也可求圆环点,因而具有更广泛的适用性.模拟实验和真实图像实验均证明了该方法的可行性.     

利用二次曲线拟合和圆环点进行摄像机标定

为了提高摄像机标定的精度和实用性，提出一种新的标定算法．所用的标定模板由平面上两个相交的圆周组成，且两圆的圆心和半径均未知，通过对两圆的图像进行二次曲线拟合，再根据拟合的二次曲线来计算圆环点图像完成标定过程．与经典的平面标定算法相比，该算法无需进行角点检测和角点匹配，不需人工干预即可实现自动化标定，且在标定过程引入了更多的图像点信息．模拟实验结果表明，在实际的噪声水平下，该算法对焦距的相对标定误差比平面标定算法减小约0．1%，此时主点的相对标定误差也略小于平面标定算法．真实图像的实验结果也表明，所提算法具有较好的精度和实用性．     

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．