基于凸包的棋盘格角点自动识别与定位方法

 采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。     

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.     

摄像机与3D激光测距仪外部标定新方法

针对摄像机与3D激光测距仪外部标定问题,提出一种以镂空的棋盘格为标定模板的新方法.与传统标定方法不同,整个标定过程一次完成数据采集,根据图像和点云数据提取的角点实现外部标定,同时,仅采用同一块标定模板和一次数据采集完成整个标定过程,解决了以往因标定过程繁琐对标定精度带来影响的问题.实验结果表明,该方法简单实用,效果较好.     

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。     

一种改进的Harris-RANSAC长焦相机标定算法

长焦相机采集近距离棋盘格图像时易出现相机离焦现象，导致棋盘格图像产生散焦模糊，极大地增加了相机标定的难度，同时传统的Harris角点检测算法对散焦模糊的棋盘格图像进行角点检测的结果即使经过非极大值抑制处理也仍然存在大量冗余角点.针对上述问题，基于随机抽样一致(random sample consensus, RANSAC)算法提出一种改进的Harris-RANSAC长焦相机标定算法.首先，引入感兴趣区域将Harris角点检测的区域缩小到棋盘格区域以避免背景干扰；其次，采用随机抽样一致算法替代传统的非极大值抑制方法剔除冗余角点；最后，针对模糊棋盘格图像的特性构造新的响应函数，进行亚像素级角点定位，从而得到精确的角点坐标.结果表明，改进的Harris-RANSAC算法对模糊棋盘格图像进行角点检测时耗时短且精度较高，角点检测的反投影误差仅为0.432像素.     

一种基于双平行平面的激光雷达和摄像机标定方法

针对单线激光雷达和摄像头的外参数估计问题,提出一种基于双平行平面的标定方法,标定过程分为单传感器相对车体位姿的标定和多传感器联合标定2个部分.利用激光雷达在双平行的平面标定板上的扫描信息,获取激光雷达相对于车体的俯仰角度和偏转角度;通过黑白棋盘格获取摄像头相对于车体的姿态外参数;最后综合前两步的结果和两种传感器在车体的精确安装位置,对激光雷达、摄像头和车体进行联合标定.本文提出的方法只要让标定物放置于车体正前方,采集一次数据就能满足整个标定过程,实现多个传感器的联合标定.实验结果表明,该方法的标定精度较高,简单实用.     

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。     

基于局部单应性矩阵的结构光系统标定研究

在基于结构光测量系统中,投影仪标定对物体的三维测量精度有着直接的影响。通过投影仪投射多幅正交格雷码至棋盘格标定板表面,利用未标定摄像机获得受棋盘格标定板调制的变形格雷码条纹图像,通过局部单应性矩阵方法获得棋盘格标定板各角点所对应的投影仪图像坐标。根据摄像机图像坐标、投影仪图像坐标与棋盘格标定板角点对结构光测量系统进行标定,获得摄像机与投影仪的内参数矩阵以及投影仪图像坐标系在摄像机图像坐标系的位姿矩阵。最后对结构光测量系统进行了标定实验;并使用Samuel Audet标定工具箱、Douglas Lanman标定工具箱与提及的标定方法进行标定误差对比。实验结果表明该方法操作简便,精度高,能较好地标定结构光测量系统参数。     

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。     

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。     

A New Algorithm for the Establishing Data Association Between a Camera and a 2-D LIDAR

In this paper,we propose a new algorithm to establish the data association between a camera and a 2-D Light Detection And Ranging sensor （LIDAR）.In contrast to the previous works,where data association is established by calibrating the intrinsic parameters of the camera and the extrinsic parameters of the camera and the LIDAR,we formulate the map between laser points and pixels as a 2-D homography.The line-point correspondence is employed to construct geometric constraint on the homography matrix.This enables checkerboard to be not essential and any object with straight boundary can be an effective target.The calculation of the 2-D homography matrix consists of a linear least-squares solution of a homogeneous system followed by a nonlinear minimization of the geometric error in the image plane.Since the measurement quality impacts on the accuracy of the result,we investigate the equivalent constraint and show that placing the calibration target nearby the 2-D LIDAR will provide sufficient constraints to calculate the 2-D homography matrix.Simulation and experimental results validate that the proposed algorithm is robust and accurate.Compared with the previous works,which require two calibration processes and special calibration targets such as checkerboard,our method is more flexible and easier to perform.     

棋盘格模板角点的自动定位

棋盘格模板角点的定位是摄像机定标过程中的重要环节,定位的正确与否直接关系到定标的成败.提出了一种利用棋盘格模板图像中的消失点和栅格线特征以及局部灰度特征,实现棋盘格模板角点自动定位的方法.结果表明,与手动定位相比,该方法明显地减少了定位过程所用的时间,提高了工作效率,尤其适合于利用多幅棋盘格模板图像对摄像机进行自动化定标.     

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.     

一种便携式的无人机航测非量测相机标定方法

相机标定是确定相机几何和光学参数的过程,相机经过标定后能更准确地获取二维目标点坐标对应的空间三维信息。针对无人机航空非量测相机便捷、精确的标定需要,采用了一种基于红绿编码板的自检校光束法平差标定方法。该方法通过自动提取和识别编码标志、建立同名点对,利用同名点对进行相对定向测定初始参数,然后考虑相机内参数和镜头畸变等因素,采用严格的自检校光束法平差模型解算出精确的相机参数。通过对NEX5N相机拍摄的45张相片作为实验数据解算该相机内部参数,实验结果表明,由于标定板便于携带,标定场布设简单,该方法对实验场地要求低,并简单易行,且标定的速度快、精度高,基本可以满足无人机非量测相机"随时随地"即时标定的需求。     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

基于虚拟棋盘的校准精度分析研究

标定目标板是相机标定中必备的材料。针对摄像头与目标标定物之间的距离对标定精度的影响,进行棋盘图分别约占整个屏幕的1/3,1/2,2/3等情况下的相机标定实验。实验结果证明当棋盘图的图像约占整个屏幕的1/3时,标定精度最高,误差最小。针对虚拟标定板对标定精度的影响,设计9×7和13×9两种规格的虚拟标定板;并且对虚拟标定板在约占整个屏幕的1/3的情况下进行标定。结果证明虚拟标定板的标定结果优于同规格的物理标定板。     

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。     

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.