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。     

视觉导航系统摄像机外参数在线标定算法

提出一种简捷实用的摄像机外参数在线标定算法.该算法仅需借助一组平行的道路标识线和一组与地面垂直的平行线即可确定摄像机外参数.在已知摄像机高度的条件下,根据本标定算法即可从图像中得到目标物在现实世界坐标中的位置.实验结果证明,该方法简单方便,且无需特殊的标定设备,具有较高的应用价值.     

基于FAST关键点的增强现实跟踪注册算法

介绍了一种基于 FAST关键点的无标志点增强现实跟踪注册算法. 算法在标定关键帧图像的基础上,对获取的视频图像,使用FAST角点探测算法提取特征点并建立相应点的SURF描述. 经过RANSAC算法消除外点后,将这些点与关键帧图像中的FAST关键点进行匹配,获取摄像机的姿态,完成系统的自动跟踪注册. 实验结果表明,算法实时性好、鲁棒性强、跟踪定位精度高,有效推动了AR在智能终端的应用.      

视频监控中基于行人跟踪的摄像机自动标定

为了能够用更简易的手段解决视频监控系统中的摄像机参数获取问题,提出了一种基于场景中行人位置信息的摄像机自标定方法。先对由不同位置的行人轮廓中提取出的头脚点位置信息进行筛选,再通过极大似然估计求解出消失点与水平消失线,并根据消失点与消失线信息计算出摄像机的内外参数和投影矩阵。最后根据由重投影统计计算的误差评价系数,采纳RAN SAC方法选取最优结果,实现了对参数的优化。实验表明:该方法有效降低了行人信息获取中的观测噪声和过程噪声对摄像机标定的影响,能够得到较理想的摄像机自标定效果。     

视频监控中基于行人跟踪的摄像机自动标定

为了能够用更简易的手段解决视频监控系统中的摄像机参数获取问题,提出了一种基于场景中行人位置信息的摄像机自标定方法。先对由不同位置的行人轮廓中提取出的头脚点位置信息进行筛选,再通过极大似然估计求解出消失点与水平消失线,并根据消失点与消失线信息计算出摄像机的内外参数和投影矩阵。最后根据由重投影统计计算的误差评价系数,采纳RANSAC方法选取最优结果,实现了对参数的优化。实验表明:该方法有效降低了行人信息获取中的观测噪声和过程噪声对摄像机标定的影响,能够得到较理想的摄像机自标定效果。     

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。     

视频监控摄像机自标定的一种新方法

对于许多可视跟踪和视频分析任务,精确的摄像机标定是非常重要的.提出一种新的视频监控摄像机自标定算法,它利用半正定规划来恢复摄像机的焦距和主点.说明如何将摄像机旋转自标定算法转化为凸优化问题,该方法将所需正定约束自动集成到优化过程,因此得到可靠和稳定的结果.基于合成数据和真实图像的实验,证实了算法有效性和可确定的收敛性.     

一种基于单幅图像双消失点的摄像机标定方法

介绍了摄像机标定的概念和两种经典方法。针对不同的视觉任务要求,提出了一种基于单幅图像双消失点的摄像机标定方法。首先对图像进行一些合理的假设。如图像包含两个消失点、图像中心为摄像机在投影面上的投影中心。通过实验仿真验证,此方法在对摄像机标定精度要求不高的情况下,可以很方便的求解摄像机的参数。     

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.     

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．     

从5个控制点确定摄像机内参数与方位

主要讨论摄像机在运动过程中其内参数是未知的且可以发生变化时 ,如何通过5个控制点以及它们的图像点 ,来求解所对应的内参数和方位 .证明了下述结论 :已知摄像机平移运动前、后的两幅图像间的基本矩阵 ,当 5个控制点中任意 4个点均不共面且摄像机运动前、后两光心的连线不通过任一个控制点时 ,则可线性地确定摄像机运动前、后所对应的内参数和方位     

基于单目视觉的跟驰车辆车距测量方法

为了解决结构化道路上跟驰车辆的防追尾碰撞问题,首先在对车辆制动模型进行分析的基础上得到了车辆制动距离的计算公式,进而计算出跟驰车辆与前方车辆之间的安全距离.然后,从针孔模型摄像机成像的基本原理出发,推导出基于图像中车道线消失点的车距测量公式.车距测量结果只与图像中的近视场点到摄像机的实际距离有关,无需对所有的摄像机参数进行标定,从而解决了单目视觉车距测量问题.最后,完成了不同距离处前方车辆的车距测量试验.试验结果表明,该方法的车距测量相对误差小于3％,具备了较高的检测精度,能够满足跟驰车辆防追尾碰撞的应用要求.     

利用对应直线求取摄像机外部参数

通过对解空间的分布，发现摄像机外部姿态参数中旋转矩阵的解分布于一半径固定的超球面上，且此超球面的维数可由方程组的系数矩阵确定。据此提出了在全空间中求取全解的搜索策略。实验表明，用本算法所得到的结果与理论分析相吻合，能够较好地解决参数求取过程中的完全解问题。     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

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...     

一种基于消失点和颜色过滤器的车道线检测算法

针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出 了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场 景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图 像的感兴趣区域(Region of Interest,ROI);然后,对 ROI 图像根据车道线颜色特征进行过滤得到二值图像,获取二 值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特 征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的 质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。