计算机视觉系统的定标策略

摄像机定标是计算机视觉系统的一项基本任务，一般情况下，定标精神与效率之间存在着矛盾，在探讨了基于不同目的的定标方法基础上，对定标策略进行了分类，可以指导根据不同任务选择适合的定标策略。     

三维测量系统中摄像机定标技术

摄像机定标技术在三维测量、计算机视觉、机器人等领域起着重大作用。分析了摄像机模型 ,提出了基于两阶段法和捆绑调整的摄像机定标方法 ,并通过模拟实验和真实实验进行了验证。标定块制作简单 ,标志点能够自动识别和匹配。标定中考虑了镜头畸变 ,在三维空间定标相对精度达1:10 0 0 0 ,满足了高精度三维测量的要求     

玻璃瓶垂直度无接触测量及其误差分析

对玻璃瓶垂直度的检测是利用计算机视觉的方法，通过两台摄像机从相互垂直的方向同时获取玻璃瓶的一幅图像，采用计算机图像处理技术的双目视觉测量方法，较精确地求出了玻璃瓶垂直度的偏差．文中主要阐述了如何进行摄像机定标及玻璃瓶垂直度偏差测量计算原理，并在此基础上较为系统地分析了主要测量误差的产生原因及对检测精度的影响．     

基于多层前馈型神经元网络模型的摄像机定标算法

针对传统线性、非线性摄像机定标算法的鲁棒性,提出了基于多层前馈型神经元（MLFN）网络模型来替代传统精确的摄像机定标数学模型,MLFN网络模型作为层状网络可实现任意维复杂的输入／输出映射,对于无需计算摄像机构,外参数的应用场合,该模型提供了一种实用且有较好鲁棒性的摄像机定标算法,同时为了补偿摄影机非线性畸变,把图像按畸变程度分割成两个区域,分别建立各自基于MLFN网络的摄像机定标模型,实验表明,该方法有效补了畸变,并提高了模型精度,给出了基于MLFN网络模型摄像机定标算法实验,验证了该模型的有效性。     

“高精度三维立体视觉定标系统”通过评审

由北方交大信息所袁保宗教授等6人研究的“高精度三维立体视觉定标系统”1990年12月7日通过校级评审。与会专家们认为:立体视觉是计算机视觉研究中最为重要的领域之一,而立体视觉系统的定标及三维定位精度则是获取三维信息的重要问题及关键所在,同时也是研究中的难点之     

Matlab标定工具箱在摄像机定标中的应用

简述了Maflab标定工具箱以及摄像机定标的概念、原理和意义,给出了摄像机定标中所用的三种坐标系以及它们之间的关系,推导出摄像机参数标定算法公式,在此基础上,利用Matlab标定工具箱仿真了棋盘网格的角点标定算法,并给出了仿真结果以及误差分析,得出了Maflab标定工具箱在摄像机定标方面运用的有效性及算法的正确性。     

基于OpenCV的视觉测量技术中摄像机标定方法

以视觉测量系统中的摄像机标定为研究对象,分析了开源计算机视觉库OpenCV中的摄像机模型,并考虑了镜头的畸变及求解方法,得出基于OpenCV的摄像机标定方法.该方法利用了OpenCV的函数库,简化了标定求解过程,提高了标定速率,并具有良好的移植性,适合于其他视觉测量系统.     

三维计算机视觉系统中的结构光快速定标

利用DLT模型及简化模型，导出双相机单激光系统定标模型，巧妙地设计适用于单双相机系统的透明定标薄板，实现从单摄像机到双摄像机的快速定标。整个方案简单快速有效，定标精度达像素级。方案还可推广到多相机多激光源系统。     

基于迭代优化的平面模板定标方法

相机定标是计算机视觉中的关键步骤，通过相机定标可以从二维图象序列中获取物体的三维信息。本文提出了一种基于迭代优化的平面模板定标方法。该方法既具有摄影测量学的精确性，同时也具有自定标算法的灵活性。模拟实验和真实图象实验表明，本方法的定标结果稳定，精度较高。     

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.     

基于改进型神经网络的双目摄像机标定

摄像机标定是机器视觉中最重要的环节之一,传统标定方法运算量大、计算复杂,非常繁琐。为解决标定存在的若干问题,提出基于改进神经网络的双目视觉摄像机标定方法。通过对双目摄像机有效模型分析,建立空间点图像坐标与世界坐标非线性映射关系,同时引入自适应学习算法,实现隐层神经元的自适应选取,并且在创建网络模型前对样本数据进行归一化处理,提前终止策略,使网络泛化能力得到极大改善。通过与经典标定方法进行比较,表明基于改进型神经网络标定方法能获得较好的双目标定精度。     

实现计算机视觉标定自动化的一种新技术

分析基于Mart算子的标定算法存在易受环境光及噪声影响、精度不够高的不足,根据计算机视觉标定的目标要求,通过动态阈值分割、边缘提取、轮廓跟踪和两步法标定算法等处理策略,克服了传统标定算法的缺点,并实现了计算机视觉摄像机标定的整个过程自动化．实验结果证明,该标定算法鲁棒性强,操作简便,抗噪声、抗环境光性能好,标定精度高而且稳定．     

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.     

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.     

基于平面模板的摄像机非线性优化标定方法

摄像机标定方法是计算机视觉应用中的一个重要问题。文中的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图像的网格角点,对毎幅图像,就可以确定一个单应性矩阵,首先利用线性求解内外参数,然后对线性结果进行优化,实验结果表明该方法具有较高的精度,是一种简单、有效、实用的标定方法。     

基于计算机视觉的远距离动态前景测距方法

针对当前测距算法标定步骤复杂、图像匹配困难和不准确的问题,提出了一种远距离动态前景测距的方法,系统中由两个摄像头负责采集实时环境图像,利用前景检测算法检测出实时图像中的目标物,根据透视投影模型通过测量两个摄像头之间的距离、标定板与摄像头之间的距离、标定板自身的宽度和高度等数据,计算出目标物在标定板上映射点的三维坐标;再根据两个摄像头坐标,得到空间中两条直线的方程,则两直线的交点就是目标物的物理坐标;最后利用欧氏距离公式,计算出目标物距离摄像头的距离。通过实验可知,在目标距离小于3000m时,两种方法测量误差均小于3%;当目标距离大于3000m时,计算机视觉动态前景测距和传统测距方法的测得的数据平均误差分别为2.90%和25.50%,计算机视觉动态前景测距方法表现出更高的精度。     

三维计算机视觉系统中的结构光快速定标

利用DLT模型及简化模型 ,导出双相机单激光系统定标模型 ,巧妙地设计适用于单双相机系统的透明定标薄板 ,实现从单摄像机到双摄像机的快速定标。整个方案简单快速有效 ,定标精度达像素级。方案还可推广到多相机多激光源系统。     

结构光测量中的定标

分析了ＤＬＴ定标模型的原理和方法，根据所涉及的应用场合和界定的条件，对ＤＬＴ模型进行了简化，由此只需进行二维测量和计算，就能准确有效地完成三维定标．对定标误差进行了理论分析和实验，提出了误差纠正模型及其相应算法，保证了系统的扫描精度．实验表明：提出的定标算法达到像素级精度．     

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．     

基于计算机视觉的车流量检测算法

提出了一种基于计算机视觉的车流量检测算法。通过分析CCD摄像头采集的现场交通视频数据,运有用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,研究了视场距离标定算法和基于灰度统计的通行车辆识别算法,仿真结果表明了该算法的正确性和有效性。