一种基于双平面镜的相机标定算法

为了从物体的二维图像得到三维重构模型,需要通过相机内部参数,建立已知物点、像点对应的关系模型.提出一种基于双平面镜的相机标定算法,用两个普通平面镜取得物体5个不同角度的二维图像,通过基于颜色信息和基于区域背景差的方法获取目标轮廓,用多边形动态规划算法获取轮廓的特征点以确定各个物体轮廓的对应点,最后根据特征点得到相机内部参数.多边形动态规划算法将时间复杂度从O(n3)降低到O(n2),算法的效率得到提高.     

CO_2激光焊接等离子体图像的三维重建

利用一组同步触发的高速相机获取CO2激光焊接过程中等离子体在多个方向的投影图像,采用质心投影法则对等离子体图像进行微调以提高空间匹配度,通过相机标定以及投影权重因子的计算,建立了等离子体的三维图像与二维图像之间的投影关系方程,并利用代数迭代法求解方程,获得了等离子体的三维亮度分布.结果表明:与二维等离子体图像相比,所提出的激光焊接等离子体图像的三维重建方法具有较高的重建精度,能够更加准确地描述对象的整体特征和内部信息.     

基于数码相机图像的三维重构

针对传统三维坐标测量方法的局限性,提出了利用数码相机对物体进行三维重构,达到对物体进行非接触测量的目的．采用标准图像法对数码相机内部和外部参数分别标定,与传统的相机标定相比,简化了求解的复杂性．基于同一物体的两幅图像,给出了其三维重建理论和算法．并举例说明了三维重构的具体实现步骤和方法．     

基于单幅图像目标空间定位的算法研究

在照相机、摄像机内部参数未知的情况下,提出了一种新的由单幅二雏投影图像来进行空间定位的方法,即采用目标上共面四线与其在二维图像上投影相匹配的策略,来实现目标的定位.其基本步骤包括:图像预处理;用Prewitt算子提取边缘;通过基于轮廓特征和拓扑关系的区域分割方法来确定要处理的图像区域;对相机内参数进行标定;实现二维图像...     

基于立体视觉的一般物体识别方法

为了使计算机具有与人类相似的在复杂背景下识别一般物体的视觉处理能力,提出了一种基于立体视觉的一般物体识别方法.该方法的核心在于融合二维图像信息和双目相机获取的深度信息,对视野中的环境进行物体定位、图像分割、特征描述以及物体识别.通过双目相机获取环境的三维点云信息,并利用mean-shift算法进行聚类,剔除干扰点,从而实现物体在二维图像上的定位与分割.利用含有空间关系的BoW模型对分割后独立区域内的物体进行识别,得出判别结果.此外,在利用sift算法进行特征点提取以及利用mean-shift算法进行聚类的环节中,采用CUDA环境下的GPU进行加速处理,提高了处理速度.实验结果表明,所提方法具有较好的识别效果和鲁棒性.     

数码相机定位的优化设计

研究的是数码相机在交通管制中定位物体特征点的优化设计问题．将数码相机成像问题简化为针孔成像问题后,研究了靶标图像与数码相机像平面上图像间的旋转和平移关系,为了使二维图像获取三维信息,建立起图像间的透视投影模型．利用该模型,通过确立标定点与相应的二维图像坐标,运用最小二乘法求解投影矩阵,实现对相机内、外部参数的标定．标定过程中,运用数字图像处理技术,对图像进行二值化处理,提高了数据的准确度和科学可信性,由此解得较为精确的内、外部参数,获得基于此模型的圆心在像平面的坐标表示,分别为A（321,189）、B（422,196）、C（639,212）、D（582,502）、E（284,501）．使用BP神经网络方法对已建立的模型进行检测,通过对比BP神经网络与透视投影求得圆心值与实际圆心值的均方根误差,论证了该模型有较高的精度和稳定性．并基于已有工作,建立了双目视觉定位模型,得到两部相机间的相对位置关系．在模型的进一步讨论中,研究了椭圆中心偏移问题,时像平面上椭圆的中心坐标进行了修定,得到实际的中心为：A（325,191）、B（427,201）、C（642,216）、D（584,504）、E（288,505）．以及讨论了图形的畸变问题,确定了相应的关系．     

视觉测量中基于彩色伪随机编码照明模板的设计

为实现仅用一幅二维图像,在系统参数未知且可变条件下,在真正的三维欧氏空间重构三维场景,其解决的首要关键问题是研究合适的编码结构光照明方法.文章采用伪随机彩色空间编码的可靠模型算法设计该主动视觉系统的多种编码投影模板,探索实现三维场景表面高分辨率伪随机彩色空间编码的特征化新技术,该编码窗口唯一性能唯一辨识待重构场景表面上每一特征点,解决场景重构特征点的匹配瓶颈难题,其不标定三维欧氏重构结果证实该文设计方法具有有效性.     

基于李代数表征的三维物体空间姿态检测

利用卷积神经网络学习并预测二维图像中三维物体的姿态信息,提出一种基于李代数的三维物体姿态表征方式。为了仅利用二维图像来准确预测三维姿态信息,采用李群和李代数将三维物体姿态分解为平移和旋转向量,姿态向量表征方式满足神经网络反向传播时要求的可微分条件,提高了训练效率。首先,通过RGBD相机获取三维物体的真实坐标信息,然后利用旋转矩阵和平移矩阵来描述物体的三维坐标,运用李代数将旋转矩阵和平移矩阵转化为对应向量,使用卷积神经网络回归对应的坐标向量来预测三维姿态信息。相比其他同类算法,本方法提升了三维物体姿态预测的准确性,提高了算法的测试速度。     

一种新的三维PIV自标定技术

相机标定是获取相机内外部方位参数的过程。利用体视投影匹配确定的标定参数,就能从两幅体视照片中确定视场内一点的三维位置。提出一种新的在三维PIV测量中使用的相机自标定技术。该方法只需要测量现场的任意八个不相关点和一个标定长度做参照,就可实现流场的自标定,完全不需要再测试现场放置标定体,更不需要已知相机的内外方位元素。该标定方法分为两步:第一步标定相机内方位元素:由三灭点定理确定体视相机的初步标定参数;第二步标定实际流场:利用同源像线与基线必定确定一平面作为优化约束,对第一步取得的参数进行非线性优化。实验证明,该方法行之有效。     

基于CVUT的双目视觉图像三维信息构建

在分析Intel开源计算机视觉库OpenCV及CVUT特点的基础上,结合畸变参数的影响,研究了摄像机模型和坐标转换关系,以及双目图像三维重构过程,提出一种基于CVUT的摄像机标定方法和双目图像三维重构方法.实验表明,该方法与传统的OpenCV标定方法以及Matlab的标定方法相比,标定周期短、精度较高,可以较好地构建二维图像的三维信息,程序执行稳定且鲁棒性较强,可广泛用于立体视觉等领域.