基于立体视觉的摄像机标定方法的研究

摄像机标是立体视觉获取三维空间信息的前提与基础。标定结果的好坏直接影响着三维测量的精度及三维重建结果的好坏。笔者首先在本文中对摄像机标定的基础知识作了简要的介绍,采用三维标定块标定摄像机,避免传统的利用标定板标定摄像机丢掉了Z维的坐标信息所引起的误差,同时考虑相机的径向畸变因素,以提高标定精度。实验结果表明该方法精度较高,能满足立体视觉系统的需要。     

移动机器人作战平台立体视觉三维建模方法

虚拟现实技术在移动机器人作战平台遥操作中的应用,可增强操控人员的视觉临场感,提高操控效率.基于立体视觉的三维建模是构建虚拟环境的基础.根据立体视觉的基本原理,研究了立体视觉的三维建模方法.在对比同类型中不同算法基础上,提出适合立体视觉系统的三维建模算法,提出提高空间点求解精度的改进算法,最后用Open Inventor进行三维模型可视化显示.试验结果表明,该方法具有良好的建模效果,能精确反映障碍物深度信息.     

双目立体视觉方法测量雷管药量高度

介绍了双目立体视觉系统的基本原理、摄像机标定技术以及对得到的点云图进行的后续处理。采用维视图像的CCAS单双目视觉标定算法软件对所用的VS078FC摄像机进行了标定,结果精确度高,用时短,实用性强。应用Geomagic studio软件进行点云处理去除噪声,误差小,数据完整。     

双目立体视觉系统的摄像机标定技术

摄像机标定是立体视觉的第一阶段,也是极其重要的阶段。本文用张正友平面标定方法对双目立体视觉系统进行标定,获取了其结构参数。实验表明,标定结果有较高精度。     

基于双目立体视觉的三维建模算法

根据双目立体视觉成像原理来完成特征点深度信息的恢复,提出了一种基于图像的三维建模方法。利用该方法标定出相机的全部内外参数;利用双目立体视觉成像原理,根据不同位置拍摄的2幅或多幅照片中的对应点的图像坐标,计算它们在空间中对应点的三维坐标,实现了由多幅图像来恢复物体的深度信息;最后,利用这些坐标在Rhino中实现了由离散的稀疏点云数据建立三维实体模型。     

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.     

月球车立体视觉系统现场标定方法

针对星球探测任务中星球漫游车自主避障和导航的要求，建立了一种基于平面模板的现场标定方法，实现月球车视觉系统的现场标定．针对月球车视觉系统的广角畸变的特点，引入径向和离心畸变模型，利用最大似然估计（MLE）对内、外参数进行非线性优化求精，并对图像进行畸变校正；计算摄像机间相对位置，实现了紧凑的双目视觉外极线校正．实验表明，该方法快速、简便，获得了较高的标定精度．     

基于双目立体视觉的排爆机器人自动目标抓取

目前各种多关节、多自由度的排爆机器人在实战中都存在操作复杂、速度慢的问题.为此,基于双目立体视觉设计并实现了一个排爆机器人的目标物自动抓取系统.该系统能根据目标物在两摄像机获取的图像坐标计算其三维坐标,从而对机械臂进行轨迹规划和控制,完成目标物自动抓取.首先,建立了一个完整的双目立体视觉系统数学模型,然后,用张氏平面法标定两摄像机的内参数,再采用最小二乘法进行立体标定,得到双目立体视觉系统的外参数,从而根据目标物在左右摄像机成像得到的图像坐标计算其三维坐标.实验表明该系统能在满足作业精度要求的前提下,大大提高排爆作业的易操作性.     

计算机立体视觉的建筑物三维测量方法探讨

本文在对几种视觉测量方法分析的基础上，提出了一种利用立体图像对获取建筑物结构尺寸的测量方法，讨论了该方法的特点，并阐述了立体视觉在建筑业上实施测量的具体方案．     

立体视觉标定系统的分析与设计

分析了非线性摄像机模型,改进了圆心标定点提取算法,在Tsai算法的基础上构建了左右摄像机的关联矩阵,并在VC 环境下设计了立体视觉标定系统.实验结果表明,该系统成本低廉,鲁棒性好,精度较高,可用于空间目标测量、三维重构等领域.     

双目立体视觉系统摄像机标定

对摄像机参数标定是三维定位的关键．制作了平面式标定板,将标定板中圆的当量中心作为标定用参考点,这样可以有效避免测量误差．采用线性和非线性结合的方法标定摄像机参数,首先利用直接线性转换模型（DLT）得到投影矩阵,通过约束条件分解参数矩阵,分别求出摄像机内部参数;然后将得到的标定参数作为初值,代入非线性方程进行优化,得到精确的标定参数．非线性优化采用Levenberg—Marquardt迭代法．试验表明,标定参数与出厂参数有一定差异,但和实际情况完全吻合．     

WLAN indoor location method based on artificial neural network

WLAN indoor location method based on artificial neural network (ANN) is analyzed.A three layer feed-forward ANN model offers the benefits of reducing time cost of the layout of an indoor location system, saving storage cost of the radio map establishment and enhancing real-time capacity in the on-line phase.According to the analysis of SNR distributions of recorded beacon signal samples and discussion about the multi-mode phenomenon, the one map method is proposed for the purpose of simplifying ANN input values and increasing location performances.Based on the simulations and comparison analysis with other two typical indoor location methods, K-nearest neighbor (KNN) and probability, the feasibility and effectiveness of ANN-based indoor location method are verified with average location error of 2.37m and location accuracy of 78.6% in 3m.     

单目立体视觉系统的棱镜位置估计

为了完善基于棱镜的单相机立体视觉系统的理论模型,提高该系统三维重建精度,提出一种基于几何光学的棱镜参数化简方法和棱镜位置估计方法.首先推导出基于棱镜的单相机立体视觉系统透视投影变换模型;之后利用向量的旋转变换和点的位置关系将表示棱镜位置的参数化简为6个;最后使用非线性最优化方法,通过单相机标定过程中得到的一组点的对应关系,解出这6个参数,继而得到较为精确的棱镜位置.实验结果表明:提出的方法重投影平均误差小于0.5个像素,三维点重建平均误差为2.22 mm.本方法可以应用于匹配过程中极线的计算,与现有方法相比,三维重建精度提高2至3倍.     

基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。     

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。     

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.     

基于人工神经网络的砂石混合体密实度计算方法

提出基于人工神经网络的砂石混合体密实度预测模型,建立砂石混合体密实度与砂、小石子和大石子掺量及密实度之间的映射关系.研究结果表明:随着砂率的增大,混合体的密实度先增大后减小,这与试验结果相符合.     

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。     

一种模块化神经网络的人耳识别方法

提出了一种基于模块化神经网络的人耳识别方法。对人耳图像进行一系列的预处理后,采用PCA方法对图像进行特征提取。构建了模块化神经网络模型,并用分层遗传算法对该模型进行优化,选择训练阶段样本和测试阶段样本对人耳图像进行训练和测试,得出识别率。实验结果表明,基于模块化神经网络的人耳识别相对于传统的神经网络优化了设计参数,得到最优体系结构,提高了人耳识别率。