基于主动视觉的摄像机线性自标定方法

讨论了一种基于主动视觉的摄像机线性自标定方法,在摄像机为完全的射影模型,即畸变因子(skew factor)存在时,通过控制摄像机作一次纯轴向运动和3组两正交运动即可线性地标定出摄像机的所有5个内参数.当摄像机为四参数模型,即畸变因子为零时,只需控制摄像机作2组两正交运动即可线性标定出其4个内参数.模拟实验和真实图像的实验结果表明,该方法能够比较准确地标定出摄像机的所有内参数.     

基于平面模板的摄像机标定方法

文章提出了一种基于平面模板的摄像机标定方法,仅要求摄像机在3个(或3个以上)的不同方位对同一平面模板进行拍摄,即可标定摄像机参数(包括内参数、外参数、畸变系数).并利用两步法求解摄像机参数.模拟图像和真实图像结果表明,该方法兼顾了标定精度与速度.整个标定过程不需要人为干预,可以自动进行,具有较强的实用性.     

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。     

一种基于圆的摄像机线性自标定方法

摄像机标定方法是从二维图像中获取三维信息必不可少的步骤。本文提出了基于灭点的自标定方法。该方法的平面模板要求圆内有3组两两正交的直径,从3个或多个不同的方位摄取平面圆模板的图像。由3组两两垂直得到三组正交灭点,从而线性的求出摄像机的5个内参数。模拟图像和真实图像实验表明,该方法能准确、可靠地估计摄像机的内参数。     

基于正三菱锥的摄像机线性自标定方法

本文在研究传统的摄像机标定方法的基础上,提出了一种基于正三菱锥的摄像机线性自标定方法。该方法通过控制摄像机对正三凌锥模型做一次纯轴向运动和3组两正交运动即可线性的标定出摄像机的5个内参数。实验结果表明,该方法能准确有效的标定摄像机的内参数。     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

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。     

基于三正交消影点的摄像机标定方法及实验

利用2个非平行的长方体作为标定模版,采用Hough变换检测出图像中长方体的棱,然后计算出2组三正交方向上的消影点,再根据消影点与摄像机内参数的约束方程求出摄像机内参数.该方法原理简单,只需要一幅图像就可实现摄像机内参数的求解.实验结果表明,该方法有较高的精度和稳定性.     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

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。     

一种基于矩形的摄像机自标定方法

提出了一种求解摄像机内参数的方法.首先从空间单个矩形的图像获得含参数r的圆环点图像,其中,r为该矩形的长宽比;进而根据圆环点对摄像机内参数约束获得一组非线性方程;通过求解一个次数为3的多项式方程的正根,把非线性方程组转化为线性方程组,从而确定摄像机的内参数.同时,给出了此约束方程组具有惟一解的充要条件.实验结果表明,所给出的方法具有较高的求解精度.     

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．     

由任意平行四边形确定摄像机内参数的方法

摘要： 根据交比与角度之间的联系,提出了一种由任意平行四边形标定摄像机内参数的线性方法.采用关于空间平面上平行四边形的2种不同方案,运用拉盖尔定理和交比不变性原理,计算2个圆环点的图像坐标,再利用圆环点在绝对二次曲线上这一特点来线性标定摄像机内参数,完成标定只需3幅图像.文章将以往通过正交直线求圆环点的方法进行了扩展,采用任意斜交直线也可求圆环点,因而具有更广泛的适用性.模拟实验和真实图像实验均证明了该方法的可行性.     

动态家庭环境智能空间服务机器人全息建图方法

 针对家庭服务机器人工作的复杂动态环境,结合智能空间和机器人二者优势,提出了一种融合环境及其中目标资源分布的家庭智能空间全息地图构建方法。基于Rao-Blackwellized粒子滤波思想,根据建图初期机器人及其感知的全局空间特征点位置完成智能空间传感器网络节点的位姿参数标定,利用已标定传感器网络的观测值和机器人控制量进行机器人位姿估计,同时根据机器人位姿及其观测值进行全息建图。针对建图过程中及建图后的环境和目标变动,设计了基于智能空间监测的全息地图动态更新策略。实验表明,智能空间传感器网络有效地解决了建图中的动态数据关联问题,由其辅助的机器人定位和建图精度明显提高。     

计算机视觉技术测量飞机模型位姿试验

运用计算机视觉技术对测量飞机模型位姿进行研究.通过CCD获取飞机模型姿态变化前后的多幅二维投影图像,运用计算机视觉理论进行特征点的提取、匹配,最后实现特征点的三维重建并通过重建出的空间点计算出飞机模型的位姿.     

利用空间正交约束的相机自标定和三维重建

提出了一种用2幅未标定的图像进行三维重构的算法.利用空间 3 组垂直方向的正交结构与其在图像平面上消失点的对应关系,线性计算出相机的内参数,再利用3组匹配线段计算相机在2个视角的运动参数,最后根据得到的相机参数采用三角测量法计算空间点的三维坐标值.该算法与利用三正交运动的主动标定法相比,把相机的正交运动约束转换成空间正交结构约束,使用简单,适应性强,可直接利用参数未知的手持数码相机拍摄图像进行三维重建.对真实的建筑场景图像进行三维重建实验,重建后的三维模型在新视点生成的图像与所观察的场景一致,重构的2个平面夹角与实际值的测量误差在1 5%~2 6%之内.     

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.     

基于场景模型的双目相机动态检校方法

提出了一种基于场景模型的双目相机内、外方位元素的动态检校方法.初始检校过程构建了场景全局三维模型并以此为基础分别初步解算内、外方位元素,然后进行联合优化;更新检校过程利用已建立的场景模型,恢复场景模型与影像的关联,再通过联合优化更新相机的检校参数.实际场景实验验证结果表明:该方法的检校完整度优于基于即时定位和地图构建(SLAM)的检校方法,精度优于传统棋盘格检校方法.