基于标定板特征的摄像机线性标定方法研究

提出一种完全线性标定摄像机的方法。先单独标定摄像机的主点坐标和纵横比,然后用CCD垂直拍摄HALCON高精度标定板,并应用SIFT算法完成标定板特征点中心亚像素坐标提取,最后根据径向平行约束和一阶径向畸变模型线性求解其余摄像机的内外部参数,包括焦距、一阶径向畸变系数、旋转矩阵和平移向量。实验中改进了传统线性标定算法,采用单独标定平移分量t z,消除了t z对标定结果造成的不稳定影响,得到了收敛性较好的焦距值。实验数据表明该算法具有较高的标定精度,是一种简单、有效、实用的标定方法。     

一种基于Kruppa方程的摄像机线性自标定方法

针对非线性优化求解Kruppa方程进行摄像机自标定的局部最优问题，提出了在两种特殊情况下的基于Kruppa方程的线性自标定算法．在摄像机的旋转轴和偏移向量平行时，得到了未知系数与基础矩阵奇异值分解(SVD)的参数关系；在摄像机的旋转轴与偏移向量垂直时，将未知系数的求解转化为求矩阵特征值的过程，并通过秩约束惟一地确定了特征值的选取问题，方便了基于SVD的简化Kruppa方程的应用以及避免了2的指数方次的求解过程．仿真实验结果验证了本文的结论．     

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。     

一种结合遗传算法和LM算法的摄像机自标定方法

提出了一种遗传算法和LM算法相结合的摄像机自标定方法。首先利用遗传算法获得若干组摄相机内外参数的初始值,接着利用LM算法对每一组参数进行优化,然后选取映射误差最小的那组参数。如果这组参数的映射误差满足要求,则将这组参数作为摄相机标定的最终结果;否则利用遗传算法对刚才得到的若干组参数进行交叉和变异操作,再利用LM算法优化每一组参数,直至映射误差满足要求。最后将摄像机标定结果用于视差估计,以判断标定结果的正确性。实验结果表明,提出的结合LM算法和遗传算法的摄像机自标定方法是正确有效的。     

基于极坐标的摄像机标定

为了改进多摄像机标定实现的方便性和参考标定板的多样性,用极坐标设计标定板并以此来进行摄像机参数的标定.根据设计好的标定板确定世界坐标下的特征点,识别相应的特征点在图像坐标的位置,匹配特征点在图像坐标和世界坐标的位置关系后完成摄像机的标定.该标定方法只需大约20点对左右数据,同时保证标定的结果和鲁棒性;较少的点对和图像的多样性避免了遮挡和公共部分不足的问题,有利于完成多摄像机标定,较传统多摄像机标定方法在分配摄像机和标定板之间的位置关系上更加灵活.与传统的精确标定板的结果比较,在保证精度情况下,标定板设计和整个标定系统的实现则更加简单易行.     

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。     

基于不确定性的2D激光雷达和摄像机标定方法

为了解决2D激光雷达和摄像机标定受多解问题的困扰,提出基于不确定性的标定方法,通过改进真解选择机制来提高标定的置信度和准确度.首先,基于观测不确定性的似然度对多解的优劣进行评价,提高真解的置信度.其次,将激光点和边界直线的几何约束引入到真解选择的误差度量,提高真解的准确度.试验结果表明:在不同的棋盘格个数下,相比Francisco方法和Zhang方法,所提方法的有效解概率分别提高了2%~20%和30%~260%;在不同的噪声水平下,相比于Francisco方法和Zhang方法,所提方法的旋转矩阵精度提高了1°~5°和3°~14°.试验结果表明所提方法标定结果的可靠性和准确性更高.     

基于LabVIEW开发的摄像机标定方法

针对火车轮缘动态检测系统中的摄像机标定问题,讨论了基于径向约束的摄像机标定,选定了包含畸变因素的摄像机透视投影模型,得出了以LabVIEW开发的摄像机标定方法.该方法利用了LabVIEW的图形化开发环境,内嵌Matlab语言编写的核心程序,数据处理功能强大,且具有良好的图形化互动界面.     

基于模板匹配的细菌鉴定系统摄像机标定方法研究

在研究传统摄像机标定原理及方法的基础上,针对传统方法的不足,提出了基于CCD的细菌自动鉴定系统的一种特殊的基于模板匹配的单目摄像机标定方法。该方法直接将基于CCD细菌鉴定系统中的96孔酶标模板作为辅助标定装置,仅要求全自动微生物鉴定系统中的摄像机摄取任一幅模板图像,即可根据射影几何内秉的约束条件完成对系统中CCD摄像机焦距、摄像机高度等有效参数的标定,计算量小,有一定的实用性。通过对该方法标定结果与基于空间三角形的标定算法所得结果进行实验比较,证明了该方法的有效性。     

背景互信息约束的SIFT特征匹配

］在SIFT局部特征的基础上,扩大了SIFT局部特征描述子,构造了半全局信息的背景环,并将背景环的互信息引入到相似性计算.实验结果表明,该方法与SIFT影像匹配算法相比,有效地提高了匹配的正确率,且对旋转图像的特等匹配具有一定鲁棒性;与全局配准算法相比较,提高了一倍以上的计算效率     

基于SIFT的UAV载组合宽角相机影像匹配方法

针对无人驾驶飞机UAV(Unmanned Aerial Vehicle)航空组合相机获取的大像幅影像旋偏角较大、 大尺度变化和颜色差异明显的问题, 提出基于极几何和单应约束的SIFT(Scale Invariant Feature Transform)特征多尺度LSM(Least Squares Matching)算法。该算法顶层金字塔影像采用SIFT快速匹配, 对匹配结果利用改进的RANSAC(Random Sample Consensus)算法计算影像间单应矩阵和基本矩阵; 对影像进行Harris特征提取, 根据极几何和单应约束采用双向一致性相关系数算法进行密集匹配; 通过更新单应矩阵, 设定阈值删除误匹配点; 对匹配的同名点进行最小二乘匹配获取子像素级精度。通过对具有较大旋偏角、 大尺度变化和颜色差异的3组实际航摄影像的试验对比表明, 与传统方法相比, 该算法具有较高的匹配成功率和较好的有效性。     

相机几何标定方法综述

通过对摄影测量和计算机视觉的理论分析,阐述了比较典型的标定方法及其优缺点,并据此进行了方法分类,提出在摄影测量学相机标定算法基础上,结合计算机视觉中图像处理的优势,并融合不同方法的特点进行有效的相机标定。     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

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.     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性(RANSAC)算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明:该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。     

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法.首先,利用在图像特征点提取领域中运用最为广泛的SIFT(Scale Invariant Feature Transform)算法提取图像稳定特征点,生成特征向量描述符;然后根据向量最近邻(NN)和次近邻(SCN)的距离之比,对匹配点进行初步筛选;最后运用M-estimators法估计特征点对间的几何约束模型,利用该模型进一步精选特征点,确定真正的匹配点对个数,将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准.实验结果表明:该方法能够准确地提取出图像特征点,并通过精选特征点能够在很大程度上改善误匹配问题,从而快速有效地检测出错误的印刷品,得到了良好的检测效果.