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．     

基于遗传算法的摄像机内部参数标定优化方法

基于张正友标定法,提出一种新的基于遗传算法的摄像机内部参数标定优化方法.该方法能矫正传统摄像机标定不可靠的初始化和容易陷入局部最优解而带来的精度损失,提高了摄像机内部参数的标定精度.通过与张正友标定法进行比较,证明了该方法性能稳定,能快速、准确地标定摄像机内部参数.     

基于遗传算法的摄像机标定

为提高摄像机标定的精度, 提出一种基于遗传算法的2D棋盘格摄像机标定方法。 通过对棋盘格图像的参考角点的提取, 计算参考点的图像坐标, 从而求解摄像机的内部参数及相应的外部参数初始估计值。并利用遗传算法对摄像机内参数进行优化, 通过一代代的进化、 选择、 变异, 最终收敛得到最优解。仿真结果表明, 该方法得到的平均投影误差为0.255 9像素, 标准差为0.139 3像素, 可有效地提高标定精度。     

基于平面模板的摄像机标定新方法

提出的一种基于平面模板摄像机标定的新方法是先通过假设图像中心坐标为模型的成像中心,由摄像机线性模型求解中间变量然后分解独立的摄像机参数,并将求得的参数作为带畸变的非线性模型初始值进行优化求解,最终得到摄像机模型所有参数的精确值。通过仿真实验和真实实验对本方法与其他方法进行测试与比较,结果表明算法有相似的收敛性,在噪声环境中有更好鲁棒性,并且具有更小反投影误差。     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息．为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变．为了精确标定摄像机,采用了比较接近实际情况的几何模型,并采用了非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数．实验精度可以达到0．1mm．该方法简洁实用,可以采用这种方法在实际当中对系统进行标定．     

基于2D圆点阵列的摄像机精确标定

针对电脑键盘自动组装生产线研制过程中的摄像机标定问题,提出一种新的摄像机精确标定方法。该方法选用2D圆点阵列作为靶标,首先在不考虑摄像机镜头畸变的情况下,利用改进的Matlab标定工具箱估计出摄像机参数的初始值;然后考虑摄像机的镜头畸变,利用改进遗传算法实现对摄像机参数的精确求解。实验结果表明,该方法是有效可行的。     

模板图像数量对摄像机标定结果的影响分析

标定图像数量对摄像机标定有着重要的影响.就这个问题,文献中一般仅仅讨论满足模型参数约束所需的最少图像数量,然而,仅仅根据最少图像数量标定得到的结果往往精度低,稳定性差.文章从模板图像数量对摄像机标定结果的稳定性、标定参数的不确定性和标定结果的精度等几个性能指标的影响进行了分析.结果表明,当标定图像达到一定数量时,标定性能的几个主要指标趋于稳定,这时增加更多的图像对摄像机标定结果影响并不明显.这些定性和定量结果对从事摄像机标定的研究人员具有重要的参考价值.     

CCD摄像机的标定

本文介绍并分析了摄像机传统标定方法和自标定方法的优缺点,并重点介绍了传统标定方法中的线性摄像机模型的标定方法。该方法一开始就考虑了畸变,省去了很多繁琐的中间细节,而且针对某一特定的工作环境,标定精度比较高,具有很强的实用性。     

一种单摄像机标定的最优化方法

介绍一种单摄像机标定的最优化方法,该方法可以减少摄像机外部参数和内部参数之间的强相关性.对于针孔摄像机模型,通过共线性约束推出共线性方程.基于对共线性方程的变换,给出最优化标定方法的整个标定过程,最后通过具体的实验来标定摄像机参数并进行验证.该方法适合于一些使用单摄像机的特定场合.     

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.     

摄象机校准的算法研究

本文阐述了在只给出ＣＣＤ成象面垂直方向相邻光敏元的距离时的摄象机校准算法．在解非线性方程时利用广义牛顿算法及伪逆算法的结合求出了摄象机参数的精确解．采用摄象机校准误差来评价摄象机校准的精度，并示出了对ＣＣＤ摄象机进行校准的实验结果．进行计算机模拟，分析了影响摄象机校准误差的各种因素．     

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。     

计算机视觉摄像机定标中投影矩阵的计算

摄像机定标是计算机视觉的基本问题，对于计算机视觉摄像机定标中投影矩阵的计算进行了总结和证明。     

基于改进遗传优化算法的线阵相机标定方法

在手机玻璃盖板的缺陷检测中,为了获得缺陷特征明显的高精度图像,不仅需要搭建高质量图像采集系统,而且需要对线阵相机进行精密标定.结合工业现场需求,本文提出了一种基于改进遗传优化算法的线阵相机标定方法.在已有线性扫描模型的基础上,引入线阵扫描图片图像畸变矫正,推导了新的标定参数.在已有无畸变矫正的线性解析解基础上,引入遗传算法进行新参数的求解优化,实现了新标定参数的非线性求解.实验结果表明,与不加入图像畸变矫正的求解方法相比,所提方法具有更高的测量精度.     

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。