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。     

视频监控中基于行人跟踪的摄像机自动标定

为了能够用更简易的手段解决视频监控系统中的摄像机参数获取问题,提出了一种基于场景中行人位置信息的摄像机自标定方法。先对由不同位置的行人轮廓中提取出的头脚点位置信息进行筛选,再通过极大似然估计求解出消失点与水平消失线,并根据消失点与消失线信息计算出摄像机的内外参数和投影矩阵。最后根据由重投影统计计算的误差评价系数,采纳RAN SAC方法选取最优结果,实现了对参数的优化。实验表明:该方法有效降低了行人信息获取中的观测噪声和过程噪声对摄像机标定的影响,能够得到较理想的摄像机自标定效果。     

视频监控中基于行人跟踪的摄像机自动标定

为了能够用更简易的手段解决视频监控系统中的摄像机参数获取问题,提出了一种基于场景中行人位置信息的摄像机自标定方法。先对由不同位置的行人轮廓中提取出的头脚点位置信息进行筛选,再通过极大似然估计求解出消失点与水平消失线,并根据消失点与消失线信息计算出摄像机的内外参数和投影矩阵。最后根据由重投影统计计算的误差评价系数,采纳RANSAC方法选取最优结果,实现了对参数的优化。实验表明:该方法有效降低了行人信息获取中的观测噪声和过程噪声对摄像机标定的影响,能够得到较理想的摄像机自标定效果。     

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.     

一种基于图像单应性矩阵的投影仪标定方法

投影仪标定是计算机视觉的关键技术之一,针对实际应用中摄像机和投影仪相对位置关系,提出一种基于摄像机和投影仪图像单应性矩阵的投影仪标定方法.对捕获的图像进行背景差分、特征点提取等操作得到投影图像和摄像机图像之间的单应性矩阵,进而获得投影仪参数矩阵,完成投影仪标定.经实验论证,该方法操作简单,反投影像素误差在0.3到1个像素之间,证明了该方法的有效性.     

基于同心圆环模板的摄像机标定方法

在研究传统的摄像机标定方法的基础上,提出了一种新的基于同心圆环模板的摄像机标定方法。使用一种几何的方法实现同心圆圆心的检测及相机标定,同时利用射影几何内在约束条件来对同心圆图像投影的几何结构实现优化,求出单应矩阵H,从而进一步计算出摄像机内外参数,且标定后期无需进行畸变校正。通过模拟实验和真实图像实验证明,该摄像机标定方法精度高,鲁棒性强,具有一定的实用性。     

一种基于视觉测量障碍高度的车载摄像机标定新方法

从摄像机针孔成像几何模型入手,根据像点与物点之间的线性关系,进而分析车载摄像机景物点的图像坐标与实际坐标之间的关系,研究发现无法通过建立图像坐标与实际坐标之间的映射关系测量出景物的高度。基于此提出了一种新的摄像机标定方法,通过插值法和最小二乘法建立景物的图像高度(景物顶点的图像纵坐标与其在地面上投影点的图像纵坐标之差)与实际高度之间的映射关系,即车载摄像机标定的模型;并对该模型进行测试。测试结果最大偏差为0.078 75 cm,最小偏差为0.013 99 cm,平均偏差为0.034 79 cm,精度可达到0.11%。经验证该方法可精确地测量出障碍的高度,具有一定的实用性及可行性,适合车载摄像机标定,有助于汽车辅助驾驶系统的研究。     

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。     

集成测量系统中摄像机的标定方法

针对三坐标测量机(coordinate measure machine,CMM)与计算机视觉集成测量系统中摄像机的标定提出了一种简单、快速的标定方法.该方法把制作精度、定位精度高,运动范围广的CMM测头作为标定物,采用两步法对摄像机进行标定.标定过程中控制测头运动到指定位置,采集测头图像,用图像处理技术实现测头中心亚像素级定位,实现空间点和图像点的对应.标定方法简单,无需制作标定物,避免了标定物制作误差和角点定位误差的影响,可任意增加标定点的个数、指定标定点的位置.     

基于特征点图像序列的多摄像机全局标定

多摄像机的全局标定是影响视觉测量系统精度的关键。为了降低标定过程中多次坐标变换而引起的误差,本文提出了一种基于特征点图像序列的多CCD摄像机的全局标定方法,通过时间脉冲同步,在液晶显示屏靶标上显示一系列含有特征点的图像序列的同时,多个CCD进行拍摄,对用于显示的特征图像和CCD拍摄得到的图像进行处理和计算,即可对多个摄像机进行全局标定。该方法只需一次坐标变换,克服了常规方法下特征点难以被所有摄像机全部拍到的困难,用标定结果进行三角测量,最大绝对误差为0.08mm,证明了标定方法的精确性。