用于三维重构的相机标定算法

为了从物体的二维图像参数中得到三维重构模型,需要通过相机内部参数,建立真实物体与对应成像物体的关系模型,提出一种借助双平面镜进行三维重构的相机自动标定算法.通过两个普通平面镜获取被摄物体的5个不同角度二维图像投影,自动标定算法依赖物体的投影轮廓线计算相机内部参数.试验结果表明,通过相机自动标定算法获取轮廓和相机的参数信息,能有效地实现基于视觉外壳算法的三维重构.     

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.     

基于圆形阵列标定板的张氏相机标定法

提出了一种基于圆形阵列标定板的张氏相机标定法.利用大恒水星系列相机对不同方向和不同姿态的圆形特征标定板进行20次拍摄,并利用亚像素边缘检测算法对图像视野中的特征进行边缘检测;接着对得到的边缘封闭的特征分别进行圆度、偏心率和凸度的条件限制,提取出图像中符合要求的圆形特征;最后通过标定板上圆形特征的圆心像素坐标与世界坐标的对应关系来进行相机标定.实验结果显示,圆形特征的圆心坐标平均重投影误差在0.007个像素以内,表明了该算法的可行性.      

一种快速的相机标定方法

提出一种简单、快速的相机标定方法 .这种方法不需要特别的三维几何知识和计算机视觉知识 .这种方法只需要对二维标定靶的一幅图像的分析 ,就可以得出相机的内部、外部参数 .这种方法操作简单、速度快、适用范围广 ,很容易由实验室推向室外 .最后给出了实例 :用标定靶的图像进行相机标定 ,得到了很好的实验结果 .     

相机目标自标定系统三维重构的研究

对相机目标自标定系统三维重构方法进行了研究,首先介绍了相机的针孔透视变换的数学模型,并计算了相机成像的畸变系数;介绍了相机传统线性标定的方法,重点分析了引入非线性优化的平面标定的方法,并在此基础上结合LM优化算法对相机的参数进行了求解;最后通过实验仿真证明了该方法能够较好地描述相机的成像情况,从而证明了引入非线性优化的标定方法在相机目标自标定系统三维重构中的可行性。为相机系统识别目标的精确度,实现对目标的全方位精确识别提出了一种新的研究思路。     

相机几何标定方法研究

相机标定是视觉测量中重建三维空间信息必不可少的关键一步。本文介绍了相机成像几何关系及数学模型,详细阐述了国内外主要的相机几何标定方法原理及其优缺点,为应用不同方法特点进行有效的相机标定提供了指导。     

水下相机标定算法研究

光线在水下成像过程中经过水、玻璃和空气3种折射率不同的介质而发生折射现象。在这种情况下,利用简单针孔成像模型表征水下成像将产生非线性误差。针对这一问题,本文在分析多介质环境中光线的折射效应的基础上建立水下相机模型,并基于该成像模型提出一种水下相机标定算法。在实验室条件下完成水下双目相机的标定工作并与同类标定算法进行比较。实验对比结果显示,基于水下成像模型提出的相机标定算法能够有效的修正折射效应对水下图像产生的畸变影响,更加准确的表征水下成像过程。     

基于圆形特征点的非线性相机标定方法

针对高精度标定板制作困难费用高的问题,提出了一种快速简易的相机标定方法。用数码相机对一张具有不同大小圆形特征点的标定表绕着光轴旋转拍摄几幅图像,利用亚像素边缘轮廓检测算法检测图像中的轮廓;采用最小二乘椭圆拟合方法得到亚像素椭圆中心坐标,用稳定的图像点与空间点的对应算法确定图像点与空间点的对应,计算过程中对所求参数进行了非线性优化。实验表明,重投影平均误差在0．2个像素以下,证明了该方法的可行性和较高的标定精度。     

一种改进的Harris-RANSAC长焦相机标定算法

长焦相机采集近距离棋盘格图像时易出现相机离焦现象，导致棋盘格图像产生散焦模糊，极大地增加了相机标定的难度，同时传统的Harris角点检测算法对散焦模糊的棋盘格图像进行角点检测的结果即使经过非极大值抑制处理也仍然存在大量冗余角点.针对上述问题，基于随机抽样一致(random sample consensus, RANSAC)算法提出一种改进的Harris-RANSAC长焦相机标定算法.首先，引入感兴趣区域将Harris角点检测的区域缩小到棋盘格区域以避免背景干扰；其次，采用随机抽样一致算法替代传统的非极大值抑制方法剔除冗余角点；最后，针对模糊棋盘格图像的特性构造新的响应函数，进行亚像素级角点定位，从而得到精确的角点坐标.结果表明，改进的Harris-RANSAC算法对模糊棋盘格图像进行角点检测时耗时短且精度较高，角点检测的反投影误差仅为0.432像素.     

一种便携式的无人机航测非量测相机标定方法

相机标定是确定相机几何和光学参数的过程,相机经过标定后能更准确地获取二维目标点坐标对应的空间三维信息。针对无人机航空非量测相机便捷、精确的标定需要,采用了一种基于红绿编码板的自检校光束法平差标定方法。该方法通过自动提取和识别编码标志、建立同名点对,利用同名点对进行相对定向测定初始参数,然后考虑相机内参数和镜头畸变等因素,采用严格的自检校光束法平差模型解算出精确的相机参数。通过对NEX5N相机拍摄的45张相片作为实验数据解算该相机内部参数,实验结果表明,由于标定板便于携带,标定场布设简单,该方法对实验场地要求低,并简单易行,且标定的速度快、精度高,基本可以满足无人机非量测相机"随时随地"即时标定的需求。     

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。     

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.     

一种基于平面直线的摄像机标定方法

为使标定算法更加灵活、实用，提出了一种基于平面直线的摄像机标定算法．该算法的平面模板要求含有4个以上直线段，只需要摄像机作运动未知的自由移动，在3个以上的方位摄取一个模板上的图像，即可线性求解摄像机的内外参数．实验结果表明，该算法的精度和鲁棒性都较高．     

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。     

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.     

基于椭圆曲线的数码相机像点坐标标定

本文研究了物平面上圆盘圆心的像点坐标标定问题。通过对中心射影变换性质的分析,给出了椭圆中心与实际像点之间距离的一个上界。建立了基于椭圆方程的两种标定模型,即椭圆中心模型与公切线模型,最后通过仿真实验比较了两种模型的优缺点。