结构光测量中的定标

分析了ＤＬＴ定标模型的原理和方法,根据所涉及的应用场合和界定的条件,对ＤＬＴ模型进行了简化,由此只需进行二维测量和计算,就能准确有效地完成三维定标,对定标误差进行了理论分析和实验,提出了误差纠正模型及其相应算法,保证了系统的扫描精度,实验表明：提出的定标算法达到像素级精度。     

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。     

计算机视觉系统的定标策略

摄像机定标是计算机视觉系统的一项基本任务，一般情况下，定标精神与效率之间存在着矛盾，在探讨了基于不同目的的定标方法基础上，对定标策略进行了分类，可以指导根据不同任务选择适合的定标策略。     

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．     

基于迭代方法的交通事故再现优化的研究

事故再现是道路交通事故责任鉴定或原因分析的重要方法,也是交通安全改善研究中的重要步骤.针对目前国内提出的事故碰撞理论模型,采用迭代的方法,按照方向误差最小的优化准则,对速度计算结果进行调整,使其更加合理、可靠.     

双相机结构光系统中两相机定标与映射计算

研究双相机结构光系统中两相机图像的对应关系，基于结构光系统平面约束DLT模型，分析了两相机成像的对应关系，推导了两相机图像映射计算公式，提出了双相机结构光系统中两相机的定标算法，实验结果表明此算法可以达到较高的精度，证明了分析的正确性。     

基于模糊关联迭代分区的挖掘优化方法研究

由于数据库存在数据量大、多维性的特点,传统挖掘方法在对数据进行处理时,无法构建精准的数学模型,容易出现部分信息丢失、分区过硬的问题。提出一种基于模糊关联迭代分区的挖掘优化方法,通过模糊C均值聚类算法对原始数据集进行预处理,过滤冗余数据,获取原始数据集的模糊分区;利用模糊关联挖掘算法获取感兴趣规则,实现数据的优化挖掘。实验结果表明,针对不同的数据集,改进的方法均具有很好的分区性能,且时间复杂性低,挖掘精度高。     

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。     

迭代式优化编译的快速检测方法

迭代式优化编译是针对当前复杂体系结构提出的一种有效的优化编译方法,当前不同的研究小组已经针对不同优化空间开发了各种迭代式优化编译方法,以求加速迭代过程,提高优化效率.他们大多数集中研究如何在给定的优化转换空间中更快地找到好的点.我们提出了另一种加速迭代过程的方法.它的思路是在一次测试运行中测试多个而非一个点,使得迭代式...     

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PSO-ELM的双目视觉摄像机标定

针对极限学习机( extreme learning machine,ELM)在隐层节点数较少时标定精度较低的问题,利用粒子群优化算法( particle swarm optimization,PSO)与极限学习机相结合的方法对双目视觉摄像机进行标定。在标定过程中,ELM直接描述图像信息与三维信息之间的非线性关系,然后利用PSO优化ELM的输入权值与隐层阈值。实验结果表明,与ELM相比较,基于粒子群极限学习机( PSO-ELM)的双目视觉摄像机标定方法能仅用较少隐层节点数获得较高精度。     

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．     

基于灰狼粒子群混合算法的相机标定优化方法

针对传统标定方法参数考虑较少、标定精度不高的缺点,将群智能算法思想应用其中,并在现有的粒子群算法和灰狼算法基础上进行优化,取长补短,提出一种混合算法.首先,基于张正友方法获得标定的参数范围,在该范围内随机生成参数作为初始值,然后以最小平均误差为准则,利用灰狼粒子群优化混合算法,建立目标函数,进一步求解相机的内外参数.研...     

基于立体靶标的摄像机标定方法

为获取视觉测量系统中二维图像到三维空间位置的变换关系,提出一种基于立体靶标的摄像机标定方法.针对无畸变小孔成像模型,使用最小二乘法求解初始投影矩阵后通过LM准则对其优化;根据多张图像对应的投影矩阵,求解摄像机内参数及各相应外参数;引入二阶径向畸变模型,建立理想图像坐标和实际图像坐标间的方程求解初始畸变系数;使用LM准则...     

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.     

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WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．     

视觉测量中的一种线性摄像机标定方法

视觉测量中成像模型的求解速度和效率是下,利用预先标定好的图像尺度因子,采用一幅图像对摄像机的外部参数、有效焦距、径向畸变进行标定,标定过程中,每一步均用线性方程组求解.该方法求解过程快速,结果准确,适合视觉测量中对摄像机的不定期标定.     

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。