月球车立体视觉系统现场标定方法

针对星球探测任务中星球漫游车自主避障和导航的要求，建立了一种基于平面模板的现场标定方法，实现月球车视觉系统的现场标定．针对月球车视觉系统的广角畸变的特点，引入径向和离心畸变模型，利用最大似然估计（MLE）对内、外参数进行非线性优化求精，并对图像进行畸变校正；计算摄像机间相对位置，实现了紧凑的双目视觉外极线校正．实验表明，该方法快速、简便，获得了较高的标定精度．     

稳定高精度的双目立体视觉测量系统标定方法

为了提高和稳定双目立体视觉结构光测量系统的精度,提出一种简单有效的标定流程及基于极线几何约束优化双目立体视觉结构光测量系统外部参数的方法.采用平面板标定理论分别标定左右摄像机的内部参数,将标定的内参数作为双目标定的内参数在多视角下标定双目测量系统的外部参数.利用极线几何约束,通过最小化多视角下同一对应点的极线误差,优化计算双目测量系统的外部参数.实验结果表明,该方法计算得到的双目测量系统参数使得测量系统在整个测量空间体积内的测量精度高且稳定,在双目立体视觉测量系统的工业化检测应用中具有重要的意义.     

基于双目立体视觉的排爆机器人自动目标抓取

目前各种多关节、多自由度的排爆机器人在实战中都存在操作复杂、速度慢的问题.为此,基于双目立体视觉设计并实现了一个排爆机器人的目标物自动抓取系统.该系统能根据目标物在两摄像机获取的图像坐标计算其三维坐标,从而对机械臂进行轨迹规划和控制,完成目标物自动抓取.首先,建立了一个完整的双目立体视觉系统数学模型,然后,用张氏平面法标定两摄像机的内参数,再采用最小二乘法进行立体标定,得到双目立体视觉系统的外参数,从而根据目标物在左右摄像机成像得到的图像坐标计算其三维坐标.实验表明该系统能在满足作业精度要求的前提下,大大提高排爆作业的易操作性.     

基于OpenCV的双目测距系统

为解决利用双目设备实现测距并使测距时间控制在毫秒级的问题, 研究了摄像机标定、 立体校正、 极线约束下的块匹配和三维重建等关键技术。使用立体相机将拍摄多个角度的棋盘照片保存到计算机中进行角点检测和标定, 以获得摄像机参数。使用Bouguet标定立体校正算法\, 立体匹配使用块匹配方法。得到视差图后求出三维点云, 进行三维重建, 根据三角相似原理计算目标物体的距离。使用OpenCV2.4.3, 在VS2010编译环境下, 用VC++编程实现。该系统只需普通立体相机采集图像, 成本低, 与其他立体匹配方法相比, 块匹配方案测距速度快且准确度满足应用的要求。     

基于单应性矩阵分解的视觉控制器设计及仿真

为避免传统的基于图像雅克比矩阵视觉伺服控制方法中深度信息的求取,克服机械手末端仅限于做微小运动的约束,设计了基于单应性矩阵分解的视觉控制器.根据对摄像机在不同时刻对同一平面所成图像间的单应性矩阵的分解,并通过中间图像插值筛选方法,确定其视觉控制器参数.最后,以Puma560机器人为例在Matlab/Simulink环境下进行系统仿真,其结果验证了该方法的有效性.     

基于双曲面镜的全向摄像机视觉实现方法

给出了一种由双曲面镜和常规摄像机构成全向摄像机视觉系统的实现方法,通过对双曲面镜几何模型、全向成像原理和摄像机结构的分析,得出满足单一视点约束的全向摄像机的设计方法;并给出了基于图像的系统安装方法;最后通过将实际图像平面坐标系中的点投影到虚拟图像平面的方法对全向图像进行重投影,校正得到任意方向无畸变的透视投影图像.实验结果表明,该系统不仅满足人眼观察的需要,也可用于视频监视 ,目标跟踪和立体视觉.     

图像重投影及其在极线校正中的应用

针对摄像机绕光心旋转的情形,讨论了在这种特殊情形下图像重投影具有的性质,然后根据这些性质给出了使2幅图像平面平行的方法,最后介绍了图像重投影技术在极线校正中的应用,提出了一种新的极线校正方法.该极线校正方法的特点是需要采用图像重投影技术将2幅图像重投影到平行的平面.实验表明,该方法能够在完成极线校正的同时保持图像的扭曲较小.     

机载平台下半标定的下视图像极线校正方法

以无人飞行器下视光学成像平台为研究背景,提出了一种相机半标定的下视图像极线校正方法.先对机载下视摄像机的成像几何模型进行了分析,在此基础上推导出一种新的极线校正单应估计函数,并用最小二乘法估计变换参数.结合惯导参数分析可知：所提出的方法不依赖于基础矩阵的精确求解,且在理论上只须1对同名点即可求解.实验结果验证了该方法校正精度高,校正速度快,且图像变形明显小于经典的极线校正算法.     

一种立体像对极线矫正的新方法

提出一种无相机标定的立体像对矫正算法,该算法只需要图像对间的匹配点信息.首先,寻找一个投影矩阵H′将右图的对极点e′映射到无穷远点,此时该图上的对极线被映射为平行于x轴的直线;然后,基于矫正后立体像对的对应极线相同的原理,推导出应用在左图上的矫正矩阵H;最后,根据得到的投影矩阵H和H′重新采样对应的图像,达到最终的矫正目的.尤其对摄像机对的角度进行分析,摄像机主轴夹角越小,对极点则离图像平面越远,矫正效果也越好.通过两种无需计算基本矩阵的非线性最优化矫正方法进行实验对比,实验结果表明,该算法实现简单、矫正速度快、并且有效地消除了垂直误差.     

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．     

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.     

航空影像几何校正方法的研究

研究了机载航空图像的几何校正.利用某新型军用侦察机试飞所获取的图像、定位和飞行姿态等数据,将三维投影变换引入几何校正模型中,推导出了对于同一地物在不同航片上的图像坐标变换关系,实现了图像的自动校正.通过对某地区实验飞行获取的5条航带图像进行几何校正和多航带镶嵌处理,效果理想.     

基于分幅切割方法的基本农田图像精确纠正

采用自由坐标系制作的基本农田保护区分布图,需要将其转为栅格图像,并进行精确的纠正后才能为第二次土地调查工作所用.在整图变形较大、采用常规的图像纠正方法无法达到满足要求的纠正精度情况下,分析了基本农田保护区分布图的主要误差来源,并提出采用分幅切割后再分幅纠正的方法,以消除因图像拼接而引起的整图误差,实现对基本农田图像的精确纠正.     

计算机视觉系统的二步法颜色恒常性

理论研究表明 ,三色视觉系统在单视野条件下 ,三维颜色恒常性的计算问题只有在一些约束下才能解决。约束选择的合理与否和后续的任务密切相关。针对不同环境光照条件下的人体肤色分割的具体任务 ,提出了一个新的关于三色系统颜色恒常性问题的物理模型 :1 )将视觉系统所获得的原始信息分裂为亮度信息和颜色信息。 2 )将传统的颜色恒常性问题分解为基于亮度的亮度恒常性和基于颜色信息的颜色恒常性 ,并用二维描述子描述等亮度彩色图像中物理表面的颜色特征。该描述子具有颜色恒常的特性。基于颜色的图像分割实验结果表明 ,二步法颜色恒常性技术是一种非常有效的方法。     

基于一类随机矩阵的数字图像置乱新方法

以图像信息安全问题为背景,改进了用形式固定的矩阵对数字图像进行置乱的方法,提出密钥控制下利用一类随机的上(下)三角可逆矩阵对数字图像进行置乱与恢复的新方法.采用此方法,使图像的置乱效果与置乱次数无关且密钥空间足够大,而且解密是加密的简单逆过程.结果表明:在图像信息隐藏中,这种方法能达到较好的加密与解密效果,易于实现并具有良好的应用价值.     

基于时域结构的二值图像质量评价

提出基于时域分层结构的图像质量评价方法，认为分层结构矩阵由细节到抽象的过程反映了人类视觉抓取信息的过程．先提取图像分层结构，计算降质前后图像结构矩阵对等层的互相关，然后对不同结构层赋予相应的层次因子以反映视觉对轮廓的敏感程度，最后加权累计整幅图像的结构相关SC（Structure Correhtlon）．实验证明SC可以代表降质图像与原图像的相似程度，能保证客观判断与主观视觉结果的一致性．图6，表2，参10．     

机器人足球视觉系统图像畸变的几何校正

对Microsot足球机器人视觉系统中产生图像畸变的原因进行了分析,并在此基础上建立有效的数学模型,应用Broyden拟牛顿法,快速有效地实现了图像畸变的几何校正。     

基于地形图的西宁市遥感影像预处理方法试验

介绍了利用遥感图像处理软件ERDASIMAGING 8.6对西宁市卫星影像及地形图进行选择、几何精校正、图像合成、图像镶嵌的方法，结果表明：多项式法对地形较平坦地区的卫星影像纠正具有较高的精度，为遥感影像的进一步处理提供数据.     

基于深度学习的任意形状场景文字识别

场景文字识别的一个具有挑战性的方面是处理具有扭曲或不规则布局的文字.尤其是侧视文字和曲线文字在自然场景中较为常见,且难以识别.本文提出了一个带有灵活矫正功能的注意力增强网络,将其用于任意形状场景文字识别.此网络由基于卷积神经网络的文字矫正网络和基于注意力增强的识别网络两部分组成.矫正网络自适应地将输入图像中的文字进行矫正,降低识别难度,使基于注意力增强的序列识别网络直接根据矫正后的图像预测字符序列.整个模型可以进行端到端的训练,训练只需要图像和相应的文字真实标签.在各种公开数据集上进行了广泛的实验,包括SVT、ICDAR 2003和CUTE80等数据集,验证了此网络具有优异的性能.